@MASTERSTHESIS{ 2017:1663212529,
 	title = {Classifica??o de manobras de skate atrav?s de acelerometria e redes neurais artificiais},
 	year = {2017},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/7756",
 	abstract = "Skate ? uma das culturas mais populares no Brasil, com mais de 8.5
 milh?es de adeptos. O movimento esportivo atualmente se encontra em uma
 fase de grande crescimento, dada inclusive a estr?ia da modalidade nos Jogos
 Ol?mpicos em T?quio 2020.
 O presente estudo teve como objetivo desenvolver t?cnicas de detec??o
 e classifica??o de manobras de Street Skate, utilizando sensores inerciais IMU
 (Inertial Module Unit) e Redes Neurais Artificiais (RNA).
 Utilizando conhecimento do estado da arte em detec??o de movimentos
 no Skate, foram gerados 181 registros artificiais, resultando em 543 sinais de
 acelera??o (X, Y e Z) divididos entre 5 classes de manobras. Foi desenvolvida
 uma heur?stica de classifica??o utilizando coeficientes de correla??o cruzada
 para discriminar cada classe, e com a Neural Network Toolbox foi criada uma
 Multilayer Feed Forward Network de tr?s camadas treinada atrav?s de um
 algoritmo de aprendizagem supervisionado (scaled conjugate gradient
 backpropagation).
 Os resultados mostraram que com a utiliza??o de RNAs treinadas
 especificamente para cada eixo, sendo o eixo Z o maior discriminador,
 podemos alcan?ar um percentual de erro inferior a 0.05%, com uma efici?ncia
 computacional que disponibiliza respostas em tempo real.
 Aprendizado de m?quina ? uma podersoa ferramenta na classifica??o
 de padr?es de movimento complexos, contanto que os classificadores sejam
 arquitetados de maneira eficiente e o problema proposto de maneira clara,
 essa t?cnica possui promissoras aplica??es para Exergames e detec??o de
 movimentos.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Engenharia El?trica},
 	note = {Faculdade de Engenharia}
}