Aplicação de Redes Neurais Recorrentes para a Predição do Aprendizado Motor

SILVA, Lucas Cléopas Costa da

Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/7638

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	SILVA, Lucas Cléopas Costa da	-
dc.date.accessioned	2024-07-31T13:54:49Z	-
dc.date.available	2024-07-31T13:54:49Z	-
dc.date.issued	2022-12-15	-
dc.identifier.uri	http://hdl.handle.net/123456789/7638	-
dc.description	Everyday tasks – for example, walking, writing, typing, etc. – involve motor skills. However, patients with motor diseases have difficulty performing these routine tasks. In view of this scenario, studies with an emphasis on motor learning for the acquisition of motor skills and rehabilitation of these skills are necessary to improve the quality of life of patients. The main purpose of this work was to apply Recurrent Neural Network to estimate when an individual will reach the desired performance level given a motor learning task. With that in mind, 20 volunteers performed the tracing task with the non- dominant hand (left hand) for the study and prediction of motor learning. This task was performed for three consecutive days (each day is a session). Each session contained ten blocks with ten words (trials) to be traced. After data collection, the behavior of these data was analyzed using graphs and statistical analysis. The technique of Hierarchical Clustering and interquartile range (IQR) was used to detect and remove outliers that generate noise in the data. Finally, a model based on Recurrent Neural Network was trained to predict the average error of the third session. The results were satisfactory, since the error form was predicted and the relative error rate was 78.12%.	pt_BR
dc.description.abstract	Tarefas do dia a dia – por exemplo, andar, escrever, digitar, etc. – envolvem habilida- des motoras. No entanto, pacientes com problemas motores apresentam dificuldades para executar essas tarefas rotineiras. Tendo em vista esse cenário, estudos com ênfase em aprendizado motor para aquisição de habilidades motoras e reabilitação dessas habilida- des mostram-se necessários para melhorar a qualidade de vida dos pacientes. O objetivo principal deste trabalho visou aplicar Rede Neural Recorrente para estimar quando um indivíduo irá atingir o nível de desempenho desejado dado uma tarefa de aprendizado motor. Em razão disso, 20 voluntários realizaram a tarefa de decalque com a mão não dominante (mão esquerda) para o estudo e predição do aprendizado motor. Essa tarefa foi realizada durante três dias consecutivos (cada dia é uma sessão). Cada sessão continha dez blocos com dez palavras (tentativas) a serem traçadas. Após a coleta, analisou-se o comportamento desses dados por meio de gráficos e análises estatísticas. Utilizou-se a técnica de Agrupamento Hierárquico e intervalo interquartil (IQR) para detecção e elimi- nação de valores discrepantes (outliers) que geram ruído aos dados. Por fim, treinou-se um modelo baseado em Rede Neural Recorrente para prever o erro médio da terceira sessão. Os resultados foram satisfatórios, uma vez que a forma do erro foi predita e a taxa de erro relativa foi de 78,12%.	pt_BR
dc.publisher	UFMA	pt_BR
dc.subject	Aprendizado motor;	pt_BR
dc.subject	Aprendizado de máquina;	pt_BR
dc.subject	Agrupamento hierárquico;	pt_BR
dc.subject	Rede Neural Recorrente	pt_BR
dc.subject	Machine learning;	pt_BR
dc.subject	Motor learning;	pt_BR
dc.subject	Clustering analysis;	pt_BR
dc.subject	Recurrent Neural Network	pt_BR
dc.title	Aplicação de Redes Neurais Recorrentes para a Predição do Aprendizado Motor	pt_BR
dc.title.alternative	Application of Recurrent Neural Networks for Predicting Motor Learning	pt_BR
dc.type	Other	pt_BR
Aparece nas coleções:	TCCs de Graduação de Engenharia da Computação do Campus do Bacanga

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
AlunoLucasCleopas___TCC.pdf	TCC de Graduação	2,17 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas