Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Evidência - Ciência e Biotecnologia - Interdisciplinar |
Texto Completo: | https://periodicos.unoesc.edu.br/evidencia/article/view/1072 |
Resumo: | O ácido succínico, metabólito comum de microrganismos, utilizado no mercado alimentício é produzido exclusivamente por via fermentativa e grande atenção tem sido dada para o uso de matérias-primas renováveis para esse fim. Este trabalho teve como objetivo determinar as variáveis que influenciam na produção de ácido succínico por via fermentativa utilizando a cepa Actinobacillus succinogenes (CIP 106512) por meio de um planejamento fatorial fracionário e testar diferentes arquiteturas de redes neurais artificiais para modelar esse processo. As redes neurais artificiais (RNAs) utilizadas possuem três camadas e foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizagem Backpropagation. Utilizaram-se 13 e 6 dados experimentais para a aprendizagem e teste das redes, respectivamente. Variaram-se os números de neurônios da camada intermediária, a taxa de aprendizagem e as funções de ativação. Após a avaliação das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou um melhor desempenho comparada à tangente hiperbólica e que o número de neurônios e taxa de aprendizagem influenciam diretamente no erro. O modelo neural que apresentou o menor erro quadrático foi a rede com a função sigmoidal, taxa de aprendizagem 0,1 e 5 neurônios na camada intermediária. Com o desenvolvimento deste trabalho foi possível determinar as variáveis que mais influenciam na produção do ácido succínico e a construção do modelo neural para o processo. Palavras-chave: Biotecnologia. Inteligência artificial. Modelagem. Otimização. |
id |
UNOESC-2_418bbe100dc8a1e5df7edadbd75ae5ed |
---|---|
oai_identifier_str |
oai:ojs.periodicos.unoesc.edu.br:article/1072 |
network_acronym_str |
UNOESC-2 |
network_name_str |
Evidência - Ciência e Biotecnologia - Interdisciplinar |
repository_id_str |
|
spelling |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativoO ácido succínico, metabólito comum de microrganismos, utilizado no mercado alimentício é produzido exclusivamente por via fermentativa e grande atenção tem sido dada para o uso de matérias-primas renováveis para esse fim. Este trabalho teve como objetivo determinar as variáveis que influenciam na produção de ácido succínico por via fermentativa utilizando a cepa Actinobacillus succinogenes (CIP 106512) por meio de um planejamento fatorial fracionário e testar diferentes arquiteturas de redes neurais artificiais para modelar esse processo. As redes neurais artificiais (RNAs) utilizadas possuem três camadas e foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizagem Backpropagation. Utilizaram-se 13 e 6 dados experimentais para a aprendizagem e teste das redes, respectivamente. Variaram-se os números de neurônios da camada intermediária, a taxa de aprendizagem e as funções de ativação. Após a avaliação das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou um melhor desempenho comparada à tangente hiperbólica e que o número de neurônios e taxa de aprendizagem influenciam diretamente no erro. O modelo neural que apresentou o menor erro quadrático foi a rede com a função sigmoidal, taxa de aprendizagem 0,1 e 5 neurônios na camada intermediária. Com o desenvolvimento deste trabalho foi possível determinar as variáveis que mais influenciam na produção do ácido succínico e a construção do modelo neural para o processo. Palavras-chave: Biotecnologia. Inteligência artificial. Modelagem. Otimização. Universidade do Oeste de Santa Catarina2012-01-16info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionPeer-reviewedPeer reviewedapplication/pdfhttps://periodicos.unoesc.edu.br/evidencia/article/view/1072Evidence; Vol. 10 No. 1-2 (2010): REVISTA EVIDENCIA - INTERDISCIPLINAR; 27-42Evidência; v. 10 n. 1-2 (2010): REVISTA EVIDENCIA - INTERDISCIPLINAR; 27-422236-60591519-5287reponame:Evidência - Ciência e Biotecnologia - Interdisciplinarinstname:Universidade do Oeste de Santa Catarina (UNOESC)instacron:UNOESCporhttps://periodicos.unoesc.edu.br/evidencia/article/view/1072/pdf_253Duarte, Elis ReginaAndrade, Flaviana DiukGonzales, TatianeMonte Alegre, Ranulfoinfo:eu-repo/semantics/openAccess2020-10-16T21:31:52Zoai:ojs.periodicos.unoesc.edu.br:article/1072Revistahttp://editora.unoesc.edu.br/index.php/evidenciaPUBhttp://editora.unoesc.edu.br/index.php/evidencia/oaieditora@unoesc.edu.br||evidencia@unoesc.edu.br||jane.gelinski@unoesc.edu.br|| debora.pereira@unoesc.edu.br2236-60591519-5287opendoar:2020-10-16T21:31:52Evidência - Ciência e Biotecnologia - Interdisciplinar - Universidade do Oeste de Santa Catarina (UNOESC)false |
