Inteligência computacional aplicada ao futebol americano

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Diego da Silva
Data de Publicação: 2018
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFRJ
Texto Completo: http://hdl.handle.net/11422/11567
Resumo: 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.
id UFRJ_95890afccb5bdcbe7d921af68d8a8e09
oai_identifier_str oai:pantheon.ufrj.br:11422/11567
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Inteligência computacional aplicada ao futebol americanoEngenharia elétricaFutebol americanoModelos de ranqueamentoRanqueamento BayesianoCiência do esporteCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAThis 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.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.Universidade Federal do Rio de JaneiroBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaUFRJSeixas, José Manoel dehttp://lattes.cnpq.br/3108988403015888Evsukoff, Alexandre GonçalvesManhães, Aline GesualdiBarreto, Guilherme de AlencarLima Netto, SergioRodrigues, Diego da Silva2020-03-20T22:14:06Z2023-12-21T03:06:56Z2018-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttp://hdl.handle.net/11422/11567porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJ2023-12-21T03:06:56Zoai:pantheon.ufrj.br:11422/11567Repositório InstitucionalPUBhttp://www.pantheon.ufrj.br/oai/requestpantheon@sibi.ufrj.bropendoar:2023-12-21T03:06:56Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.none.fl_str_mv Inteligência computacional aplicada ao futebol americano
title Inteligência computacional aplicada ao futebol americano
spellingShingle Inteligência computacional aplicada ao futebol americano
Rodrigues, Diego da Silva
Engenharia elétrica
Futebol americano
Modelos de ranqueamento
Ranqueamento Bayesiano
Ciência do esporte
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Inteligência computacional aplicada ao futebol americano
title_full Inteligência computacional aplicada ao futebol americano
title_fullStr Inteligência computacional aplicada ao futebol americano
title_full_unstemmed Inteligência computacional aplicada ao futebol americano
title_sort Inteligência computacional aplicada ao futebol americano
author Rodrigues, Diego da Silva
author_facet Rodrigues, Diego da Silva
author_role author
dc.contributor.none.fl_str_mv Seixas, José Manoel de
http://lattes.cnpq.br/3108988403015888
Evsukoff, Alexandre Gonçalves
Manhães, Aline Gesualdi
Barreto, Guilherme de Alencar
Lima Netto, Sergio
dc.contributor.author.fl_str_mv Rodrigues, Diego da Silva
dc.subject.por.fl_str_mv Engenharia elétrica
Futebol americano
Modelos de ranqueamento
Ranqueamento Bayesiano
Ciência do esporte
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Engenharia elétrica
Futebol americano
Modelos de ranqueamento
Ranqueamento Bayesiano
Ciência do esporte
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description 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.
publishDate 2018
dc.date.none.fl_str_mv 2018-03
2020-03-20T22:14:06Z
2023-12-21T03:06:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11422/11567
url http://hdl.handle.net/11422/11567
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Elétrica
UFRJ
publisher.none.fl_str_mv Universidade Federal do Rio de Janeiro
Brasil
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
Programa de Pós-Graduação em Engenharia Elétrica
UFRJ
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRJ
instname:Universidade Federal do Rio de Janeiro (UFRJ)
instacron:UFRJ
instname_str Universidade Federal do Rio de Janeiro (UFRJ)
instacron_str UFRJ
institution UFRJ
reponame_str Repositório Institucional da UFRJ
collection Repositório Institucional da UFRJ
repository.name.fl_str_mv Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)
repository.mail.fl_str_mv pantheon@sibi.ufrj.br
_version_ 1815456005319819264

Registros relacionados