O objetivo do presente trabalho foi estimar os parâmetros genéticos e suas tendências de variação dos pesos à desmama de bovinos da raça nelore mocha nascidos na região pecuária Goiás entre 1977 e 2000. As estimativas dos parâmetros genéticos foram obtidas por meio de Modelo Animal. O modelo incluiu os efeitos fixos de grupo de contemporâneos, região, idade da vaca e os efeitos aleatórios do animal (direto, materno e de ambiente permanente da vaca). Tendências genéticas foram estimadas para os efeitos aditivos diretos e maternos, pela regressão ponderada das médias anuais dos valores genéticos diretos e maternos sobre o ano de nascimento dos animais. As estimativas de herdabilidade dos efeitos genéticos diretos e maternos foram 0,17 e 0,14, respectivamente. As tendências genéticas estimadas dos efeitos direto e materno foram de 0,56 kg/ano e 0,13 kg/ano, respectivamente. Os resultados indicam a existência de variabilidade genética suficiente para promover o ganho genético através da seleção e que os efeitos maternos devem ser considerados nos modelos de estimação.
As Redes Neurais Artificiais (RNAs) tem se difundindo ao longo dos anos e sua utilização vem crescendo devido aos bons resultados encontrados na solução de diversos problemas do mundo real. Porém, a presença de variáveis de entrada sem importância ou redundantes que nada acrescentam ao processo de aprendizagem das RNAs tornam o seu treinamento mais difícil e demorado. Os métodos de seleção de características têm por objetivo determinar quais variáveis (características) da entrada são mais relevantes para a determinação da saída ou resposta da RNA, e assim auxiliar na redução do número de entradas. Neste trabalho foram implementados e avaliados quatro métodos de seleção de características baseados em RNAs: método de Garson; Perturb; PaD; e Análise de Sensibilidade. Todos os métodos foram comparados com os resultados obtidos pelo método estatístico clássico de Correlação Linear. Os dados de três problemas reconhecidos na área (Íris, Desempenho da CPU, Resistência do concreto) foram utilizados para o treinamento de RNAs que, após treinadas utilizando o algoritmo Error Backpropagation, os métodos de seleção de características foram executados obtendose a importância de cada entrada. Para os dados do problema Íris, todos métodos apresentaram resultados semelhantes. Para os problemas Desempenho da CPU e Resistência do Concreto, o método Perturb apresentou os piores resultados, o método de Garson obteve um resultado satisfatório, e os métodos PaD e Análise de Sensibilidade apresentaram melhores resultados se destacando em relação aos demais.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.