Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Teixeira, Felipe Guimarães
Orientador(a): Nadal, Jurandir
Banca de defesa: Oliveira, Carlos Gomes de, Almeida, Renan Moritz Varnier Rodrigues de, Franchini, Emerson
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio de Janeiro
Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Biomédica
Departamento: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
País: Brasil
Palavras-chave em Português:
Judô
Perfil Atlético
Redes Neurais Artificiais
Regressão Logística
Área do conhecimento CNPq:
CNPQ::CIENCIAS BIOLOGICAS
Link de acesso: http://hdl.handle.net/11422/13239
Resumo: O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT.
id UFRJ_57f8470a2a7190ef353576e4169ed9bc
oai_identifier_str oai:pantheon.ufrj.br:11422/13239
network_acronym_str UFRJ
network_name_str Repositório Institucional da UFRJ
repository_id_str
spelling Teixeira, Felipe Guimarãeshttp://lattes.cnpq.br/3276524120558309http://lattes.cnpq.br/3648894844247661Mello, Roger Gomes Tavares dehttp://lattes.cnpq.br/9421765373399336Oliveira, Carlos Gomes deAlmeida, Renan Moritz Varnier Rodrigues deFranchini, EmersonNadal, Jurandir2020-10-14T20:07:00Z2020-10-16T03:00:09Z2019-03http://hdl.handle.net/11422/13239O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT.The present study aims to classify judo athletes in national and regional levels using logistic regression (LR) and multilayer perceptron neural network (MLP) on anthropometric and biomechanical data, as well as the special judo fitness test (SJFT). 42 competitive two level judo male athletes (28 national and 14 state level) were submitted to the following measures and tests: (a) skinfold thickness; (b) circumferences; (c) bone widths; (d) stabilometric test; (e) SJFT; and (f) dynamometry. The RL and MLP models were used to classify the two levels of judo athletes. Before adjusting the models, the forward stepwise method was used to select the variables that produced the highest performance. To further reduce the number of variables, a combinatorial analysis was performed over the variables previously selected. The RL and MLP models presented area under ROC curve 91.0% to 96.0% and 82% to 89%, respectively. The three variables that best classified the groups were epicondylar humerus width, total number of throws on the SJFT, and stabilometric mean velocity of center of pressure in mediolateral direction. This study demonstrated that LR and MLP could be used to classify judo athletes from national and state competitive levels, using a reduced set of anthropometric, biomechanical, and SJFT variables.Submitted by Moreno Barros (moreno@ct.ufrj.br) on 2020-10-14T20:07:00Z No. of bitstreams: 1 FelipeGuimaraesTeixeira.pdf: 1378371 bytes, checksum: 342bd4974130ea1e4b181a7a48c567fc (MD5)Made available in DSpace on 2020-10-14T20:07:00Z (GMT). No. of bitstreams: 1 FelipeGuimaraesTeixeira.pdf: 1378371 bytes, checksum: 342bd4974130ea1e4b181a7a48c567fc (MD5) Previous issue date: 2019-03porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia BiomédicaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::CIENCIAS BIOLOGICASJudôPerfil AtléticoRedes Neurais ArtificiaisRegressão LogísticaClassificação do desempenho do atleta de judô utilizando regressão logística e rede neuralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/13239/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALFelipeGuimaraesTeixeira.pdfFelipeGuimaraesTeixeira.pdfapplication/pdf1378371http://pantheon.ufrj.br:80/bitstream/11422/13239/1/FelipeGuimaraesTeixeira.pdf342bd4974130ea1e4b181a7a48c567fcMD5111422/132392020-10-16 00:00:09.219oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2020-10-16T03:00:09Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false
dc.title.pt_BR.fl_str_mv Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
title Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
spellingShingle Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
Teixeira, Felipe Guimarães
CNPQ::CIENCIAS BIOLOGICAS
Judô
Perfil Atlético
Redes Neurais Artificiais
Regressão Logística
title_short Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
title_full Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
title_fullStr Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
title_full_unstemmed Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
title_sort Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
author Teixeira, Felipe Guimarães
author_facet Teixeira, Felipe Guimarães
author_role author
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3276524120558309
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3648894844247661
dc.contributor.advisorCo1.none.fl_str_mv Mello, Roger Gomes Tavares de
dc.contributor.advisorCo1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9421765373399336
dc.contributor.author.fl_str_mv Teixeira, Felipe Guimarães
dc.contributor.referee1.fl_str_mv Oliveira, Carlos Gomes de
dc.contributor.referee2.fl_str_mv Almeida, Renan Moritz Varnier Rodrigues de
dc.contributor.referee3.fl_str_mv Franchini, Emerson
dc.contributor.advisor1.fl_str_mv Nadal, Jurandir
contributor_str_mv Oliveira, Carlos Gomes de
Almeida, Renan Moritz Varnier Rodrigues de
Franchini, Emerson
Nadal, Jurandir
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS BIOLOGICAS
topic CNPQ::CIENCIAS BIOLOGICAS
Judô
Perfil Atlético
Redes Neurais Artificiais
Regressão Logística
dc.subject.por.fl_str_mv Judô
Perfil Atlético
Redes Neurais Artificiais
Regressão Logística
description O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT.
publishDate 2019
dc.date.issued.fl_str_mv 2019-03
dc.date.accessioned.fl_str_mv 2020-10-14T20:07:00Z
dc.date.available.fl_str_mv 2020-10-16T03:00:09Z
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/11422/13239
url http://hdl.handle.net/11422/13239
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 Biomédica
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/11422/13239/2/license.txt
http://pantheon.ufrj.br:80/bitstream/11422/13239/1/FelipeGuimaraesTeixeira.pdf
bitstream.checksum.fl_str_mv dd32849f2bfb22da963c3aac6e26e255
342bd4974130ea1e4b181a7a48c567fc
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_ 1766886500007411712

Registros relacionados