Inteligência computacional aplicada ao futebol americano
Autor(a) principal: | |
---|---|
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: | 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. |
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 |
Rodrigues, Diego da Silvahttp://lattes.cnpq.br/3108988403015888Evsukoff, Alexandre GonçalvesManhães, Aline GesualdiBarreto, Guilherme de AlencarLima Netto, SergioSeixas, José Manoel de2020-03-20T22:14:06Z2023-11-30T03:03:52Z2018-03http://hdl.handle.net/11422/11567Esta 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.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.Submitted by Aglair Aguiar (aglair@ct.ufrj.br) on 2020-03-20T22:14:06Z No. of bitstreams: 1 887747.pdf: 1076062 bytes, checksum: 547cd04d0629c86ba46d68f57cb6ce4d (MD5)Made available in DSpace on 2020-03-20T22:14:06Z (GMT). No. of bitstreams: 1 887747.pdf: 1076062 bytes, checksum: 547cd04d0629c86ba46d68f57cb6ce4d (MD5) Previous issue date: 2018-03porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia ElétricaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEngenharia elétricaFutebol americanoModelos de ranqueamentoRanqueamento BayesianoCiência do esporteInteligência computacional aplicada ao futebol americanoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJORIGINAL887747.pdf887747.pdfapplication/pdf1076062http://pantheon.ufrj.br:80/bitstream/11422/11567/1/887747.pdf547cd04d0629c86ba46d68f57cb6ce4dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/11567/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD5211422/115672023-11-30 00:03:52.324oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2023-11-30T03:03:52Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.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 CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Futebol americano Modelos de ranqueamento Ranqueamento Bayesiano Ciência do esporte |
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.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3108988403015888 |
dc.contributor.author.fl_str_mv |
Rodrigues, Diego da Silva |
dc.contributor.referee1.fl_str_mv |
Evsukoff, Alexandre Gonçalves |
dc.contributor.referee2.fl_str_mv |
Manhães, Aline Gesualdi |
dc.contributor.referee3.fl_str_mv |
Barreto, Guilherme de Alencar |
dc.contributor.referee4.fl_str_mv |
Lima Netto, Sergio |
dc.contributor.advisor1.fl_str_mv |
Seixas, José Manoel de |
contributor_str_mv |
Evsukoff, Alexandre Gonçalves Manhães, Aline Gesualdi Barreto, Guilherme de Alencar Lima Netto, Sergio Seixas, José Manoel de |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Engenharia elétrica Futebol americano Modelos de ranqueamento Ranqueamento Bayesiano Ciência do esporte |
dc.subject.por.fl_str_mv |
Engenharia elétrica Futebol americano Modelos de ranqueamento Ranqueamento Bayesiano Ciência do esporte |
description |
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. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-03 |
dc.date.accessioned.fl_str_mv |
2020-03-20T22:14:06Z |
dc.date.available.fl_str_mv |
2023-11-30T03:03:52Z |
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 |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
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 |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/11567/1/887747.pdf http://pantheon.ufrj.br:80/bitstream/11422/11567/2/license.txt |
bitstream.checksum.fl_str_mv |
547cd04d0629c86ba46d68f57cb6ce4d dd32849f2bfb22da963c3aac6e26e255 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1784097178359169024 |