Utilização da modelagem matemática (redes neurais artificiais) na classificação de autotetraploides de bananeira (Musa acuminata Colla) / Use of mathematical modeling (artificial neural networks) in classification of banana autotetraploid (Musa acuminata Colla)

Objetivou-se desenvolver uma metodologia para possibilitar a classificação de plantas de bananeira submetidas à indução de duplicação cromossômica utilizando Redes Neurais Artificiais (RNA). Os dados utilizados neste trabalho foram retirados de uma tese já apresentada, cujo autor estudou a correlação entre a massa fresca de discos foliares e o conteúdo de DNA. A RNA foi implementada com a função de classificação. A taxa de aprendizado e o termo momentum adotados foram respectivamente iguais a 0,01 e 0,2, o número de épocas de treinamento foi 1000. Esses valores foram determinados por meio de tentativa e erro. Para o treinamento, 90% das plantas foram utilizadas e, para validação, 10% do total de 114 autotetraploides produzidos artificialmente por meio de exposição ao antimitódico colchicina. A RNA classificou corretamente 10 das 11 amostras utilizadas para validação. A estatística Kappa foi de 63,33%, o que indica que a RNA pode ainda ser melhorada. A rede neural artificial do tipo Multi Layer Perceptron implementada é eficaz na préseleção de poliploides desejáveis de bananeira Tong Dok Mak.

The objective was to develop a methodology to enable the classification of banana crop subjected to induction of chromosome doubling using Neural Networks (NN). The data used in this study were taken from a thesis already presented, whose authors studied the correlation between fresh weight of leaf discs and DNA content. The NN was implemented by the ranking function. The learning rate and momentum term used were respectively equal to 0.01 and 0.2, the number of training epochs was 1000. These values were determined by trial and error. For training, 90% of the plants were employed, and for validation, 10% of the total of 114 autotetraploids artificially produced by exposure to antimitodic agent colchicine. The NN correctly classified 10 of the 11 samples used for validation. Kappa statistics was 63.33%, which indicates that the NN can be further improved. The artificial neural network-type Multi Layer Perceptron is effectively implemented in the pre-selection of polyploid desirable banana Tong Dok Mak.

A fuzzy system for cloacal temperature prediction of broiler chickens / Sistema fuzzy para a predição da temperatura cloacal de frangos de corte

Cloacal temperature (CT) of broiler chickens is an important parameter to classify its comfort status; therefore its prediction can be used as decision support to turn on acclimatization systems. The aim of this research was to develop and validate a system using the fuzzy set theory for CT prediction of broiler chickens. The fuzzy system was developed based on three input variables: air temperature (T), relative humidity (RH) and air velocity (V). The output variable was the CT. The fuzzy inference system was performed via Mamdani's method which consisted in 48 rules. The defuzzification was done using center of gravity method. The fuzzy system was developed using MAPLE® 8. Experimental results, used for validation, showed that the average standard deviation between simulated and measured values of CT was 0.13°C. The proposed fuzzy system was found to satisfactorily predict CT based on climatic variables. Thus, it could be used as a decision support system on broiler chicken growth.

A temperatura cloacal (TC) de frangos de corte é um importante parâmetro para classificar a sua condição de conforto, portanto, a sua predição pode ser usada no suporte à decisão de acionamento de sistemas de climatização. Objetivou-se com a presente pesquisa desenvolver e validar um sistema, utilizando a teoria dos conjuntos fuzzy para predição da TC de frangos de corte. O sistema fuzzy foi desenvolvido com base em três variáveis de entrada: temperatura do ar (T), umidade relativa (UR) e velocidade do ar (V), tendo, como variável de saída, a TC. A inferência fuzzy foi realizada por meio do método tipo Mamdani, que consistiu na elaboração de 48 regras e a defuzzificação por meio do método do Centro de Gravidade. O sistema fuzzy foi desenvolvido no ambiente computacional MAPLE® 8. Resultados experimentais, usados para a validação, mostraram que o desvio padrão médio entre os valores simulados e medidos de TC foi de 0,13°C. O sistema fuzzy proposto prediz satisfatoriamente a TC com base nas variáveis climáticas, podendo ser utilizado como suporte à decisão em sistemas de criação de frangos de corte.

Aplicação de redes neurais artificiais na previsão da produção de álcool / Application of artificial neural networks in the forecast of alcohol production

Este trabalho descreve a aplicação de Redes Neurais Artificiais na tarefa de previsão da produção de álcool no Brasil no ano de 2006, a partir de dados de produção anteriores. É também apresentada uma comparação entre os resultados obtidos por meio da Rede Neural com os obtidos utilizando técnicas de séries temporais, sendo que a Rede Neural obteve melhores resultados.

This work describes the application of Artificial Neural Networks in the forecasting of alcohol production in Brazil in the year of 2006 using past data. Results obtained through Neural Networks were compared to those obtained using time series techniques, and Neural Networks have shown better results.