Sistema de Apoio a Decisão: a Segurança Alimentar e o Modelo em Rede Neural / Decision Support System: Food Security and Neural Network Model

RESUMO

Este artigo tem como objetivo criar um modelo deapoio à tomada de decisão baseado em rede neural parasegurança alimentar nutricional do município de São Josédos Ramos, no interior da Paraíba. Material e Métodos: Estatécnica foi usada a fim de criar um modelo, através dospadrões implícitos nas camadas de 10 variáveis sobrequantidade e variedade de alimentos de 181 famílias domunicípio em estudo, utilizando-se como classificador oPerceptron Multicamadas do software Weka. Resultados:Uma vez criado o modelo, observou-se um padrão declassificação excelente na distinção entre segurançaalimentar e insegurança alimentar, embora tenha apresentadoconfusão na classificação entre os níveis de insegurançaalimentar. A escolha das variáveis relevantes naimplementação das redes neurais deve ser realizadacuidadosamente, visto que a inclusão de variáveis nãorelevantes ao problema em estudo poderá prejudicar odesempenho da rede neural, assim como o erro declassificação. Conclusão: O modelo, aqui proposto, podeser conduzido como ferramenta de apoio para o diagnósticoda insegurança alimentar, visando respostas úteis aogerenciamento dos programas de combate à fome...

ABSTRACT

This article aims to create a model to supportdecision making based on neural network for food nutritionsecurity in São José dos Ramos, in the interior of Paraíba.Methods: This technique was used to create a model, throughimplicit patterns in layers of 10 variables on the quantity andvariety of foods from 181 families in the municipality understudy, using as classifier the Multilayer Perceptron Wekasoftware. Results: Once the model was developed, therewas an excellent standard classification in the distinctionbetween food security and food insecurity, althoughconfusion in the classification among food insecurity levelswas verified. The choice for relevant variables in theimplementation of neural networks must be performedcarefully, since the inclusion of variables non relevant to theproblem under study may affect the neural networkperformance, as well as the classification error. Conclusion:The model proposed here may be conducted as a supporttool for the diagnosis of food insecurity, providing usefulanswers to the management of programs to combat hunger...