Artificial neural networks in the classification and identification of soybean cultivars by planting region.

Detalhes bibliográficos
Autor(a) principal: GALÃO, O. F.
Data de Publicação: 2011
Outros Autores: BORSATO, D., PINTO, J. P., VISENTAINER, J. V., CARRÃO-PANIZZI, M. C.
Tipo de documento: Artigo
Idioma: eng
Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/903708
Resumo: Vinte variedades de soja (Glycine max), quatorze convencionais e seis variedades transgênicas (RR) foram analisadas quanto ao teor de proteína, ácido fítico, teor de óleo, fitosteróis, cinzas, minerais e ácidos graxos que foram tabelados e apresentados à rede neural do tipo perceptron de múltiplas camadas para a classificação e identificação quanto a região de plantio e quanto a variedade convencional ou transgênica. A rede neural utilizada classificou e testou corretamente 100% das amostras cultivadas por região. Para o banco de dados contendo informações sobre sojas transgênicas e convencionais foi obtido um desempenho de 94,43% no treinamento da rede, 83,30% no teste e 100% na validação.
id EMBR_cb42e255e6157624ea70ac45a235ea5d
oai_identifier_str oai:www.alice.cnptia.embrapa.br:doc/903708
network_acronym_str EMBR
network_name_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository_id_str 2154
spelling Artificial neural networks in the classification and identification of soybean cultivars by planting region.Rede neural do tipo perceptronFitosteróisMultilayer perceptron neural networksVinte variedades de soja (Glycine max), quatorze convencionais e seis variedades transgênicas (RR) foram analisadas quanto ao teor de proteína, ácido fítico, teor de óleo, fitosteróis, cinzas, minerais e ácidos graxos que foram tabelados e apresentados à rede neural do tipo perceptron de múltiplas camadas para a classificação e identificação quanto a região de plantio e quanto a variedade convencional ou transgênica. A rede neural utilizada classificou e testou corretamente 100% das amostras cultivadas por região. Para o banco de dados contendo informações sobre sojas transgênicas e convencionais foi obtido um desempenho de 94,43% no treinamento da rede, 83,30% no teste e 100% na validação.OLÍVIO F. GALÃO, UEL; DIONÍSIO BORSATO, UEL; JURANDIR P. PINTO, UEL; JESUÍ V. VISENTAINER, UEM; MERCEDES CONCORDIA CARRÃO-PANIZZI, CNPT.GALÃO, O. F.BORSATO, D.PINTO, J. P.VISENTAINER, J. V.CARRÃO-PANIZZI, M. C.2011-10-21T11:11:11Z2011-10-21T11:11:11Z2011-10-21T11:11:11Z2011-10-21T11:11:11Z2011-10-2120112013-08-23T11:11:11Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleJournal of the Brazilian Chemical Society, v. 22, n. 1, p. 142-147, 2011.0103 - 5053http://www.alice.cnptia.embrapa.br/alice/handle/doc/903708enginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2017-08-15T23:09:44Zoai:www.alice.cnptia.embrapa.br:doc/903708Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestopendoar:21542017-08-15T23:09:44falseRepositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542017-08-15T23:09:44Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false
dc.title.none.fl_str_mv Artificial neural networks in the classification and identification of soybean cultivars by planting region.
title Artificial neural networks in the classification and identification of soybean cultivars by planting region.
spellingShingle Artificial neural networks in the classification and identification of soybean cultivars by planting region.
GALÃO, O. F.
Rede neural do tipo perceptron
Fitosteróis
Multilayer perceptron neural networks
title_short Artificial neural networks in the classification and identification of soybean cultivars by planting region.
title_full Artificial neural networks in the classification and identification of soybean cultivars by planting region.
title_fullStr Artificial neural networks in the classification and identification of soybean cultivars by planting region.
title_full_unstemmed Artificial neural networks in the classification and identification of soybean cultivars by planting region.
title_sort Artificial neural networks in the classification and identification of soybean cultivars by planting region.
author GALÃO, O. F.
author_facet GALÃO, O. F.
BORSATO, D.
PINTO, J. P.
VISENTAINER, J. V.
CARRÃO-PANIZZI, M. C.
author_role author
author2 BORSATO, D.
PINTO, J. P.
VISENTAINER, J. V.
CARRÃO-PANIZZI, M. C.
author2_role author
author
author
author
dc.contributor.none.fl_str_mv OLÍVIO F. GALÃO, UEL; DIONÍSIO BORSATO, UEL; JURANDIR P. PINTO, UEL; JESUÍ V. VISENTAINER, UEM; MERCEDES CONCORDIA CARRÃO-PANIZZI, CNPT.
dc.contributor.author.fl_str_mv GALÃO, O. F.
BORSATO, D.
PINTO, J. P.
VISENTAINER, J. V.
CARRÃO-PANIZZI, M. C.
dc.subject.por.fl_str_mv Rede neural do tipo perceptron
Fitosteróis
Multilayer perceptron neural networks
topic Rede neural do tipo perceptron
Fitosteróis
Multilayer perceptron neural networks
description Vinte variedades de soja (Glycine max), quatorze convencionais e seis variedades transgênicas (RR) foram analisadas quanto ao teor de proteína, ácido fítico, teor de óleo, fitosteróis, cinzas, minerais e ácidos graxos que foram tabelados e apresentados à rede neural do tipo perceptron de múltiplas camadas para a classificação e identificação quanto a região de plantio e quanto a variedade convencional ou transgênica. A rede neural utilizada classificou e testou corretamente 100% das amostras cultivadas por região. Para o banco de dados contendo informações sobre sojas transgênicas e convencionais foi obtido um desempenho de 94,43% no treinamento da rede, 83,30% no teste e 100% na validação.
publishDate 2011
dc.date.none.fl_str_mv 2011-10-21T11:11:11Z
2011-10-21T11:11:11Z
2011-10-21T11:11:11Z
2011-10-21T11:11:11Z
2011-10-21
2011
2013-08-23T11:11:11Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv Journal of the Brazilian Chemical Society, v. 22, n. 1, p. 142-147, 2011.
0103 - 5053
http://www.alice.cnptia.embrapa.br/alice/handle/doc/903708
identifier_str_mv Journal of the Brazilian Chemical Society, v. 22, n. 1, p. 142-147, 2011.
0103 - 5053
url http://www.alice.cnptia.embrapa.br/alice/handle/doc/903708
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron:EMBRAPA
instname_str Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
instacron_str EMBRAPA
institution EMBRAPA
reponame_str Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
collection Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
repository.name.fl_str_mv Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)
repository.mail.fl_str_mv cg-riaa@embrapa.br
_version_ 1794503351656775680

Registros relacionados