4066852
Entwicklung eines Machine-Learning-Tools zur automatisierten Erkennung und Klassifikation von Kopfballereignissen auf der Basis von 3D-Beschleunigungsdaten eines am Kopf getragenen Inertialsensors
Mittels NN-DTW, LSTM und CNN wurden Beschleunigungsdaten anhand ihrer 3D-Zeitverläufe als Kopfball bzw. Nicht-Kopfball klassifiziert. Hierbei zeigte sich, dass die datengestützten Machine-Learning-Verfahren Kopfballereignisse mit einer hohen Genauigkeit klassifizieren konnten.
© Copyright 2020 spinfortec2020digital: 13. Symposium der dvs-Sektion "Sportinformatik und Sporttechnologie" vom 24.-25. September 2020 in Bayreuth. Veröffentlicht von Institut für Sportwissenschaft. Alle Rechte vorbehalten.
| Schlagworte: | |
|---|---|
| Notationen: | Naturwissenschaften und Technik Trainingswissenschaft Spielsportarten |
| Tagging: | Sportinformatik künstliche Intelligenz |
| Veröffentlicht in: | spinfortec2020digital: 13. Symposium der dvs-Sektion "Sportinformatik und Sporttechnologie" vom 24.-25. September 2020 in Bayreuth |
| Sprache: | Deutsch |
| Veröffentlicht: |
Bayreuth
Institut für Sportwissenschaft
2020
|
| Online-Zugang: | https://www.sporttechnologie.uni-bayreuth.de/pool/dokumente/Spinfortec_Programm-Abstractheft_final.pdf |
| Seiten: | 48-49 |
| Dokumentenarten: | Artikel |
| Level: | hoch |