Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
予想外に変化する投球の軌道は打者に学習されやすい?~Predictive Codingと予測誤差を添えて~
Search
nowism
July 17, 2020
Science
0
2.1k
予想外に変化する投球の軌道は打者に学習されやすい?~Predictive Codingと予測誤差を添えて~
「ヒトの脳は予測誤差を修正するように学習する」という最新脳科学のフレームワークを利用して、打者に学習されやすいやすい投球がある可能性について提案、簡単に分析してみました。
nowism
July 17, 2020
Tweet
Share
More Decks by nowism
See All by nowism
伸び率ペナントレース
nowism
0
330
応援を科学する-声援はチームを勝たせるのか-
nowism
2
180
どうしてバントは減らないのか 〜時間割引の視点から〜
nowism
0
2.8k
"流れ"の正体を考える
nowism
0
1.5k
Other Decks in Science
See All in Science
JSol'Ex : solar image processing in Java
melix
0
250
大規模画像テキストデータのフィルタリング手法の紹介
lyakaap
5
1.1k
データで課題を解決する -因果関係を調べる統計的因果推論-
sshimizu2006
4
1.4k
[NeurIPS 2023 論文読み会] Wasserstein Quantum Monte Carlo
stakaya
0
360
脳とAIは似ているか ― NeuroAI の挑戦
ykamit
9
6.9k
ウェーブレットおきもち講座
aikiriao
1
690
Demucsを用いた音源分離
508shuto
0
200
AI Alignment: A Comprehensive Survey
s_ota
0
190
Yasuke
drawsbygba
0
610
Endocannabinology 101
drbonci
PRO
0
260
最新のAI技術を使った材料シミュレーションで材料研究現場に変革を
matlantis
0
490
Machine Learning for Materials (Lecture 6)
aronwalsh
0
430
Featured
See All Featured
Testing 201, or: Great Expectations
jmmastey
30
6.4k
Ruby is Unlike a Banana
tanoku
96
10k
The Invisible Customer
myddelton
114
12k
Principles of Awesome APIs and How to Build Them.
keavy
121
16k
In The Pink: A Labor of Love
frogandcode
138
21k
How To Stay Up To Date on Web Technology
chriscoyier
782
250k
We Have a Design System, Now What?
morganepeng
43
6.8k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
34
8.9k
Building a Scalable Design System with Sketch
lauravandoore
457
32k
10 Git Anti Patterns You Should be Aware of
lemiorhan
649
58k
jQuery: Nuts, Bolts and Bling
dougneiner
60
7.2k
Designing Experiences People Love
moore
136
23k
Transcript
༧֎ʹมԽ͢Δٿيಓ ଧऀʹֶश͞Ε͍͢ʁ なういず d1SFEJDUJWF$PEJOHͱ ༧ଌޡࠩΛఴ͑ͯd
ͳ͏͍ͣ !OPXJTN@TQPSUT ɿೝՊֶ ⚽ɿദϨΠιϧ ⚾ɿڊਓϑΝϯ 4UBZ)PNFͰϋϚͬͨͷɿ ϓϦύϥɺΩϥοͱϓϦˑνϟϯ
None
࠷৽ՊֶͷΈͰ ٿͷٿ Λߟ͑ͯΈͨʂ
ͷػೳͷ֩৺ɿ ೖྗͷ༧ଌΛߦ͍ ༧ଌޡࠩΛ࠷খԽ͢ΔΑ͏ֶश͢Δ ༧ଌޡࠩɿ ༧ଌͱ࣮ࡍͷೖྗͷࠩ
ࢹ֮ӡಈ੍ޚ ˠػೳશମΛଊ͑ΔΈ ʢFY֮ɾӡಈɾಈʣ ˞࣮ࡍͷϓϩηεճ࿏ະղ໌ ˠઆ໌Ͱ͖Δݱ͕ଟ͍
