Detalhes bibliográficos
| Ano de defesa: |
2020 |
| Autor(a) principal: |
Cocolo, Camila |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/55/55137/tde-25022021-131439/
|
Resumo: |
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. |
