Please use this identifier to cite or link to this item: http://hdl.handle.net/11422/11567
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSeixas, José Manoel de-
dc.contributor.authorRodrigues, Diego da Silva-
dc.date.accessioned2020-03-20T22:14:06Z-
dc.date.available2023-12-21T03:06:56Z-
dc.date.issued2018-03-
dc.identifier.urihttp://hdl.handle.net/11422/11567-
dc.description.abstractThis work presents the application of computational intelligence models to support amateur level american footbal teams. Two models were developed, with the goal of supporting coaches and athletes, using data from different sources. One specialist neural network ensemble was trained, using data from a high level american team, in order to extract what game characteristics affect playcall, for a professional team. The ensemble could identify a relevant set of attributes among the ones analyzed. Using data collected for amateur level players, a ranking algorithm was developed. This model was used to rank athletes on a weekly training camp opened to all players. The model was also use privately for an amateur team from Rio de Janeiro, to rank their players during the season.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectEngenharia elétricapt_BR
dc.subjectFutebol americanopt_BR
dc.subjectModelos de ranqueamentopt_BR
dc.subjectRanqueamento Bayesianopt_BR
dc.subjectCiência do esportept_BR
dc.titleInteligência computacional aplicada ao futebol americanopt_BR
dc.typeTesept_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/3108988403015888pt_BR
dc.contributor.referee1Evsukoff, Alexandre Gonçalves-
dc.contributor.referee2Manhães, Aline Gesualdi-
dc.contributor.referee3Barreto, Guilherme de Alencar-
dc.contributor.referee4Lima Netto, Sergio-
dc.description.resumoEsta tese apresenta a aplicação de modelos de inteligência computacional para apoiar times de futebol americano em países nos quais o esporte ainda está em fase de desenvolvimento. Dois modelos foram desenvolvidos, voltados para apoiar técnicos e times, utilizando dados de diferentes fontes. Um comitê de redes neurais especialistas foi treinado, utilizando dados de um time de alto nível, de maneira a extrair quais características influenciam a escolha de jogadas de um time profissional de ponta. As escolhas identificadas contribuem para a preparação tática dos atletas. O comitê foi capaz de identificar um subconjunto reduzido de atributos relevantes. Numa segunda etapa do trabalho, utilizando dados de treinamento de atletas amadores, adquiridos de 4.845 vídeos gerados a partir de um protocolo sistemático proposto, foi desenvolvido um modelo de ranqueamento de atletas e identificados seus pontos fortes e fracos no esporte. O modelo transporta um algoritmo utilizado em jogos para situações de enfrentamento individual no futebol americano e foi ajustado aos dados coletados num treino aberto para atletas no Rio de Janeiro, ao longo de 2017 e serviu para identificar os melhores. O modelo de ranqueamento também foi utilizado em dados de uma equipe amadora do Rio de Janeiro, para ranquear seus atletas ao longo da temporada.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenhariapt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.embargo.termsabertopt_BR
Appears in Collections:Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
887747.pdf1.05 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.