Influência da arquitetura na estimativa de volume de árvores individuais por meio de redes neurais artificiais

Abstract

RESUMO -As redes neurais supervisionadas são compostas por unidades de processamento organizadas de forma paralela, em que cada uma delas computa determinadas funções matemáticas. As unidades são organizadas em camadas e ligadas por pesos sinápticos que ponderam as entradas, buscando ajustá-los a um padrão de saída previamente estabelecido. É fundamental a correta definição do número de camadas e da quantidade de neurônios em cada uma delas, uma vez que o treinamento é influenciado diretamente por esses parâmetros. Para explorar esse ponto, dados de cubagem de cinco empresas diferentes foram reunidos em uma planilha e, de forma aleatória, divididos em conjunto de treinamento e conjunto de validação. Os dados foram apresentados para três redes com arquiteturas diferentes. A avaliação foi feita por meio de gráficos de resíduos e teste t (p< = 0,05). Com base nos resultados, foi possível concluir que, para obter estimativas de volume por árvore, a rede neural deve ser construída com mais de 10 neurônios na primeira camada, sendo recomendado o uso de mais de uma camada intermediária.Palavras-chave: Cubagem; Neurônios; Camada. INFLUENCE OF THE ARCHITECTURE IN ESTIMATED VOLUME OF INDIVIDUAL TREES USING ARTIFICIAL NEURAL NETWORKS

Estimation of Fuel Consumption in Agricultural Mechanized Operations Using Artificial Neural Networks

“…These results do not agree with the suggestions of TERRA & PASSADOR (2012), about the number of neurons in layers, because none of their proposed criteria was adequate for the data of this study. However, they confirm the recommendations of BINOTI et al (2013, 2014a, b) and GEORGENS et al (2014. These authors state that there is no precise criterion to define the number of neurons in layers, requiring the test and verification of various networks through trial.…”

“…According to the suggestions of BINOTI et al (2013BINOTI et al ( , 2014, CANSIAN et al (2014), GEORGENS et al (2014) and VALENTE et al (2014),for training and validation, the data were randomly divided into two sets, corresponding to 75% and 25%, respectively. In all architectures the logistic function to enable the networks was used, and the initial weights randomly generated between -0.5 and 0.5.The layers are interconnected by complete synapses, each neuron of i layer was connected to all neurons of the next layer (i + 1), the synapse being oriented forward only ("feed forward").…”

“…Also, using as reference the studies of BINOTI et al (2014 a, b), GEORGENS et al (2014) and SOARES et al (2014) …”

“…However, in these studies, the functional dependencies to determine this consumption were not established. Moreover, the use of artificial neural networks as an alternative to relate variables and parameters of physical and biological processes is growing daily and its effectiveness confirmed by ALVES SOBRINHO et al (2011), PANDORFI et al (2011), CARVALHO et al (2012), VENTURA et al (2012, BINOTI et al (2013BINOTI et al ( , 2014, GEORGENS et al (2014), SOARES et al (2014) and VALENTE et al (2014).…”

Redes Neurais Artificiais Na Estimativa Do Volume Individual De Árvores De Um Híbrido De Eucalipto, No Municipio De Paragominas-Pa

“…A rede 5 que possui a função de ativação logística, com seis neurônios em sua camada intermediária foi a que obteve o maior valor de coeficiente de correlação entre os valores estimados e observados sendo de 0,9754 e com o menor resultado de RMSE de 8,8140. Gorgens et al (2014) que utilizou as redes neurais para verificar a influência da arquitetura na estimativa de volume de árvores individuais por meio de RNA's, verificou em seu trabalho que as redes de função de ativação logística apresentaram valores estimados estatisticamente iguais ao observados, sendo selecionadas com melhores desempenhos.…”