Aplicação de redes neurais artificiais do tipo mapas auto-organizáveis : estudo de casos
Arquivos
Data
Autores
Silva, Hágata Cremasco da
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Resumo: Foram analisadas quarenta amostras de soja, transgênicas e comuns, plantadas em duas regiões diferentes, Londrina e Ponta Grossa A fim de verificar se os valores de concentração dos compostos inorgânicos na soja eram diferentes em função da região de plantio, as concentrações de K, P, Ca, Mg, S, Zn, Mn, Fe, Cu e B foram analisados por uma Rede Neural Artificial do tipo Mapa Auto Organizável (MAO) Foi observado que a rede foi capaz de diferenciar as amostras conforme sua região de origem Entretanto, não foi observada a diferenciação das amostras quanto a transgenia Também foram analisadas cento e setenta e duas mostras de café oriundas de 16 cidades diferentes, do estado do Paraná, que foram divididas em três regiões de acordo com o clima e temperatura das cidades As concentrações de K, P, Ca, Mg, S, Zn, Mn, Fe, Cu e B foram analisadas por uma Rede Neural Artificial do tipo Mapa Auto Organizável e foi constatado que não foi possível a separação das amostras em relação à região de origem Em relação às cidades, algumas puderam ser agrupadas e outras não Em uma segunda análise verificou-se um bom agrupamento das cidades, formando um total de 6 grupos distintos Também foi possível constatar que das 1 variáveis utilizadas 3 delas, K, Mg e Mn, não exerciam muita influência nos resultados apresentados Neste último estudo foi constatado que as 3 variáveis retiradas da análise eram importantes da construção das relações das vizinhanças dos grupos Apesar dos grupos formados terem sido os mesmos, as relações de vizinhança não permaneceram iguais Foi possível constatar, portanto, que as concentrações de P, Ca, K, Mg, Mn, S, Zn, Fe, Cu e B aplicados à rede do tipo MAO foram capazes de reconhecer 1 cidades, formando 6 grupos distintos De acordo com os resultados obtidos a RNA do tipo MAO se mostrou uma ferramenta importante e adequada no reconhecimento de padrões nos dois casos estudados
Descrição
Palavras-chave
Química inorgânica, Soja, Compostos inorgânicos, Redes neurais (Computação), Mapas auto-organizáveis, Inorganic chemistry, Soybeans, Neural networks (Computer science), Self-organizing maps, Pattern recognition, Coffee, Inorganic compounds