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)

RESUMO

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.

ABSTRACT

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.