Predição da área foliar em acerola por redes neurais e regressão múltipla
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Outros Autores: | , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | https://doi.org/10.32406/v2n32019/96-105/ http://hdl.handle.net/1843/40500 https://orcid.org/0000-0001-5196-0851 |
Resumo: | The objective of this work was to predict the leaf area in acerola by means of artificial neural networks (ANNs) and verify the efficiency of this methodology in comparison to multiple regression models. The length, width and area of 350 leaves of acerola were evaluated, 14 models of multiple regression and model of multilayer perceptron type RNA were used to predict the leaf area. The quality of fit between the multiple regression models and the ANNs was close, but the artificial neural networks were more efficient in the prediction of the leaf area in acerola, with determination coefficient superior to 0,98, being the network with two neurons in the intermediate layer the best prediction. |
id |
UFMG_8a44dc0c56b7caf61881da230292985d |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/40500 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Predição da área foliar em acerola por redes neurais e regressão múltiplaPrediction leaf area in acerola by neural networks and multiple regressionAcerolaPerceptronsRedes neurais (Computação)Inteligência artificialThe objective of this work was to predict the leaf area in acerola by means of artificial neural networks (ANNs) and verify the efficiency of this methodology in comparison to multiple regression models. The length, width and area of 350 leaves of acerola were evaluated, 14 models of multiple regression and model of multilayer perceptron type RNA were used to predict the leaf area. The quality of fit between the multiple regression models and the ANNs was close, but the artificial neural networks were more efficient in the prediction of the leaf area in acerola, with determination coefficient superior to 0,98, being the network with two neurons in the intermediate layer the best prediction.O objetivo do trabalho foi predizer a área foliar em aceroleira por meio de redes neurais artificiais (RNAs) e verificar a eficiência desta metodologia em comparação com modelos de regressão múltipla. Foram avaliados o comprimento, largura e área de 350 folhas de acerola, testados 14 modelos de regressão múltipla e modelo de RNAs tipo perceptron multicamadas para predição da área foliar. A qualidade de ajuste entre os modelos de regressão múltipla e as RNAs foram próximas, porém as redes neurais artificiais foram mais eficientes na predição da área foliar em aceroleira com coeficiente de determinação superior a 0,98, sendo a rede com dois neurônios na camada intermediária a melhor predição.Universidade Federal de Minas GeraisBrasilICA - INSTITUTO DE CIÊNCIAS AGRÁRIASUFMG2022-03-28T17:35:31Z2022-03-28T17:35:31Z2019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttps://doi.org/10.32406/v2n32019/96-105/25953125http://hdl.handle.net/1843/40500https://orcid.org/0000-0001-5196-0851porRevista Agrária AcadêmicaAlcinei Místico de AzevedoVitor Alves da SilveiraCelso Mattes OliveiraCarlos Enrrik PedrosaVinícius Teixeira LemosNermy Ribeiro ValadaresAmanda Gonçalves Guimarãesinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMG2022-03-28T17:35:32Zoai:repositorio.ufmg.br:1843/40500Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oairepositorio@ufmg.bropendoar:2022-03-28T17:35:32Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.none.fl_str_mv |
Predição da área foliar em acerola por redes neurais e regressão múltipla Prediction leaf area in acerola by neural networks and multiple regression |
title |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
spellingShingle |
Predição da área foliar em acerola por redes neurais e regressão múltipla Alcinei Místico de Azevedo Acerola Perceptrons Redes neurais (Computação) Inteligência artificial |
title_short |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
title_full |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
title_fullStr |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
title_full_unstemmed |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
title_sort |
Predição da área foliar em acerola por redes neurais e regressão múltipla |
author |
Alcinei Místico de Azevedo |
author_facet |
Alcinei Místico de Azevedo Vitor Alves da Silveira Celso Mattes Oliveira Carlos Enrrik Pedrosa Vinícius Teixeira Lemos Nermy Ribeiro Valadares Amanda Gonçalves Guimarães |
author_role |
author |
author2 |
Vitor Alves da Silveira Celso Mattes Oliveira Carlos Enrrik Pedrosa Vinícius Teixeira Lemos Nermy Ribeiro Valadares Amanda Gonçalves Guimarães |
author2_role |
author author author author author author |
dc.contributor.author.fl_str_mv |
Alcinei Místico de Azevedo Vitor Alves da Silveira Celso Mattes Oliveira Carlos Enrrik Pedrosa Vinícius Teixeira Lemos Nermy Ribeiro Valadares Amanda Gonçalves Guimarães |
dc.subject.por.fl_str_mv |
Acerola Perceptrons Redes neurais (Computação) Inteligência artificial |
topic |
Acerola Perceptrons Redes neurais (Computação) Inteligência artificial |
description |
The objective of this work was to predict the leaf area in acerola by means of artificial neural networks (ANNs) and verify the efficiency of this methodology in comparison to multiple regression models. The length, width and area of 350 leaves of acerola were evaluated, 14 models of multiple regression and model of multilayer perceptron type RNA were used to predict the leaf area. The quality of fit between the multiple regression models and the ANNs was close, but the artificial neural networks were more efficient in the prediction of the leaf area in acerola, with determination coefficient superior to 0,98, being the network with two neurons in the intermediate layer the best prediction. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2022-03-28T17:35:31Z 2022-03-28T17:35:31Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.32406/v2n32019/96-105/ 25953125 http://hdl.handle.net/1843/40500 https://orcid.org/0000-0001-5196-0851 |
url |
https://doi.org/10.32406/v2n32019/96-105/ http://hdl.handle.net/1843/40500 https://orcid.org/0000-0001-5196-0851 |
identifier_str_mv |
25953125 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Revista Agrária Acadêmica |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais Brasil ICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais Brasil ICA - INSTITUTO DE CIÊNCIAS AGRÁRIAS UFMG |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
repositorio@ufmg.br |
_version_ |
1816829693526016000 |