Buchumschlag

Lasso Ridge based XGBoost and Deep_LSTM Help Tennis Players Perform better

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhai, Wankang, Wang, Yuhan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning I.2
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ResSurv: Cancer Survival Analysis Prediction Model Based on Residual Networks
von: Zhai, Wankang
Veröffentlicht: (2024)

Enhancing Predictive Accuracy in Tennis: Integrating Fuzzy Logic and CV-GRNN for Dynamic Match Outcome and Player Momentum Analysis
von: Li, Kechen, et al.
Veröffentlicht: (2025)

Learning Controllable and Diverse Player Behaviors in Multi-Agent Environments
von: Cilan, Atahan, et al.
Veröffentlicht: (2025)

Learning To Help: Training Models to Assist Legacy Devices
von: Wu, Yu, et al.
Veröffentlicht: (2024)

Uplifting Table Tennis: A Robust, Real-World Application for 3D Trajectory and Spin Estimation
von: Kienzle, Daniel, et al.
Veröffentlicht: (2025)

xLSTM-Mixer: Multivariate Time Series Forecasting by Mixing via Scalar Memories
von: Kraus, Maurice, et al.
Veröffentlicht: (2024)

Large-Scale In-Game Outcome Forecasting for Match, Team and Players in Football using an Axial Transformer Neural Network
von: Horton, Michael, et al.
Veröffentlicht: (2025)

Remaining Useful Life Estimation for Turbofan Engines: A Comparative Study of Classical, CNN, and LSTM Approaches
von: Goel, Astitva, et al.
Veröffentlicht: (2026)

Your Data, My Model: Learning Who Really Helps in Federated Learning
von: Abdurakhmanova, Shamsiiat, et al.
Veröffentlicht: (2024)

DeepDTF: Dual-Branch Transformer Fusion for Multi-Omics Anticancer Drug Response Prediction
von: Zhao, Yuhan, et al.
Veröffentlicht: (2026)

Deep Generative Symbolic Regression
von: Holt, Samuel, et al.
Veröffentlicht: (2023)

A Hierarchical conv-LSTM and LLM Integrated Model for Holistic Stock Forecasting
von: Chakraborty, Arya, et al.
Veröffentlicht: (2024)

Spatio-Temporal Forecasting of Retaining Wall Deformation: Mitigating Error Accumulation via Multi-Resolution ConvLSTM Stacking Ensemble
von: Kim, Jihoon, et al.
Veröffentlicht: (2026)

Understanding Boolean Function Learnability on Deep Neural Networks: PAC Learning Meets Neurosymbolic Models
von: Nicolau, Marcio, et al.
Veröffentlicht: (2020)

CNN-LSTM Hybrid Architecture for Over-the-Air Automatic Modulation Classification Using SDR
von: Padhya, Dinanath, et al.
Veröffentlicht: (2025)

Calibrated and Sharp Uncertainties in Deep Learning via Density Estimation
von: Kuleshov, Volodymyr, et al.
Veröffentlicht: (2021)

STAR : Bridging Statistical and Agentic Reasoning for Large Model Performance Prediction
von: Wang, Xiaoxiao, et al.
Veröffentlicht: (2026)

Misconduct in Post-Selections and Deep Learning
von: Weng, Juyang
Veröffentlicht: (2024)

Evaluating the effectiveness of predicting covariates in LSTM Networks for Time Series Forecasting
von: Davies, Gareth
Veröffentlicht: (2024)

KAN vs LSTM Performance in Time Series Forecasting
von: Rather, Tabish Ali, et al.
Veröffentlicht: (2025)

When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability
von: Haklidir, Mehmet
Veröffentlicht: (2026)

Solar Flare Prediction Using Long Short-term Memory (LSTM) and Decomposition-LSTM with Sliding Window Pattern Recognition
von: Hassani, Zeinab, et al.
Veröffentlicht: (2025)

Transformer Scalability Crisis: The First Comprehensive Empirical Analysis of Performance Walls in Modern Language Models
von: Moghadasi, Mahdi Naser, et al.
Veröffentlicht: (2026)

Research on a hybrid LSTM-CNN-Attention model for text-based web content classification
von: Kuz, Mykola, et al.
Veröffentlicht: (2025)

Autonomous Deep Agent
von: Yu, Amy, et al.
Veröffentlicht: (2025)

Natural Language Can Help Bridge the Sim2Real Gap
von: Yu, Albert, et al.
Veröffentlicht: (2024)

Robust Taxi Fare Prediction Under Noisy Conditions: A Comparative Study of GAT, TimesNet, and XGBoost
von: Moorthy, Padmavathi
Veröffentlicht: (2025)

EchoLSTM: A Self-Reflective Recurrent Network for Stabilizing Long-Range Memory
von: K, Prasanth K, et al.
Veröffentlicht: (2025)

An Efficient Learning Framework For Federated XGBoost Using Secret Sharing And Distributed Optimization
von: Xie, Lunchen, et al.
Veröffentlicht: (2021)

Compositional Concept-Based Neuron-Level Interpretability for Deep Reinforcement Learning
von: Jiang, Zeyu, et al.
Veröffentlicht: (2025)

When Does Global Attention Help? A Unified Empirical Study on Atomistic Graph Learning
von: Chowdhury, Arindam, et al.
Veröffentlicht: (2025)

Deep Variational Inference Symbolic Regression
von: Butterworth, James, et al.
Veröffentlicht: (2026)

Static Seeding and Clustering of LSTM Embeddings to Learn from Loosely Time-Decoupled Events
von: Manasseh, Christian, et al.
Veröffentlicht: (2022)

A Comparative Survey of PyTorch vs TensorFlow for Deep Learning: Usability, Performance, and Deployment Trade-offs
von: Alawi, Zakariya Ba
Veröffentlicht: (2025)

Transformers Boost the Performance of Decision Trees on Tabular Data across Sample Sizes
von: Jayawardhana, Mayuka, et al.
Veröffentlicht: (2025)

Terrier: A Deep Learning Repeat Classifier
von: Turnbull, Robert, et al.
Veröffentlicht: (2025)

Evaluating the Effectiveness of Large Language Models in Representing and Understanding Movement Trajectories
von: Ji, Yuhan, et al.
Veröffentlicht: (2024)

DeepPersona: A Generative Engine for Scaling Deep Synthetic Personas
von: Wang, Zhen, et al.
Veröffentlicht: (2025)

Time Aggregation Features for XGBoost Models
von: Pinchuk, Mykola
Veröffentlicht: (2026)

Evaluation of QCNN-LSTM for Disability Forecasting in Multiple Sclerosis Using Sequential Multisequence MRI
von: Mayfield, John D., et al.
Veröffentlicht: (2024)