• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Disertación de Maestría
DOI
https://doi.org/10.11606/D.55.2020.tde-25022021-131439
Documento
Autor
Nombre completo
Camila Cocolo
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2020
Director
Tribunal
Perdoná, Gleici da Silva Castro (Presidente)
Novelli, Cibele Maria Russo
Suzuki, Adriano Kamimura
Tinós, Renato
Título en portugués
Reconhecimento de movimentos de cães utilizando um acelerômetro e redes neurais artificiais
Palabras clave en portugués
Acelerômetro
Cães
Classificação de movimentos
CNN
CNN LSTM
ConvLSTM
Resumen en portugués
A classificação dos movimentos de cães utilizando dados de acelerômetro é uma área ainda pouco explorada no Brasil, mas de grande importância para o acompanhamento da saúde e bem estar destes animais. Este trabalho propõe um método de classificação de movimentação dos cães, a partir de um acelerômetro triaxial, e utilização de três arquiteturas de redes neurais artificiais: Rede Neural Convolucional (CNN), Rede Neural Convolucional associada a Long Short Term Memory (CNN-LSTM) e ConvLSTM. A metodologia foi desenvolvida instalando um pingente contendo o acelerômetro na coleira de 8 cachorros, que coletava dados em uma frequência de 10 Hz. Para avaliar o desempenho das redes neurais foi considerado o coeficiente de Matthews, que é um indicador muito utilizado na área de bioinformática. A arquitetura com melhor desempenho foi a ConvLSTM, que apresentou um coeficiente de Matthews de 0,79 no conjunto de teste.
Título en inglés
Recognition of dog movements using an accelerometer and artificial neural networks
Palabras clave en inglés
Accelerometer
CNN
CNN LSTM
ConvLSTM
Dogs
Movement classification
Resumen en inglés
Classification of dogs movements by using data collected from accelerometers is an area little explored in Brazil, but this is of great importance to monitor health and well-being of these animals. This work proposes a method to classify the movement of dogs using a triaxial accelerometer, and the use of three artificial neural network architectures: Convolutional Neural Network (CNN), Convolutional Neural Network associated with Long Short Term Memory ( CNN-LSTM) and ConvLSTM. The methodology was developed by installing a pendant that contains the accelerometer on the collar of 8 dogs, and it presents data collected at a frequency of 10 Hz. To evaluate the neural network performance the Matthews coefficient was considered, which is an widely used indicator in the area of bioinformatics. The best performing architecture was ConvLSTM, which had a Matthews coefficient of 0.79 on the test set
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
CamilaCocolo.pdf (2.83 Mbytes)
Fecha de Publicación
2021-02-25
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.