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 Nakamura | - |
Autor(es): dc.creator | Romanzini, Eliéder Prates | - |
Autor(es): dc.creator | Bernardes, Priscila Arrigucci | - |
Autor(es): dc.creator | Rodrigues, Julia Lisboa | - |
Autor(es): dc.creator | Alves do Val, Guilherme | - |
Autor(es): dc.creator | Silva, Matheus Mello | - |
Autor(es): dc.creator | Fernandes, Márcia Helena Machado da Rocha | - |
Autor(es): dc.creator | Caetano, Sabrina Luzia | - |
Autor(es): dc.creator | Ramos, Salvador Boccaletti | - |
Autor(es): dc.creator | Reis, Ricardo Andrade | - |
Autor(es): dc.creator | Munari, Danísio Prado | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:18:43Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:18:43Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.atech.2024.100542 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298520 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298520 | - |
Descrição: dc.description | Animal behavior monitoring is an important tool for animal production. This behavior monitoring strategy can indicate the well-being and health of animals, which can lead to better productive performance. This study aimed to assess the most effective accelerometer attachment position (on either the halter or a neck collar) and data transmission time intervals (ranging from 6 to 600 s) for predicting behavioral patterns, including water and food intake frequencies, as well as other activities in young beef cattle bulls within a feedlot system. A range of machine learning algorithms were applied to satisfy the aims of the study, including the random forest, support vector machine, multilayer perceptron, and naive Bayes classifier algorithms. All studied models produced high performance metrics (above 0.90) when using both attachment positions, except for the models built using the naive Bayes classifier. Therefore, coupling accelerometers with collars is a more viable alternative for use on animals, as doing so is easier than applying accelerometers to halters. Utilizing a dataset with more observations (i.e., shorter time intervals) did not result in considerable improvements in the performance metrics of the trained models. Therefore, using datasets with fewer observations is more advantageous, as it can lead to decreased computational and temporal demands for model training, in addition to saving the battery of the device considered in this study. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Departamento de Ciências Exatas Universidade Estadual Paulista (Unesp) Faculdade de Ciências Agrárias e Veterinárias | - |
Descrição: dc.description | Departamento de Zootecnia Universidade Estadual Paulista (Unesp) Faculdade de Ciências Agrárias e Veterinárias | - |
Descrição: dc.description | Departamento de Zootecnia e Desenvolvimento Rural Universidade Federal de Santa Catarina | - |
Descrição: dc.description | Departamento de Ciências Exatas Universidade Estadual Paulista (Unesp) Faculdade de Ciências Agrárias e Veterinárias | - |
Descrição: dc.description | Departamento de Zootecnia Universidade Estadual Paulista (Unesp) Faculdade de Ciências Agrárias e Veterinárias | - |
Descrição: dc.description | CNPq: 151885/2022-2 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Smart Agricultural Technology | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Multilayer perceptron | - |
Palavras-chave: dc.subject | Precise livestock management | - |
Palavras-chave: dc.subject | Random forest | - |
Palavras-chave: dc.subject | Support vector machine | - |
Título: dc.title | Accelerometers-based position and time interval comparisons for predicting the behaviors of young bulls housed in a feedlot system | - |
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: