@PHDTHESIS{ 2023:586410541,
 	title = {Um método para monitoramento e geração de feedbacks em atividades físicas repetitivas baseado em Máquinas de Boltzmann Restritas},
 	year = {2023},
 	url = "https://tede.ufam.edu.br/handle/tede/10035",
 	abstract = "A prática de atividades físicas, muitas vezes realizadas em ambientes como academias e sessões de fisioterapia, exige a execução precisa dos movimentos para garantir resultados eficazes e evitar lesões. Atualmente, abordagens que combinam tecnologias vestíveis e Inteligência Artificial (IA) são empregadas para identificar a correta execução dos movimentos. No entanto, essas abordagens têm limitações, pois estão vinculadas a atividades físicas pré-programadas e não fornecem orientações específicas para corrigir os movimentos. Esta tese propõe uma abordagem disruptiva para gerar modelos em tempo de execução capazes de oferecer sugestões de ajustes aos usuários, visando a correta execução do movimento. Utilizando dados de sensores inerciais, como acelerômetro e giroscópio, a abordagem monitora, aprende padrões, analisa e fornece sugestões de correções para os dados inerciais de cada segmento corporal, por meio de uma Máquina de Boltzmann Restrita. Os resultados demonstram que a geração desses modelos em tempo de execução, capaz de se adaptar a diferentes biotipos e limitações dos usuários, é eficiente na produção de orientações de ajustes nos movimentos, resultando em uma semelhança até 3,68 vezes maior com o movimento correto. Isso valida a eficácia do método proposto para seu propósito.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}