1. RI UFLA
  2. Programas de Pós-Graduação - Teses e Dissertações
  3. Estatística e Experimentação Agropecuária - Doutorado (Teses)
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/2944
Registro completo de metadados
Campo DCValorIdioma
dc.creatorMariano, Flávia Cristina Martins Queiroz-
dc.date.accessioned2014-08-19T15:14:42Z-
dc.date.available2014-08-19T15:14:42Z-
dc.date.issued2014-08-19-
dc.date.submitted2014-01-28-
dc.identifier.citationMARIANO, F. C. M. Q. Redes neurais na predição de valores energéticos de alimentos para aves. 2014. 128 p. Tese (Doutorado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2014.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/2944-
dc.descriptionTese apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, Área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Doutor.pt_BR
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)pt_BR
dc.languagept_BRpt_BR
dc.publisherUNIVERSIDADE FEDERAL DE LAVRASpt_BR
dc.rightsacesso abertopt_BR
dc.subjectComitê de rede neuralpt_BR
dc.subjectEnergia metabolizávelpt_BR
dc.subjectIntervalo HPDpt_BR
dc.subjectPrediçãopt_BR
dc.subjectPorcentagem de acertopt_BR
dc.subjectHPD Intervalspt_BR
dc.subjectMetabolizable energypt_BR
dc.subjectNeural networks committeept_BR
dc.subjectPredictionpt_BR
dc.subjectPercentage of successpt_BR
dc.titleRedes neurais na predição de valores energéticos de alimentos para avespt_BR
dc.title.alternativePrediction of the energy values of feedstuffs for broilers by using neural networkspt_BR
dc.typetesept_BR
dc.publisher.programDEX - Programa de Pós-graduaçãopt_BR
dc.publisher.initialsUFLApt_BR
dc.publisher.countryBRASILpt_BR
dc.description.concentrationEstatística e Experimentação Agropecuáriapt_BR
dc.contributor.advisor1Lima, Renato Ribeiro de-
dc.contributor.referee1Sáfadi, Thelma-
dc.contributor.referee1Carneiro, Antônio Policarpo Souza-
dc.contributor.referee1Muniz, Joel Augusto-
dc.contributor.referee1Rodrigues, Paulo Borges-
dc.contributor.referee1Lacerda, Wilian Soares-
dc.description.resumoNa formulação de rações equilibradas nutricionalmente é necessário um conhecimento preciso da composição química e dos valores energéticos dos alimentos. Este conteúdo energético pode ser determinado utilizando bioensaios, tabelas de composição nutricional, equações de predição baseadas na composição química dos alimentos e, recentemente, têm sido implementados modelos de redes neurais artificiais (ANN). Contudo, os trabalhos envolvendo ANN não consideraram incerteza nas predições, nem trabalharam com comitês de redes. Neste trabalho, inicialmente, foi proposta a implementação de um modelo de ANN para predição da energia metabolizável aparente corrigida pelo balanço de nitrogênio (EMAn) de alimentos para aves de corte. Com base nos resultados obtidos neste modelo de redes neurais, foi criada uma ferramenta de cálculo, permitindo que os nutricionistas de animais obtenham uma rápida e acurada predição de EMAn. Um comitê de redes neurais perceptron multicamadas (MLP), também, foi implementado para predizer a EMAn, com o objetivo principal de considerar incertezas nas predições deste comitê, considerando intervalos de credibilidade de máxima densidade de probabilidade (HPD) para os alimentos do conjunto de teste. Para comparar, em termos quantitativos, o modelo de comitê de redes com modelo de regressão linear múltipla, foi definida a porcentagem de acerto de predição, considerando os intervalos de predições determinados em cada modelo. Além disso, a acurácia de cada modelo selecionado foi avaliada com base em medidas de erro entre os valores observados e preditos. Dentre os modelos selecionados, o comitê de redes, em que 1000 redes foram combinadas pelo estimador da moda da distribuição empírica das predições, garantiu uma maior acurácia nas predições. Portanto, este comitê será disponibilizado para a predição da EMAn de alimentos concentrados energéticos e proteicos comumente utilizados na formulação de rações avícolas.pt_BR
dc.description.resumoThe precise knowledge of chemical composition and food energy values is necessary to formulate nutritionally balanced rations.The energetic content may be determined using bioassays, nutritional composition tables and prediction equations based on food chemical composition. Recently, artificial neural network (ANN) models have been implemented to predict metabolizable energy of poultry feddstuffs. However, neither a committee of networks nor the uncertainties related to the predictions of the metabolizable energy were considered. In this work, an ANN model was implemented to predict the nitrogen-corrected apparent metabolizable energy values (AMEn) of feedstuffs for broilers. One Excel macro was created based on the results of the best ANN model, which allows an efficient way to predict the AMEn values. Another objective of this work was to quantify the uncertainty related to the predicted values of AMEn, considering Highest Probability Density (HPD) credibility intervals obtained by using a committee of neural networks. A test dataset, which was obtained from bioassays, was used to evaluate the percentage of correct predictions (PCP) of different feedstuffs. The PCP was used as quantitative criterion to compare the predictions obtained using the network committee and the multiple linear regression models. Furthermore, the accuracy of the models was evaluated based on their values of error measures between the observed and predicted values. The results of this study demonstrated that, the accuracy of the predicted values of AMEn by considering the mode of an empirical distribution, obtained from 1000 networks of a committee, was higher than that obtained by using the regression model. Thus, the network committee is recommended as the most accurate model to predict the AMEn values of the feedstuffs energetic concentrates used by the poultry feed industry.pt_BR
dc.subject.cnpqCNPQ_NÃO_INFORMADOpt_BR
Aparece nas coleções:Estatística e Experimentação Agropecuária - Doutorado (Teses)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE_Redes neurais na predição de valores energéticos de alimentos.pdf4,11 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.