dc.title.none.fl_str_mv |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
title |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
spellingShingle |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo Duarte, Elis Regina |
title_short |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
title_full |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
title_fullStr |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
title_full_unstemmed |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
title_sort |
Redes neurais artificiais aplicadas para o estudo da produção de ácido succínico via processo fermentativo |
author |
Duarte, Elis Regina |
author_facet |
Duarte, Elis Regina Andrade, Flaviana Diuk Gonzales, Tatiane Monte Alegre, Ranulfo |
author_role |
author |
author2 |
Andrade, Flaviana Diuk Gonzales, Tatiane Monte Alegre, Ranulfo |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Duarte, Elis Regina Andrade, Flaviana Diuk Gonzales, Tatiane Monte Alegre, Ranulfo |
description |
O ácido succínico, metabólito comum de microrganismos, utilizado no mercado alimentício é produzido exclusivamente por via fermentativa e grande atenção tem sido dada para o uso de matérias-primas renováveis para esse fim. Este trabalho teve como objetivo determinar as variáveis que influenciam na produção de ácido succínico por via fermentativa utilizando a cepa Actinobacillus succinogenes (CIP 106512) por meio de um planejamento fatorial fracionário e testar diferentes arquiteturas de redes neurais artificiais para modelar esse processo. As redes neurais artificiais (RNAs) utilizadas possuem três camadas e foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizagem Backpropagation. Utilizaram-se 13 e 6 dados experimentais para a aprendizagem e teste das redes, respectivamente. Variaram-se os números de neurônios da camada intermediária, a taxa de aprendizagem e as funções de ativação. Após a avaliação das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou um melhor desempenho comparada à tangente hiperbólica e que o número de neurônios e taxa de aprendizagem influenciam diretamente no erro. O modelo neural que apresentou o menor erro quadrático foi a rede com a função sigmoidal, taxa de aprendizagem 0,1 e 5 neurônios na camada intermediária. Com o desenvolvimento deste trabalho foi possível determinar as variáveis que mais influenciam na produção do ácido succínico e a construção do modelo neural para o processo. Palavras-chave: Biotecnologia. Inteligência artificial. Modelagem. Otimização. |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012-01-16 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Peer-reviewed Peer reviewed |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://periodicos.unoesc.edu.br/evidencia/article/view/1072 |
url |
https://periodicos.unoesc.edu.br/evidencia/article/view/1072 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://periodicos.unoesc.edu.br/evidencia/article/view/1072/pdf_253 |
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 do Oeste de Santa Catarina |
publisher.none.fl_str_mv |
Universidade do Oeste de Santa Catarina |
dc.source.none.fl_str_mv |
Evidence; Vol. 10 No. 1-2 (2010): REVISTA EVIDENCIA - INTERDISCIPLINAR; 27-42 Evidência; v. 10 n. 1-2 (2010): REVISTA EVIDENCIA - INTERDISCIPLINAR; 27-42 2236-6059 1519-5287 reponame:Evidência - Ciência e Biotecnologia - Interdisciplinar instname:Universidade do Oeste de Santa Catarina (UNOESC) instacron:UNOESC |
instname_str |
Universidade do Oeste de Santa Catarina (UNOESC) |
instacron_str |
UNOESC |
institution |
UNOESC |
reponame_str |
Evidência - Ciência e Biotecnologia - Interdisciplinar |
collection |
Evidência - Ciência e Biotecnologia - Interdisciplinar |
repository.name.fl_str_mv |
Evidência - Ciência e Biotecnologia - Interdisciplinar - Universidade do Oeste de Santa Catarina (UNOESC) |
repository.mail.fl_str_mv |
editora@unoesc.edu.br||evidencia@unoesc.edu.br||jane.gelinski@unoesc.edu.br|| debora.pereira@unoesc.edu.br |
_version_ |
1800221116033138688 |