Utilização da modelagem matemática (redes neurais artificiais) na classificação de autotetraploides de bananeira (Musa acuminata Colla)

Authors

  • Ana Catarina Lima de Oliveira Universidade Federal de Lavras
  • Moacir Pasqual Universidade Federal de Lavras
  • Leila Aparecida Salles Pio Universidade Federal de Lavras
  • Wilian Soares Lacerda Universidade Federal de Lavras
  • Sebastiao de Oliveira e Silva Universidade Federal do Recôncavo da Bahia

Abstract

Objetivou-se desenvolver uma metodologia para possibilitar a classificação de plantas de bananeira submetidas à indução de duplicação cromossômica utilizando Redes Neurais Artificiais (RNA). Os dados utilizados neste trabalho foram retirados de uma tese já apresentada, cujo autor estudou a correlação entre a massa fresca de discos foliares e o conteúdo de DNA. A RNA foi implementada com a função de classificação. A taxa de aprendizado e o termo momentum adotados foram respectivamente iguais a 0,01 e 0,2, o número de épocas de treinamento foi 1000. Esses valores foram determinados por meio de tentativa e erro. Para o treinamento, 90% das plantas foram utilizadas e, para validação, 10% do total de 114 autotetraploides produzidos artificialmente por meio de exposição ao antimitódico colchicina. A RNA classificou corretamente 10 das 11 amostras utilizadas para validação. A estatística Kappa foi de 63,33%, o que indica que a RNA pode ainda ser melhorada. A rede neural artificial do tipo Multi Layer Perceptron implementada é eficaz na pré-seleção de poliploides desejáveis de bananeira Tong Dok Mak.

Downloads

Download data is not yet available.

Published

2013-06-28

How to Cite

OLIVEIRA, A.C.L. de, PASQUAL, M., PIO, L.A.S., LACERDA, W.S. and SILVA, S. de O. e, 2013. Utilização da modelagem matemática (redes neurais artificiais) na classificação de autotetraploides de bananeira (Musa acuminata Colla) . Bioscience Journal [online], vol. 29, no. 3, pp. 617–622. [Accessed7 December 2022]. Available from: https://seer.ufu.br/index.php/biosciencejournal/article/view/14128.

Issue

Section

Agricultural Sciences