ᶃ༧ଌ͢Δ ᶄ༧ଌͱ࣮ࡍͷೖྗΛൺֱ͢Δ ᶅ༧ଌޡ͕ࠩখ͘͞ͳΔΑ͏ʹ ֶश͢Δ
༧ଌޡ͕ࠩ͋Δγʔϯɿ όοςΟϯά ˠٿيಓͷ༧
༧ଌޡ͕ࠩେ͖͍ ˠଧऀࣦഊ͢Δ ۭৼΓɾຌୀ ྫɿΦʔϧελʔήʔϜͷ౻ٿࣇ ɾετϨʔτΛ͛Δͱએݴ ɾΧϒϨϥͱখּݪΛۭৼΓࡾৼʹऔΔ ˞ٿͨΒͳ͔ͬͨʂʂ ˡ༧ଌΑΓ্ํΛ௨ա͔ͨ͠Β
ಛҟٿ ༧ଌޡ͕ࠩେ͖͍ ˠདྷΔͱ͔ͬͯଧͯͳ͍ ༧ଌޡࠩΛར༻͍ͯ͠Δखͷྫ ɾ౻ٿࣇʢετϨʔτʣ ɾϚϦΞϊɾϦϕϥ ΧοτϘʔϧ ɾࢁ࡚߁ߊʢzπʔγʔϜzʣ
͑ख ˠ͍Πχϯάɿֶश͕ྃ͠ͳ͍ ಛҟٿΛثʹ͢Δઌൃख ˠ༧ଌޡֶ͕ࠩश͞ΕΔ ˠঃʑʹଧͨΕΔ
ख ɾಛҟٿΛ͛Δઌൃख ɾͦ͏Ͱͳ͍ઌൃख ύϑΥʔϚϯε ɾdճ ॱ ɾdճ ॱҎ߱ 1~3回 4~6回
特異球>⾮特異球 特異球<⾮特異球 ˞༧ଌޡֶ͕ࠩश͞ΕΔͨΊ
ɾੳରͷઌൃख ɾಛҟٿͷఆٛ ɾൺֱ͢ΔύϑΥʔϚϯε ར༻σʔλ #BTFCBMMTBWBOU ˞ٿ͝ͱͷৄࡉͳσʔλΛެ։
ɾੳରͷઌൃख نఆଧ੮Ҏ্Λ͛ͨઌൃख ˠҰఆҎ্ͷ࣮ྗΛ࣋ͭ
ɾಛҟٿͷఆٛ μϧϏογϡ༗ɿҐ ฏۉ ٿछɿετϨʔτɺΧʔϒɺ ΧοτϘʔϧɺεϥΠμʔɺ νΣϯδΞοϓɺγϯΧʔ ಛҟٿɿ֤ٿछฏۉ͔Βڑ ͕Ε͍ͯΔ໊ มԽྔɿਫฏํɾਨํ શखͷฏۉΛऔΔ
ɾಛҟٿख ໊ Darvish Yu カットボール:7位 ストレート、スライダー、シンカー、カーブ Bauer Trevor カットボール:5位 ストレート、スライダー、チェンジアップ、カーブ
Gray Sonny スライダー:4位 ストレート、シンカー、カーブ Junis Jakob チェンジアップ:5位 ストレート、スライダー、シンカー、カーブ Sanchez Anibal カーブ:7位 ストレート、カットボール、シンカー、カーブ、スプリット Lucchesi Joey チェンジアップ:1位 カットボール:7位 シンカー Davies Zach カットボール:2位 シンカー、チェンジアップ Means John チェンジアップ:6位 ストレート、スライダー、カーブ
ɾൺֱ͢ΔύϑΥʔϚϯε 8)*1 ΠχϯάʹԿਓऀΛग़͔ͨ͠ ˞Πχϯάผ8)*1͕؆୯ʹऔಘͰ͖ΔͨΊɺ·ͣ8)*1Λ༻ͨ͠ ~1.00 エース ~1.20 エース級 1.40以上 問題
ྫɿμϧϏογϡ༗ 1回 2回 3回 4回 5回 6回 総計 1.19 0.94 0.85 1.37 1.04 1.35 1.10 0.09 -0.16 -0.25 0.27 -0.06 0.25 ー ˢۤख ˢۤख ͷ෦Λฏۉ͢Δ
ɾΠχϯά͝ͱͷ8)*1ࠩ ɾճɿ྆ऀۤख͕ͩಛҟٿखͷํ͕Α͍ ɾ ճɿಛҟٿख͕ྑύϑΥʔϚϯε ɾdճɿඇಛҟٿख͕ྑύϑΥʔϚϯε 投⼿ 1回 2回 3回 4回
5回 6回 特異球 0.036 -0.109 -0.113 0.013 0.026 0.368 ⾮特異球 0.070 -0.096 0.026 -0.006 -0.011 0.079
ɾಛҟٿख ɾং൫ಘҙͰɺঃʑʹଧͨΕΔ ˠ༧ଌޡࠩΛݮΒֶ͢शͷ݁ՌͰ͋ΔՄೳੑ ɾಛҟٿखͷى༻๏ఏҊ ɾಛҟٿखਓͰΠχϯάͣͭ͛Δ ˠγϣʔτελʔλʔ͖Ͱ͋ΔՄೳੑ ɾಛҟٿखΛٹԉͰى༻ͯ͠ΈΔ
ɾಛҟٿΛछͭٹԉख Yusmeiro Petit ・カットボール3位、カーブ1位 ・円熟のセットアッパー ・最多の80試合に登板 Aaron Bummer ・ストレート7位、カットボール9位、 シンカー5位
・ランナーをほとんど⽣還させない
ɾಛҟٿΛछͭٹԉख Phil Maton ・カットボール1位、ストレート6位 ・ニックネームは“スピンレート” ・移籍先ではWHIP0.81の好成績を残した
ɾஔసͨ͠Β໘നͦ͏ͳख Joey Lucchesi ・6回に打たれる傾向がある ・チェンジアップ1位、カットボール7位の 特異球2球種の持ち主 松井裕樹 ・先発転向が上⼿く⾏かない ・スライダーが特異球である可能性 嶋「こんなボールをなげる投⼿はいない」
参考:https://sportiva.shueisha.co.jp/clm/baseball/npb/2014/02/16/post_356/
͞ΒͳΔੳ͕ඞཁ ɾಛҟٿɿ ্Ґਓଥ͔ ฏۉͱͷڑͰܾΊΔଥੑ ɾύϑΥʔϚϯεɿ ٿछ͝ͱͷΛݟΔඞཁ ଞͷཁҼ ർ࿑ Λߟྀ ɾଞͷઌൃखٹԉखʹ͍ͭͯ
ɾ࣮ࡍͷ׆ಈʢকདྷతʹʣ
ɾ1SFEJDUJWF$PEJOH ͷΈ ɾ༧ଌޡࠩΛݮΒ͢Α͏ʹֶश ˠϘʔϧͷيಓͷֶशʹ͋ͯ·ΔՄೳੑ ɾબखͷى༻๏ධՁʹԠ༻ ˠ͞ΒͳΔௐ͕ࠪඞཁ ɾՊֶ ͷΈ ºεϙʔπ ɾࠓޙ͍ʹͳΓͦ͏