Please use this identifier to cite or link to this item:
https://ir.stou.ac.th/handle/123456789/12928Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ขจิตพรรณ กฤตพลวิมาน | th_TH |
| dc.contributor.author | วุฒิ ดาวมณี | th_TH |
| dc.contributor.other | มหาวิทยาลัยสุโขทัยธรรมาธิราช. สำนักบัณฑิตศึกษา | th_TH |
| dc.date.accessioned | 2024-11-08T02:32:10Z | - |
| dc.date.available | 2024-11-08T02:32:10Z | - |
| dc.date.issued | 2565 | - |
| dc.identifier.uri | https://ir.stou.ac.th/handle/123456789/12928 | - |
| dc.description | วิทยานิพนธ์ (วท.ม. (เทคโนโลยีสารสนเทศและการสื่อสาร))-- มหาวิทยาลัยสุโขทัยธรรมาธิราช, 2565 | th_TH |
| dc.description.abstract | การวิจัยครั้งนี้มีวัตถุประสงค์ (1) เพื่อหาแบบจำลองที่เหมาะสมสำหรับวิเคราะห์ทำนายคำนวณค่าแคลอรี่ที่ผู้ใช้งานต้องเผาผลาญเพื่อควบคุมน้ำหนักให้อยู่ในเกณฑ์ที่แต่ละผู้ใช้งานกำหนดได้ (2) เพื่อพัฒนาแอปพลิเคชันที่ให้คำแนะนำการออกกำลังกายแบบคาร์ดิโอเพื่อควบคุมน้ำหนักได้อย่างมีประสิทธิภาพสำหรับนักกีฬา และ (3) เพื่อประเมินประสิทธิภาพระบบประมวลผลการดำเนินงานประกอบด้วย 6 ขั้นตอนหลัก ได้แก่ (1) การเก็บรวบรวมข้อมูลของผู้ออกกำลังกายจำนวน 3 คน (2) การเตรียมข้อมูลโดยมีการนำออกข้อมูลจากระบบคลาวด์ของการ์มินและนำเข้าข้อมูลไปที่แอปพลิเคชันและจัดเก็บในระบบฐานข้อมูล (3) การสร้างแบบจำลองซึ่งในการวิจัยนี้เลือกใช้โมเดล 2 ประเภทได้แก่ การถดถอยเชิงเส้นอย่างง่าย และ การสุ่มป่าไม้แบบการถดถอย (4) การประเมินประสิทธิภาพแบบจำลอง (5) การปรับค่าพารามิเตอร์สำหรับหาค่าที่เหมาะสมที่สุด และ (6) การใช้งานการทำนายแบบจำลอง ผลการวิจัย พบว่า (1) การใช้แบบจำลองการถดถอยเชิงเส้นอย่างง่ายมีความแม่นยำสูงกว่าแบบจำลองการสุ่มป่าไม้แบบการถดถอย (2) แอปพลิเคชัน Exercise Analysis ที่พัฒนาสามารถประมวลผลและให้คำแนะนำแคลอรี่ที่ต้องเผาผลาญและการออกกำลังกายรายสัปดาห์สำหรับนักกีฬา (3) ผลของการประเมินระบบโดยใช้ R-Squared พบว่าจำนวนชุดข้อมูลที่นำเข้าไปสอนระบบที่เหมาะสมคือ 70%-80% และผลที่ทำนายจะมีความแม่นยำมากขึ้นเมื่อมีจำนวนข้อมูลเข้าไปสอนระบบเพิ่มขึ้น | th_TH |
| dc.format | application/pdf | en_US |
| dc.language.iso | th | en_US |
| dc.publisher | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.rights | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) | en_US |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | en_US |
| dc.source | Born digital | en_US |
| dc.subject | กายบริหาร | th_TH |
| dc.subject | กายบริหารเพื่อลดน้ำหนัก | th_TH |
| dc.subject | การออกกำลังกาย | th_TH |
| dc.title | ระบบวิเคราะห์และแนะนำการออกกำลังกายแบบคาร์ดิโอเพื่อควบคุมน้ำหนักของนักกีฬาโดยใช้เทคนิคการถดถอยเชิงเส้น | th_TH |
| dc.title.alternative | Cardio based exercise analysis and recommendation system for athletes weight control using regression technique | en_US |
| dc.type | Thesis | en_US |
| dc.degree.name | วิทยาศาสตรมหาบัณฑิต | th_TH |
| dc.degree.level | ปริญญาโท | th_TH |
| dc.degree.discipline | สาขาวิชาวิทยาศาสตร์และเทคโนโลยี | th_TH |
| dc.degree.grantor | มหาวิทยาลัยสุโขทัยธรรมาธิราช | th_TH |
| dc.description.abstractalternative | The purposes of this research were (1) to find the most appropriate model for analysing and predicting the calories burned for weight control according to the target weight of each user (2) to develop a web application providing an effective recommendation of cardio-based exercise for athletes' weight control and, (3) to evaluate the performance of the computing system. The research methodologies consisted of six main steps as (1) data collection from three regular exercise persons, (2) data preparation by exporting from Garmin cloud system, importing into the application system, and storing in the database, (3) modelling the classification system with Simple Linear Regression model and Random Forest Regressor model, (4) model evaluation, (5) parameter tuning for finding the optimal value, and (6) implementation of the model prediction. The experimental results were found that (1) Simple Linear Regression model provided more accurate results than Random Forest Regressor model, (2) the developed application of cardio-based exercise analysis was able to compute and recommend the calorie burning and weekly exercises for athletes, (3) system evaluation using R-Squared presented that the most appropriate training data was 70-80%, and the more training data, the more accurate the prediction of the model. | en_US |
| dc.contributor.coadvisor | เตชค์ฐสิณป์ เพียซ้าย | th_TH |
| Appears in Collections: | Science Tech - Theses | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| FULLTEXT.pdf | เอกสารฉบับเต็ม | 18.21 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
