Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/11567
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Seixas, José Manoel de | - |
dc.contributor.author | Rodrigues, Diego da Silva | - |
dc.date.accessioned | 2020-03-20T22:14:06Z | - |
dc.date.available | 2023-12-21T03:06:56Z | - |
dc.date.issued | 2018-03 | - |
dc.identifier.uri | http://hdl.handle.net/11422/11567 | - |
dc.description.abstract | This 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.language | por | pt_BR |
dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Engenharia elétrica | pt_BR |
dc.subject | Futebol americano | pt_BR |
dc.subject | Modelos de ranqueamento | pt_BR |
dc.subject | Ranqueamento Bayesiano | pt_BR |
dc.subject | Ciência do esporte | pt_BR |
dc.title | Inteligência computacional aplicada ao futebol americano | pt_BR |
dc.type | Tese | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/3108988403015888 | pt_BR |
dc.contributor.referee1 | Evsukoff, Alexandre Gonçalves | - |
dc.contributor.referee2 | Manhães, Aline Gesualdi | - |
dc.contributor.referee3 | Barreto, Guilherme de Alencar | - |
dc.contributor.referee4 | Lima Netto, Sergio | - |
dc.description.resumo | Esta 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.country | Brasil | pt_BR |
dc.publisher.department | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Elétrica | pt_BR |
dc.publisher.initials | UFRJ | pt_BR |
dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | pt_BR |
dc.embargo.terms | aberto | pt_BR |
Appears in Collections: | Engenharia Elétrica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
887747.pdf | 1.05 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.