1
|
Bonini Neto A, Bonini C, Putti F, Campos M, Gabriel Filho L, Chacur M, Piazentin JC. MODELO AUTOMÁTICO DE CLASSIFICAÇÃO DE BOVINOS PARA O ABATE VIA REDES NEURAIS ARTIFICIAIS. Revista Brasileira de Engenharia de Biossistemas 2019. [DOI: 10.18011/bioeng2019v13n1p1-11] [Citation(s) in RCA: 0] [Impact Index Per Article: 0] [Reference Citation Analysis] [What about the content of this article? (0)] [Affiliation(s)] [Abstract] [Track Full Text] [Journal Information] [Subscribe] [Scholar Register] [Indexed: 11/01/2022] Open
Abstract
Hoje em dia, a busca por ferramentas que facilitam e até mesmo substituem o trabalho humano têm ganhado grande destaque mundial. As redes neurais artificiais (RNAs) é uma dessas ferramentas, pois apresentam uma quantidade de aplicações, principalmente quando se trata de classificação de dados, reconhecimento de padrões, análise de imagens, entre outros. Com este intuito, o objetivo deste trabalho foi desenvolver uma ferramenta de classificação automática de bovinos por intermédio de uma Rede Neural Artificial (RNA) de três camadas. Essa rede é conhecida como Multilayer Perceptron (MLP), aqui do tipo feed forward (sem realimentação) e com algoritmo de treinamento backpropagation (retropropagação do erro) com treinamento supervisionado. A ideia foi identificar os grupos de abate e os que requerem alimentação mais intensiva, utilizando como variáveis de entrada da rede massa e altura e como variável de saída, o índice de massa corporal (IMC). Os dados utilizados neste trabalho foram obtidos de um rebanho de 147 vacas Nelore, localizadas na cidade de Santa Rita do Pardo - Mato Grosso do Sul (MS). Dos resultados, a rede obteve um excelente desempenho na fase de treinamento (100 amostras), com erro quadrado médio em torno de 10-5. Já na fase do diagnóstico (operação da rede), foi submetida à rede as 47 amostras restantes dos dados de vacas Nelore que não fizeram parte do treinamento da mesma, desses resultados, a rede apresentou em média, um erro em torno de 0,6% em relação à saída desejada (dados normalizados), o que acarretou num erro de 1 amostra das 47 analisadas.
Collapse
Affiliation(s)
- A. Bonini Neto
- UNESP - Universidade Estadual Paulista, Faculdade de Ciências e Engenharia (FCE), Tupã, SP, Brasil
| | - C.S.B. Bonini
- UNESP - Universidade Estadual Paulista, Faculdade de Ciências Agronômicas e Tecnológicas (FCAT), Dracena, SP, Brasil
| | - F.F. Putti
- UNESP - Universidade Estadual Paulista, Faculdade de Ciências e Engenharia (FCE), Tupã, SP, Brasil
| | - M. Campos
- UNESP - Universidade Estadual Paulista, Faculdade de Ciências e Engenharia (FCE), Tupã, SP, Brasil
| | - L.R. Gabriel Filho
- UNESP - Universidade Estadual Paulista, Faculdade de Ciências e Engenharia (FCE), Tupã, SP, Brasil
| | - M.G.M. Chacur
- UNOESTE - Universidade do Oeste Paulista, Pró-Reitoria de Pesquisa e Pós-Graduação, Faculdade de Ciências Agrárias, Laboratório de Reprodução Animal, Presidente Prudente, SP, Brasil
| | - J. C. Piazentin
- UNESP – Universidade Estadual Paulista, Faculdade de Ciências Agronômicas (FCA), Botucatu, SP, Brasil
| |
Collapse
|
2
|
Filho LG, Nemes MC. Nuclear photoabsorption cross section: Collective and quasi-deuteron contributions. Phys Rev C Nucl Phys 1987; 35:2341-2342. [PMID: 9954039 DOI: 10.1103/physrevc.35.2341] [Citation(s) in RCA: 0] [Impact Index Per Article: 0] [Reference Citation Analysis] [What about the content of this article? (0)] [Track Full Text] [Subscribe] [Scholar Register] [Indexed: 05/22/2023]
|
3
|
Vianna RS, Moura DC, Filho LG, Viana AS. [Cryptorchism: advantages of early surgery]. Bol Med Hosp Infant Mex 1983; 40:36-9. [PMID: 6131677] [Citation(s) in RCA: 0] [Impact Index Per Article: 0] [Reference Citation Analysis] [What about the content of this article? (0)] [MESH Headings] [Journal Information] [Subscribe] [Scholar Register] [Indexed: 01/18/2023] Open
|