@MASTERSTHESIS{ 2017:1315681276,
 	title = {Classificação de manobras de skate através de acelerometria e redes neurais artificiais},
 	year = {2017},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/7756",
 	abstract = "Skate é uma das culturas mais populares no Brasil, com mais de 8.5
 milhões de adeptos. O movimento esportivo atualmente se encontra em uma
 fase de grande crescimento, dada inclusive a estréia da modalidade nos Jogos
 Olímpicos em Tóquio 2020.
 O presente estudo teve como objetivo desenvolver técnicas de detecção
 e classificação de manobras de Street Skate, utilizando sensores inerciais IMU
 (Inertial Module Unit) e Redes Neurais Artificiais (RNA).
 Utilizando conhecimento do estado da arte em detecção de movimentos
 no Skate, foram gerados 181 registros artificiais, resultando em 543 sinais de
 aceleração (X, Y e Z) divididos entre 5 classes de manobras. Foi desenvolvida
 uma heurística de classificação utilizando coeficientes de correlação cruzada
 para discriminar cada classe, e com a Neural Network Toolbox foi criada uma
 Multilayer Feed Forward Network de três camadas treinada através de um
 algoritmo de aprendizagem supervisionado (scaled conjugate gradient
 backpropagation).
 Os resultados mostraram que com a utilização de RNAs treinadas
 especificamente para cada eixo, sendo o eixo Z o maior discriminador,
 podemos alcançar um percentual de erro inferior a 0.05%, com uma eficiência
 computacional que disponibiliza respostas em tempo real.
 Aprendizado de máquina é uma podersoa ferramenta na classificação
 de padrões de movimento complexos, contanto que os classificadores sejam
 arquitetados de maneira eficiente e o problema proposto de maneira clara,
 essa técnica possui promissoras aplicações para Exergames e detecção de
 movimentos.",
 	publisher = {Pontifícia Universidade Católica do Rio Grande do Sul},
 	scholl = {Programa de Pós-Graduação em Engenharia Elétrica},
 	note = {Faculdade de Engenharia}
}