Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
On using Artificial Neural Network models to predict game outcomes in Dota 2
KTH, School of Computer Science and Communication (CSC).
KTH, School of Computer Science and Communication (CSC).
2017 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Användandet av Artificiella Neurala nätverks modeller för att förutspå matchresultat i Dota 2 (Swedish)
Abstract [en]

Dota 2 is an online strategy game, played in a five versus five format. Its multitude of selectable characters, each with a unique set of abilities and spells, causes every new match to be different from the last and picking the right characters can ultimately decide whether a team wins or loses a game.

This report investigates if Artificial Neural Networks can be used to predict game outcomes, based solely on the character selection made in each game. Additionally, the report will explore if altering the base parameters of the utilized ANN models can improve predictive performance. The models considered in the thesis will thus vary in number of hidden neurons and hidden layers in the neural network.

The results show that the various models have an average prediction accuracy ranging between 53-59%. We find that using a low number of neurons with many layers improves prediction accuracy. Although the results from this study seem to indicate a correlation between character picks and game outcomes, we recommend a more extensive analysis be conducted in order to reproduce these results and thus ensure external validity.

Abstract [sv]

Dota 2 är ett strategispel som spelas online i ett fem mot fem format. Spelets stora mängd av valbara karaktärer, var och en med en unik uppsättning av egenskaper,  leder till att varje match är olik den senaste och att välja rätt karaktär kan i slutändan avgöra om ett lag vinner eller förlorar en match.

Denna rapport undersöker om Artificiella Neurala Nätverk kan användas för att förutspå matchresultat, baserat helt på vilka karaktärer som väljs i varje match. Vidare kommer rapporten utforska om ändringar i parametrarna för de ANN modeller som används kan förbättra prediktiv förmåga. Modellerna som hanteras i denna avhandling varierar därför i antalet gömda noder och lager i det neurala nätverket. Resultaten visar att de olika modellerna i genomsnitt förutspår matcher med 53-59% säkerhet. Genom att använda få neuroner med många lager förbättras modellernas prediktiva förmåga. Fastän resultaten från denna rapport tycks antyda en korrelation mellan vilka karaktärer som väljs och matchresultat, rekommenderar vi att en mer omfattande analys utförs i syfte att upprepa dessa resultat och således garantera extern validitet.

Place, publisher, year, edition, pages
2017.
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-209270OAI: oai:DiVA.org:kth-209270DiVA: diva2:1111362
Supervisors
Examiners
Available from: 2017-06-18 Created: 2017-06-18 Last updated: 2017-06-18Bibliographically approved

Open Access in DiVA

fulltext(750 kB)8 downloads
File information
File name FULLTEXT01.pdfFile size 750 kBChecksum SHA-512
f26b73aaaada7cbe15fdf59e0749bb78186e593a462c33f96b6aa0f7a2e1ec7016fdc34dd66df4dd886a94e2784694dc617fdb09a6f92019fd801dadc48874a2
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 8 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 62 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf