Información del autor
Autor Muazu Musa, Rabiu |
Documentos disponibles escritos por este autor (2)
Crear una solicitud de compra Refinar búsqueda
TÃtulo : Machine Learning in Aquaculture : Hunger Classification of Lates calcarifer Tipo de documento: documento electrónico Autores: Mohd Razman, Mohd Azraai, ; P. P. Abdul Majeed, Anwar, ; Muazu Musa, Rabiu, ; Taha, Zahari, ; Susto, Gian-Antonio, ; Mukai, Yukinori, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2020 Número de páginas: VI, 60 p. ISBN/ISSN/DL: 978-981-1522376-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Cultura animal Inteligencia Computacional Simulación por ordenador Procesamiento de la señal Ciencia Animal Modelado por computadora Procesamiento de señales voz e imágenes Clasificación: 636 Resumen: Este libro destaca la asociación fundamental entre la acuicultura y la ingenierÃa en la clasificación del comportamiento del hambre de los peces mediante técnicas de aprendizaje automático. Comprender los factores subyacentes que afectan el crecimiento de los peces es esencial, ya que tienen implicaciones para una mayor productividad en las piscifactorÃas. Las técnicas de visión por computadora y aprendizaje automático permiten cuantificar la percepción subjetiva del comportamiento del hambre y asà permitir que se proporcionen alimentos según sea necesario. El libro analiza el marco conceptual del seguimiento del movimiento, el horario de alimentación y los clasificadores de predicción para clasificar el estado de hambre, y propone un sistema que comprende un sistema de alimentación automatizado, un módulo de procesamiento de imágenes y clasificadores de aprendizaje automático. Además, el sistema sustituye las complejas técnicas de modelado convencionales por un enfoque robusto de inteligencia artificial. Los hallazgos presentados son de interés para investigadores, piscicultores y tecnólogos en acuicultura que deseen obtener información sobre la productividad de los peces y su comportamiento. Nota de contenido: 1 Introduction -- 2 Monitoring and feeding integration of demand feeder systems -- 3 Image processing features extraction on fish behaviour -- 4 Time-series identification of fish feeding behaviour. Tipo de medio : Computadora Summary : This book highlights the fundamental association between aquaculture and engineering in classifying fish hunger behaviour by means of machine learning techniques. Understanding the underlying factors that affect fish growth is essential, since they have implications for higher productivity in fish farms. Computer vision and machine learning techniques make it possible to quantify the subjective perception of hunger behaviour and so allow food to be provided as necessary. The book analyses the conceptual framework of motion tracking, feeding schedule and prediction classifiers in order to classify the hunger state, and proposes a system comprising an automated feeder system, image-processing module, as well as machine learning classifiers. Furthermore, the system substitutes conventional, complex modelling techniques with a robust, artificial intelligence approach. The findings presented are of interest to researchers, fish farmers, and aquaculture technologist wanting to gain insights into the productivity of fish and fish behaviour. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning in Aquaculture : Hunger Classification of Lates calcarifer [documento electrónico] / Mohd Razman, Mohd Azraai, ; P. P. Abdul Majeed, Anwar, ; Muazu Musa, Rabiu, ; Taha, Zahari, ; Susto, Gian-Antonio, ; Mukai, Yukinori, . - 1 ed. . - Singapore [Malasia] : Springer, 2020 . - VI, 60 p.
ISBN : 978-981-1522376--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Cultura animal Inteligencia Computacional Simulación por ordenador Procesamiento de la señal Ciencia Animal Modelado por computadora Procesamiento de señales voz e imágenes Clasificación: 636 Resumen: Este libro destaca la asociación fundamental entre la acuicultura y la ingenierÃa en la clasificación del comportamiento del hambre de los peces mediante técnicas de aprendizaje automático. Comprender los factores subyacentes que afectan el crecimiento de los peces es esencial, ya que tienen implicaciones para una mayor productividad en las piscifactorÃas. Las técnicas de visión por computadora y aprendizaje automático permiten cuantificar la percepción subjetiva del comportamiento del hambre y asà permitir que se proporcionen alimentos según sea necesario. El libro analiza el marco conceptual del seguimiento del movimiento, el horario de alimentación y los clasificadores de predicción para clasificar el estado de hambre, y propone un sistema que comprende un sistema de alimentación automatizado, un módulo de procesamiento de imágenes y clasificadores de aprendizaje automático. Además, el sistema sustituye las complejas técnicas de modelado convencionales por un enfoque robusto de inteligencia artificial. Los hallazgos presentados son de interés para investigadores, piscicultores y tecnólogos en acuicultura que deseen obtener información sobre la productividad de los peces y su comportamiento. Nota de contenido: 1 Introduction -- 2 Monitoring and feeding integration of demand feeder systems -- 3 Image processing features extraction on fish behaviour -- 4 Time-series identification of fish feeding behaviour. Tipo de medio : Computadora Summary : This book highlights the fundamental association between aquaculture and engineering in classifying fish hunger behaviour by means of machine learning techniques. Understanding the underlying factors that affect fish growth is essential, since they have implications for higher productivity in fish farms. Computer vision and machine learning techniques make it possible to quantify the subjective perception of hunger behaviour and so allow food to be provided as necessary. The book analyses the conceptual framework of motion tracking, feeding schedule and prediction classifiers in order to classify the hunger state, and proposes a system comprising an automated feeder system, image-processing module, as well as machine learning classifiers. Furthermore, the system substitutes conventional, complex modelling techniques with a robust, artificial intelligence approach. The findings presented are of interest to researchers, fish farmers, and aquaculture technologist wanting to gain insights into the productivity of fish and fish behaviour. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
