Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais

Detalhes bibliográficos
Autor(a) principal: Gorgens,Eric Bastos
Data de Publicação: 2014
Outros Autores: Leite,Helio Garcia, Gleriani,José Marinaldo, Soares,Carlos Pedro Boechat, Ceolin,Aline
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Árvore (Online)
Texto Completo: http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622014000200009
Resumo: As redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.
id SIF-1_c319e6e77157dd7f2e84cdf4b670fe53
oai_identifier_str oai:scielo:S0100-67622014000200009
network_acronym_str SIF-1
network_name_str Revista Árvore (Online)
repository_id_str
spelling Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiaisCubagemNeurôniosCamadaAs redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.Sociedade de Investigações Florestais2014-04-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622014000200009Revista Árvore v.38 n.2 2014reponame:Revista Árvore (Online)instname:Universidade Federal de Viçosa (UFV)instacron:SIF10.1590/S0100-67622014000200009info:eu-repo/semantics/openAccessGorgens,Eric BastosLeite,Helio GarciaGleriani,José MarinaldoSoares,Carlos Pedro BoechatCeolin,Alinepor2014-06-18T00:00:00Zoai:scielo:S0100-67622014000200009Revistahttp://www.scielo.br/revistas/rarv/iaboutj.htmPUBhttps://old.scielo.br/oai/scielo-oai.php||r.arvore@ufv.br1806-90880100-6762opendoar:2014-06-18T00:00Revista Árvore (Online) - Universidade Federal de Viçosa (UFV)false
dc.title.none.fl_str_mv Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
title Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
spellingShingle Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
Gorgens,Eric Bastos
Cubagem
Neurônios
Camada
title_short Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
title_full Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
title_fullStr Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
title_full_unstemmed Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
title_sort Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais
author Gorgens,Eric Bastos
author_facet Gorgens,Eric Bastos
Leite,Helio Garcia
Gleriani,José Marinaldo
Soares,Carlos Pedro Boechat
Ceolin,Aline
author_role author
author2 Leite,Helio Garcia
Gleriani,José Marinaldo
Soares,Carlos Pedro Boechat
Ceolin,Aline
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Gorgens,Eric Bastos
Leite,Helio Garcia
Gleriani,José Marinaldo
Soares,Carlos Pedro Boechat
Ceolin,Aline
dc.subject.por.fl_str_mv Cubagem
Neurônios
Camada
topic Cubagem
Neurônios
Camada
description As redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.
publishDate 2014
dc.date.none.fl_str_mv 2014-04-01
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622014000200009
url http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0100-67622014000200009
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv 10.1590/S0100-67622014000200009
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv text/html
dc.publisher.none.fl_str_mv Sociedade de Investigações Florestais
publisher.none.fl_str_mv Sociedade de Investigações Florestais
dc.source.none.fl_str_mv Revista Árvore v.38 n.2 2014
reponame:Revista Árvore (Online)
instname:Universidade Federal de Viçosa (UFV)
instacron:SIF
instname_str Universidade Federal de Viçosa (UFV)
instacron_str SIF
institution SIF
reponame_str Revista Árvore (Online)
collection Revista Árvore (Online)
repository.name.fl_str_mv Revista Árvore (Online) - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv ||r.arvore@ufv.br
_version_ 1750318000851910656

Registros relacionados