Reconocimiento de rutas biosintéticas para semioquímicos mediante técnicas de aprendizaje de máquina

En este trabajo consideramos 148 semioquímicos reportados para la familia Scarabaeidae, cuya estructura química fue caracterizada empleando un conjunto de 200 descriptores moleculares de cinco clases distintas. La selección de los descriptores más discriminantes se realizó con tres técnicas: análisis de componentes principales, por cada clase de descriptores, bosques aleatorios y Boruta-Shap, aplicados al total de descriptores. A pesar de que las tres técnicas son conceptualmente diferentes, seleccionan un número de descriptores similar de cada clase. Propusimos una combinación de técnicas de aprendizaje de máquina para buscar un patrón estructural en el conjunto de semioquímicos y posteriormente realizar la clasificación de estos. El patrón se estableció a partir de la alta pertenencia de un subconjunto de estos metabolitos a los grupos que fueron obtenidos por un método de agrupamiento basado en lógica difusa, C-means; el patrón descubierto corresponde a las rutas biosintéticas por las cuales se obtienen biológicamente. Esta primera clasificación se corroboró con el empleo de mapas autoorganizados de Kohonen. Para clasificar aquellos semioquímicos cuya pertenencia a una ruta no quedaba claramente definida, construimos dos modelos de perceptrones multicapa, los cuales tuvieron un desempeño aceptable.

In this work we consider 148 semiochemicals reported for the family Scarabaeidae, whose chemical structure was characterized using a set of 200 molecular descriptors from five different classes. The selection of the most discriminating descriptors was carried out with three different techniques: Principal Component Analysis, for each class of descriptors, Random Forests and Boruta-Shap, applied to the total of descriptors. Although the three techniques are conceptually different, they select a similar number of descriptors from each class. We proposed a combination of machine learning techniques to search for a structural pattern in the set of semiochemicals and then perform their classification. The pattern was established from the high belonging of a subset of these metabolites to the groups that were obtained by a grouping method based on fuzzy C-means logic; the discovered pattern corresponds to the biosynthetic pathway by which they are obtained biologically. This first classification was corroborated with Kohonen's self-organizing maps. To classify those semiochemicals whose belonging to a biosynthetic pathway was not clearly defined, we built two models of Multilayer Perceptrons which had an acceptable performance.

Neste trabalho consideramos 148 semioquímicos reportados para a família Scarabaeidae, cuja estrutura química foi caracterizada usando um conjunto de 200 descritores moleculares de 5 classes diferentes. A seleção dos descritores mais discriminantes foi realizada com três técnicas diferentes: Análise de Componentes Principais, para cada classe de descritores, Florestas Aleatórias e Boruta-Shap, aplicadas a todos os descritores. Embora as três técnicas sejam conceitualmente diferentes, elas selecionaram um número semelhante de descritores de cada classe. Nós propusemos uma combinação de técnicas de aprendizado de máquina para buscar um padrão estrutural no conjunto de semioquímicos e então realizar sua classificação. O padrão foi estabelecido a partir da alta pertinência de um subconjunto desses metabólitos aos grupos que foram obtidos por um método de agrupamento baseado em lógica fuzzy, C-means; o padrão descoberto corresponde às rotas biossintéticas pelas quais eles são obtidos biologicamente. Essa primeira classificação foi corroborada com o uso dos mapas auto-organizados de Kohonen. Para classificar os semioquímicos cuja pertença a uma rota não foi claramente definida, construímos dois modelos de Perceptrons Multicamadas que tiveram um desempenho aceitável.

Wavelet packet transform and multilayer perceptron to identify voices with a mild degree of vocal deviation / Transformada Wavelet packet y Perceptrón Multicapa para identificación de voces con grado leve de desvío vocal

Introduction. Laryngeal disorders are characterized by a change in the vibratory pattern of the vocal folds. This disorder may have an organic origin described by anatomical fold modification, or a functional origin caused by vocal abuse or misuse. The most common diagnostic methods are performed by invasive imaging features that cause patient discomfort. In addition, mild voice deviations do not stop the in-dividual from using their voices, which makes it difficult to identify the problem and increases the possibility of complications. Aim. For those reasons, the goal of the present paper was to develop a noninvasive alternative for the identification of voices with a mild degree of vocal deviation ap-plying the Wavelet Packet Transform (WPT) and Multilayer Perceptron (MLP), an Artificial Neural Network (ANN). Methods. A dataset of 74 audio files were used. Shannon energy and entropy mea-sures were extracted using the Daubechies 2 and Symlet 2 families and then the processing step was performed with the MLP ANN. Results. The Symlet 2 family was more efficient in its generalization, obtaining 99.75% and 99.56% accuracy by using Shannon energy and entropy measures, re-spectively. The Daubechies 2 family, however, obtained lower accuracy rates: 91.17% and 70.01%, respectively. Conclusion. The combination of WPT and MLP presented high accuracy for the identification of voices with a mild degree of vocal deviation