TÃtulo : Machine Learning in Elite Volleyball : Integrating Performance Analysis, Competition and Training Strategies Tipo de documento: documento electrónico Autores: Muazu Musa, Rabiu, ; Abdul Majeed, Anwar P. P., ; Suhaimi, Muhammad Zuhaili, ; Mohd Razman, Mohd Azraai, ; Abdullah, Mohamad Razali, ; Abu Osman, Noor Azuan, Mención de edición: 1 ed. Editorial: Singapore [Malasia] : Springer Fecha de publicación: 2021 Número de páginas: X, 53 p. 13 ilustraciones, 12 ilustraciones en color. ISBN/ISSN/DL: 978-981-1631924-- Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Aprendizaje automático Ciencias del deporte Inteligencia Computacional Ciencia deportiva Clasificación: 006.31 Resumen: Este informe destaca el uso de varios algoritmos de aprendizaje automático (ML) para evaluar estrategias de entrenamiento y competencia en voleibol, asà como para identificar jugadores de alto rendimiento en este deporte. Se analizan varios elementos/estrategias psicológicas junto con parámetros de rendimiento humano con el fin de determinar su impacto en el rendimiento en competiciones de voleibol de élite. Presenta indicadores clave de desempeño, asà como parámetros de desempeño humano que pueden usarse en futuras evaluaciones del desempeño del equipo y de los jugadores. Los detalles descritos en este informe son vitales para los entrenadores, directores de clubes, expertos en identificación de talentos, analistas de rendimiento y otras partes interesadas importantes en la evaluación del rendimiento y para fomentar la mejora en este deporte. Nota de contenido: Chapter 1. Nature of Volleyball Sport, Performance Analysis in Volleyball, and the Recent Advances of Machine Learning Application in Sports -- Chapter 2. The Effect of Competition strategies in influencing Volleyball performance -- Chapter 3. Identification of psychological training strategies essential for Volleyball performance -- Chapter 4. The Strategic competitional elements contributing to Volleyball performance -- Chapter 5. Anthropometric variables in the identification of high-performance Volleyball players -- Chapter 6. Performance Indicators predicting medalists and non-medalists in elite men Volleyball competition -- Chapter 7. Summary, Conclusion and Future Direction. Tipo de medio : Computadora Summary : This brief highlights the use of various Machine Learning (ML) algorithms to evaluate training and competitional strategies in Volleyball, as well as to identify high-performance players in the sport. Several psychological elements/strategies coupled with human performance parameters are discussed in view to ascertain their impact on performance in elite Volleyball competitions. It presents key performance indicators as well as human performance parameters that can be used in future evaluation of team performance and players. The details outlined in this brief are vital to coaches, club managers, talent identification experts, performance analysts as well as other important stakeholders in the evaluation of performance and to foster improvement in this sport. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Machine Learning in Elite Volleyball : Integrating Performance Analysis, Competition and Training Strategies [documento electrónico] / Muazu Musa, Rabiu, ; Abdul Majeed, Anwar P. P., ; Suhaimi, Muhammad Zuhaili, ; Mohd Razman, Mohd Azraai, ; Abdullah, Mohamad Razali, ; Abu Osman, Noor Azuan, . - 1 ed. . - Singapore [Malasia] : Springer, 2021 . - X, 53 p. 13 ilustraciones, 12 ilustraciones en color.
ISBN : 978-981-1631924--
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Idioma : Inglés (eng)
Palabras clave: Aprendizaje automático Ciencias del deporte Inteligencia Computacional Ciencia deportiva Clasificación: 006.31 Resumen: Este informe destaca el uso de varios algoritmos de aprendizaje automático (ML) para evaluar estrategias de entrenamiento y competencia en voleibol, asà como para identificar jugadores de alto rendimiento en este deporte. Se analizan varios elementos/estrategias psicológicas junto con parámetros de rendimiento humano con el fin de determinar su impacto en el rendimiento en competiciones de voleibol de élite. Presenta indicadores clave de desempeño, asà como parámetros de desempeño humano que pueden usarse en futuras evaluaciones del desempeño del equipo y de los jugadores. Los detalles descritos en este informe son vitales para los entrenadores, directores de clubes, expertos en identificación de talentos, analistas de rendimiento y otras partes interesadas importantes en la evaluación del rendimiento y para fomentar la mejora en este deporte. Nota de contenido: Chapter 1. Nature of Volleyball Sport, Performance Analysis in Volleyball, and the Recent Advances of Machine Learning Application in Sports -- Chapter 2. The Effect of Competition strategies in influencing Volleyball performance -- Chapter 3. Identification of psychological training strategies essential for Volleyball performance -- Chapter 4. The Strategic competitional elements contributing to Volleyball performance -- Chapter 5. Anthropometric variables in the identification of high-performance Volleyball players -- Chapter 6. Performance Indicators predicting medalists and non-medalists in elite men Volleyball competition -- Chapter 7. Summary, Conclusion and Future Direction. Tipo de medio : Computadora Summary : This brief highlights the use of various Machine Learning (ML) algorithms to evaluate training and competitional strategies in Volleyball, as well as to identify high-performance players in the sport. Several psychological elements/strategies coupled with human performance parameters are discussed in view to ascertain their impact on performance in elite Volleyball competitions. It presents key performance indicators as well as human performance parameters that can be used in future evaluation of team performance and players. The details outlined in this brief are vital to coaches, club managers, talent identification experts, performance analysts as well as other important stakeholders in the evaluation of performance and to foster improvement in this sport. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
