Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > Neural networks based approach to estimate body fat (%BF)

Neural networks based approach to estimate body fat (%BF)

Título
Neural networks based approach to estimate body fat (%BF)
Tipo
Artigo em Livro de Atas de Conferência Nacional
Ano
2010
Autores
Manuel R. Barbosa
(Autor)
FEUP
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Maria de Fátima Chousal
(Autor)
FEUP
Ata de Conferência Nacional
Páginas: 1-5
CONTROLO' 2010: 9th Portuguese Conference on Automatic Control
Coimbra, 8 a 10 Setembro de 2010
Classificação Científica
FOS: Ciências da engenharia e tecnologias > Engenharia electrotécnica, electrónica e informática
CORDIS: Ciências Tecnológicas ; Ciências da Saúde
Outras Informações
Abstract (EN): Abstract: The amount of fat in human body composition relative to total body weight (%BF) is considered a determinant factor to a healthier and longer life. In this paper a neural network approach, that overcomes some of the current limitations of assessing %BF through skinfold thickness measurement with calliper devices, is presented. Neural networks recognised capabilities in modelling nonlinear problems can provide a valuable tool to deal with the inherent nonlinear behaviour of body tissues. The approach was tested on a sample of elder individuals, men and women, showing better performance when compared with two available alternative methodologies.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Contacto: tamaral@fcna.up.pt
Nº de páginas: 5
Tipo de Licença: Clique para ver a licença CC BY-NC
Documentos
Nome do Ficheiro Descrição Tamanho
CONTROLO2010-MRB 57.79 KB
Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Centro de Desporto da Universidade do Porto I Termos e Condições I Acessibilidade I Índice A-Z
Página gerada em: 2025-10-04 às 17:45:43 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias | Livro Amarelo Eletrónico