ntroducción. Los trastornos laríngeos se caracterizan por un cambio en el patrón vibratorio de los pliegues vocales. Este trastorno puede tener un origen orgánico, descrito como la modificación anatómica de los pliegues vocales, o de origen fun-cional, provocado por abuso o mal uso de la voz. Los métodos de diagnóstico más comunes se realizan mediante procedimientos invasivos que causan malestar al pa-ciente. Además, los desvíos vocales de grado leve no impiden que el individuo utilice la voz, lo que dificulta la identificación del problema y aumenta la posibilidad de complicaciones futuras.Objetivo. Por esas razones, el objetivo de esta investigación es desarrollar una he-rramienta alternativa, no invasiva para la identificación de voces con grado leve de desvío vocal aplicando Transformada Wavelet Packet (WPT) y la red neuronal artifi-cial del tipo Perceptrón Mutlicapa (PMC). Métodos. Fue utilizado un banco de datos con 78 voces. Fueron extraídas las me-didas de energía y entropía de Shannon usando las familias Daubechies 2 y Symlet 2 para después aplicar la red neuronal PMC. Resultados. La familia Symlet 2 fue más eficiente en su generalización, obteniendo un 99.75% y un 99.56% de precisión mediante el uso de medidas de energía y en-tropía de Shannon, respectivamente. La familia Daubechies 2, sin embargo, obtuvo menores índices de precisión: 91.17% y 70.01%, respectivamente. Conclusión. La combinación de WPT y PMC presentó alta precisión para la iden-tificación de voces con grado leve de desvío vocal

Aplicação de técnicas de redes neurais e modelagem atmosférica para elaboração de previsões de vazão na Bacia do Rio Grande (MG) / Application of neural networks techniques and atmospheric modeling to elaborate inflow forecasts in the Rio Grande Basin (MG), Brazil

RESUMO Neste estudo foi proposta a elaboração de um modelo de previsão de vazões no horizonte de dez dias para a Usina Hidrelétrica de Furnas, localizada na Bacia do Rio Grande, Minas Gerais, a partir da aplicação de redes neurais artificiais (RNA), informações de vazão natural e precipitação observada e prevista. O modelo foi desenvolvido utilizando o software Matlab(r) Neural Network Toolbox. Escolheu-se uma rede neural do tipo perceptron multicamadas (MLP), treinada com algoritmo supervisionado de retropropagação Levenberg-Marquardt. As previsões de precipitação foram obtidas a partir do modelo ETA/Centro de Previsão do Tempo e Estudos Climáticos (CPTEC), e utilizadas com e sem tratamento matemático. Foram realizados três experimentos, dividindo-se o histórico de dados em três períodos, sendo o primeiro para a calibração do modelo, o segundo para a validação e o terceiro para os testes. Em cada experimento foi variado o conjunto de dados de entrada, sendo utilizada, no primeiro experimento, somente a vazão passada para prever os dez dias de vazão futura. No segundo foi adicionada a precipitação observada e, no terceiro, a previsão de precipitação. Os resultados da modelagem chuva-vazão obtidos com a previsão de precipitaçãodo modelo ETA não apresentaram melhorias estatísticas em comparação com os experimentos que só utilizaram informações passadas. No entanto, quando se utilizou a previsão de precipitação corrigida matematicamente, observou-se uma melhora sensível tanto nos índices estatísticos quanto na representação da previsão simulada no hidrograma, ficando o desempenho da modelagem proposta neste estudo semelhante à encontrada em modelos conceituais do tipo chuva-vazão.

ABSTRACT The purpose of this study was to elaborate a ten-year runoff forecast model for the Furnas hydroelectric plant. The facility is located in the Rio Grande Basin in the state of Minas Gerais, Brazil. Artificial neural networks were used to determine natural flow as well as observed and predicted precipitation. The model was created using the Matlab(r) Neural Network Toolbox software, and the multi-layers perceptron (MLP) was trained with supervised learning algorithm Levenberg-Marquardt. Precipitation forecasts derived from ETA/Centro de Previsão do Tempo e Estudos Climáticos (CPTEC) model, and both raw and mathematical adjusted data were used. Historical data was separated in three different periods in order to calibrate, validate and test the model. The first share was used for calibration, the second portion was used for validation and the third one to test the model. In each experiment the input data was modified; thus, in the first experiment, to forecast the ten day runoff, only the past runoff data was considered. In the second experiment, observed precipitation was added; and in the third one, the forecast precipitation was added. The rainfall-runoff modeling results did not show any significant improvement in the statistics when ETA input data is compared with the experiments that only used past information as input. Nevertheless, when forecast precipitation was used with mathematical adjustment, a mild improvement was shown for the statistics index and for the forecast hydrogram simulation. As a result, the modeling performance proposed in this study is similar to that found in conceptual models of rainfall-runoff type.