
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Universidade Federal de Santa Catarina (UFSC) | - |
| Autor(es): dc.creator | Watanabe, Rafael N. | - |
| Autor(es): dc.creator | Bernardes, Priscila A. | - |
| Autor(es): dc.creator | Romanzini, Eliéder P. | - |
| Autor(es): dc.creator | Teobaldo, Ronyatta W. | - |
| Autor(es): dc.creator | Reis, Ricardo A. | - |
| Autor(es): dc.creator | Munari, Danísio P. | - |
| Autor(es): dc.creator | Braga, Larissa G. | - |
| Autor(es): dc.creator | Brito, Thaís R. | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:53:12Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:53:12Z | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2021-11-30 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/ani11123438 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/222967 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/222967 | - |
| Descrição: dc.description | Knowledge of animal behavior can be indicative of the well-being, health, productivity, and reproduction of animals. The use of accelerometers to classify and predict animal behavior can be a tool for continuous animal monitoring. Therefore, the aim of this study was to provide strategies for predicting more and less frequent beef cattle grazing behaviors. The behavior activities observed were grazing, ruminating, idle, water consumption frequency (WCF), feeding (supplementation) and walking. Three Machine Learning algorithms: Random Forest (RF), Support Vector Machine (SVM) and Naïve Bayes Classifier (NBC) and two resample methods: under and over-sampling, were tested. Overall accuracy was higher for RF models trained with the over-sampled dataset. The greatest sensitivity (0.808) for the less frequent behavior (WCF) was observed in the RF algorithm trained with the under-sampled data. The SVM models only performed efficiently when classifying the most frequent behavior (idle). The greatest predictor in the NBC algorithm was for ruminating behavior, with the over-sampled training dataset. The results showed that the behaviors of the studied animals were classified with high accuracy and specificity when the RF algorithm trained with the resampling methods was used. Resampling training datasets is a strategy to be considered, especially when less frequent behaviors are of interest. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Departamento de Engenharia e Ciências Exatas Universidade Estadual Paulista | - |
| Descrição: dc.description | Departamento de Zootecnia e Desenvolvimento Rural Universidade Federal de Santa Catarina | - |
| Descrição: dc.description | Departamento de Zootecnia Universidade Estadual Paulista | - |
| Descrição: dc.description | Departamento de Engenharia e Ciências Exatas Universidade Estadual Paulista | - |
| Descrição: dc.description | Departamento de Zootecnia Universidade Estadual Paulista | - |
| Descrição: dc.description | CAPES: 001 | - |
| Descrição: dc.description | FAPESP: 2015/16631-5 | - |
| Descrição: dc.description | FAPESP: 2018/20753-7 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Animals | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Naïve Bayes Classifier | - |
| Palavras-chave: dc.subject | Nelore | - |
| Palavras-chave: dc.subject | Random Forest | - |
| Palavras-chave: dc.subject | Support Vector Machine | - |
| Título: dc.title | Strategy to predict high and low frequency behaviors using triaxial accelerometers in grazing of beef cattle | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: