Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais

Detalhes bibliográficos
Autor(a) principal: Benevenuto, Gabriela Dias
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/216392
Resumo: As Redes Neurais Artificiais (RNAs) são funções matemáticas que tentam reproduzir a estrutura e o funcionamento das redes neurais biológicas, através de técnicas computacionais, e adquirem conhecimento através da experiência. Assim, fazendo uma breve comparação das RNAs com as redes biológicas, ambos os sistemas são baseados em conexões sinápticas e funcionam através de uma função do conjunto de neurônios. Na maioria dos modelos as conexões entre os neurônios estão associadas a pesos, os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurônio da rede neural. Dessa forma, a resolução de problemas se inicia com uma fase de aprendizagem, onde exemplos são apresentados à rede neural e depois, após extrair características necessárias para representar a informação recebida, essas características são utilizadas para gerar respostas para o problema, para dados não utilizados no treinamento da RNA. Essa ferramenta foi utilizada para estimar o fluxo do permeado do soro de leite no processo da microfiltração tangencial, a qual foi bem sucedida, especialmente com a membrana de filtração que continha mais amostras para serem analisadas, com erros de 3% a 9%.
id UNSP_668db14713af890cbcf288039856cf3a
oai_identifier_str oai:repositorio.unesp.br:11449/216392
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neuraisEstimation of the whey permeate flux in the tangential microfiltration process through neural modelsAlgoritmo de aprendizagemMicrofiltração tangencialSoro do leiteFluxo de permeadoAs Redes Neurais Artificiais (RNAs) são funções matemáticas que tentam reproduzir a estrutura e o funcionamento das redes neurais biológicas, através de técnicas computacionais, e adquirem conhecimento através da experiência. Assim, fazendo uma breve comparação das RNAs com as redes biológicas, ambos os sistemas são baseados em conexões sinápticas e funcionam através de uma função do conjunto de neurônios. Na maioria dos modelos as conexões entre os neurônios estão associadas a pesos, os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurônio da rede neural. Dessa forma, a resolução de problemas se inicia com uma fase de aprendizagem, onde exemplos são apresentados à rede neural e depois, após extrair características necessárias para representar a informação recebida, essas características são utilizadas para gerar respostas para o problema, para dados não utilizados no treinamento da RNA. Essa ferramenta foi utilizada para estimar o fluxo do permeado do soro de leite no processo da microfiltração tangencial, a qual foi bem sucedida, especialmente com a membrana de filtração que continha mais amostras para serem analisadas, com erros de 3% a 9%.Artificial Neural Networks (ANNs) are mathematical functions that try to reproduce the neural structure and functioning of biological neural networks, through computational techniques, and acquire knowledge through experience. Thus, making a brief comparison of ANNs and biological networks, both systems are based on synaptic connections and work through a function of the set of neurons. In most models, the connections between neurons are associated with weights, which store the knowledge represented in the model and serve to weight the input received by each neuron in the neural network. Thus, problem solving starts with a learning phase, where examples are presented to the neural network and then, after extracting characteristics necessary to represent the information received, these characteristics are used to generate answers to the problem, for unused data in ANN training. This tool was used to estimate the whey permeate flux in the crossflow microfiltration process, which was successful, especially with the filtration membrane that contained more samples to be analyzed, with errors ranging from 3% to 9%.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Nascimento, Érica Regina Filletti [UNESP]Universidade Estadual Paulista (Unesp)Benevenuto, Gabriela Dias2022-02-08T12:40:29Z2022-02-08T12:40:29Z2022-01-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/216392porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-01-07T06:23:09Zoai:repositorio.unesp.br:11449/216392Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T22:19:48.511820Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
Estimation of the whey permeate flux in the tangential microfiltration process through neural models
title Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
spellingShingle Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
Benevenuto, Gabriela Dias
Algoritmo de aprendizagem
Microfiltração tangencial
Soro do leite
Fluxo de permeado
title_short Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
title_full Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
title_fullStr Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
title_full_unstemmed Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
title_sort Estimativa do fluxo de permeado do soro de leite no processo de microfiltração tangencial através de modelos neurais
author Benevenuto, Gabriela Dias
author_facet Benevenuto, Gabriela Dias
author_role author
dc.contributor.none.fl_str_mv Nascimento, Érica Regina Filletti [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Benevenuto, Gabriela Dias
dc.subject.por.fl_str_mv Algoritmo de aprendizagem
Microfiltração tangencial
Soro do leite
Fluxo de permeado
topic Algoritmo de aprendizagem
Microfiltração tangencial
Soro do leite
Fluxo de permeado
description As Redes Neurais Artificiais (RNAs) são funções matemáticas que tentam reproduzir a estrutura e o funcionamento das redes neurais biológicas, através de técnicas computacionais, e adquirem conhecimento através da experiência. Assim, fazendo uma breve comparação das RNAs com as redes biológicas, ambos os sistemas são baseados em conexões sinápticas e funcionam através de uma função do conjunto de neurônios. Na maioria dos modelos as conexões entre os neurônios estão associadas a pesos, os quais armazenam o conhecimento representado no modelo e servem para ponderar a entrada recebida por cada neurônio da rede neural. Dessa forma, a resolução de problemas se inicia com uma fase de aprendizagem, onde exemplos são apresentados à rede neural e depois, após extrair características necessárias para representar a informação recebida, essas características são utilizadas para gerar respostas para o problema, para dados não utilizados no treinamento da RNA. Essa ferramenta foi utilizada para estimar o fluxo do permeado do soro de leite no processo da microfiltração tangencial, a qual foi bem sucedida, especialmente com a membrana de filtração que continha mais amostras para serem analisadas, com erros de 3% a 9%.
publishDate 2022
dc.date.none.fl_str_mv 2022-02-08T12:40:29Z
2022-02-08T12:40:29Z
2022-01-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/216392
url http://hdl.handle.net/11449/216392
dc.language.iso.fl_str_mv por
language por
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 Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808129416186822656

Registros relacionados