Predição da área foliar em acerola por redes neurais e regressão múltipla

Detalhes bibliográficos
Autor(a) principal: Alcinei Místico de Azevedo
Data de Publicação: 2019
Outros Autores: Vitor Alves da Silveira, Celso Mattes Oliveira, Carlos Enrrik Pedrosa, Vinícius Teixeira Lemos, Nermy Ribeiro Valadares, Amanda Gonçalves Guimarães
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