Redes neurais e suas aplicações em calibração multivariada

Abstract

Recebido em 28/8/00; aceito em 13/3/01 NEURAL NETWORKS AND ITS APPLICATIONS IN MULTIVARIATE CALIBRATION. Neural Networks are a set of mathematical methods and computer programs designed to simulate the information process and the knowledge acquisition of the human brain. In last years its application in chemistry is increasing significantly, due the special characteristics for model complex systems. The basic principles of two types of neural networks, the multi-layer perceptrons and radial basis functions, are introduced, as well as, a pruning approach to architecture optimization. Two analytical applications based on near infrared spectroscopy are presented, the first one for determination of nitrogen content in wheat leaves using multi-layer perceptrons networks and second one for determination of BRIX in sugar cane juices using radial basis functions networks.Keywords: neural networks; backpropagation; radial basis functions; multivariate calibration. Quim. Nova, Vol. 24, No. 6, 864-873, 2001. Divulgação INTRODUÇÃOAtualmente, tem-se observado um grande aumento na disponibilidade de informação em nosso cotidiano. A informação circula entre nós a uma velocidade que seria inconcebível até alguns anos atrás e tende aumentar ainda mais. Hoje em dia o volume de informação dobra a cada quatro anos e num futuro próximo passará a dobrar a cada dois anos. Assim, realmente vivemos no que se pode chamar de sociedade da informação. Grande parte deste aumento no volume de informações se deve ao aparecimento e uso disseminados de microcomputadores equipados com softwares, como Windows TM , que tornam o seu uso extremamente simples, até mesmo para crianças em fase de alfabetização.Uma das atividades humanas que mais se beneficiou com o uso de computadores foi a própria ciência, em particular a química analítica. Até algumas décadas atrás o principal problema enfrentado no desenvolvimento de um método analítico era como se obter os dados. Gastava-se muito tempo, dinheiro e esforço para se obter um pequeno conjunto de dados.Graças a computadorização dos instrumentos o principal problema não é mais como obter os dados, mas como tratá-los de modo eficiente. Tipicamente tais instrumentos fornecem um grande conjunto de dados e para que tais dados sejam convertidos em informação útil deve-se usar métodos matemáticos e estatísticos modernos e eficientes. Dentre tais métodos destaca-se os métodos lineares e não lineares de calibração multivariada e mais recentemente as redes neurais 1 . Para uma melhor compreensão da álgebra envolvida nos modelos de tratamento de dados, foi utilizada a seguinte notação:n Vetores -letras minúsculas em negrito (ex: x); n Matrizes -letras maiúsculas em negrito (ex: X); n Escalares -letras minúsculas sem negrito (ex: l); n Matrizes diagonais -letras maiúsculas sem negrito (ex: S). Redes NeuraisRecentes avanços em neurofisiologia têm desvendado vários mecanismos sobre o fluxo e o processamento de informações que ocorrem no cérebro humano. Alguns destes mecanismos foram modelados matematicamente permitind...

Análise Comparativa entre Métodos Multivariados no Problema de Quantificação do Princípio Ativo Hidroclorotiazida em Amostras de Medicamentos Anti-hipertensivos

“…Uma aplicação semelhante das RNAs em substituição a calibração multivariada foi abordada recentemente por Cerqueira e colaboradores [3] estudando o teor de nitrogênio em folhas de trigo.…”

“…Em especial, técnicas espectroscópicas baseadas na radiação infravermelha, como por exemplo, a reflexão no infravermelho próximo (NIR) e a reflexão difusa no infravermelho médio com Transformada de Fourier (DRIFT). Aliados a estas técnicas de análise, ferramentas quimiométricas de regressão como o método dos mínimos quadrados parciais (PLS) tem apresentado excelentes resultados [1][2].A metodologia atualmente empregada na quantificação e qualificação dos princípios ativos presentes em medicamentos anti-hipertensivos, baseia-se em métodos cromatográficos, que apresentam inúmeras desvantagens como: o elevado tempo de análise; a sobreposição de picos; a necessidade de equipamentos e condições específicas de análise; e a destruição da amostra.Enquanto isto, o uso da técnica de espectroscopia por reflexão difusa no infravermelho com Transformada de Fourier (DRIFTS) não provoca a destruição da amostra, tem baixo custo de implementação, rapidez na análise e não gera resíduos ao meio ambiente.Embora se tenha conseguido bons resultados com a utilização do algoritmo PLS, o presente trabalho tem por objetivo realizar uma análise comparativa do método de regressão multivariado PLS frente à utilização de Redes Neurais Artificiais (RNAs) no problema de quantificação do princípio ativo hidroclorotiazida em amostras de medicamentos anti-hipertensivos utilizando dados de espectroscopia no infravermelho.Uma aplicação semelhante das RNAs em substituição a calibração multivariada foi abordada recentemente por Cerqueira e colaboradores [3] estudando o teor de nitrogênio em folhas de trigo. …”

Applications of Artificial Neural Networks in Chemical Problems

“…However, when a large number of phenomena and noise are present in the calibration problem, the relationship becomes non-linear [21]. Therefore, artificial neural networks (ANNs) may provide accurate results for very complex and non-linear problems that demand high computational costs [22,23]. One of the most employed learning algorithm is the back-propagation and its main advantage is the use of output information and expected pattern to error corrections [24].…”

Determinação de constituintes químicos em madeira de eucalipto por Pi-CG/EM e calibração multivariada: comparação entre redes neurais artificiais e máquinas de vetor suporte

“…As ANN vêm sendo amplamente empregadas na solução de problemas em química, principalmente em calibração multivariada, na qual tem permitido a construção de modelos com excelente capacidade de previsão. 9 As máquinas de vetor de suporte (SVM, Support Vector Machine) são máquinas de aprendizagem que podem ser usadas para regressão ou classificação. As máquinas de vetor de suporte por mínimos quadrados (LS-SVM, Least Square -Support Vector Machine) são uma modificação das SVM que, ao invés de usarem uma programação quadrática, usam um sistema de equações lineares e uma função custo por mínimos quadrados, proporcionando menor exigência computacional em relação às SVM sem perda na qualidade das soluções, uma vez que ambas são baseadas nos mesmos princípios.…”