ISSN | 2237-9045 |
---|---|
Instituição | Universidade Federal de Viçosa- Campus de Rio Paranaiba |
Nível | Graduação |
Modalidade | Pesquisa |
Área de conhecimento | Ciências Exatas e Tecnológicas |
Área temática | Química teórica e experimental |
Setor | Instituto de Ciências Exatas e Tecnológicas |
Conclusão de bolsa | Não |
Primeiro autor | Cecília Baldoíno Ferreira |
Orientador | GILMAR GONÇALVES FERREIRA |
Outros membros | Luana Loren Corrêa Oliveira, Mauro Almeida Lima, Rochele Ferreira Silva Diniz |
Título | Uso de Redes Neurais Artificiais (MLP) e computação paralela para análise estatística da origem de vinhos |
Resumo | O vinho nada mais é do que o resultado da fermentação alcoólica do mosto da uva madura e, neste contexto, pesquisas sobre a qualificação vinícola vêm se tornando cada vez mais importantes. Neste trabalho, usou-se um banco de dados específico sobre a Origem de Vinhos oriundos de 3 vinícolas diferentes, produzidos na mesma região da Itália. Esse banco de dados conta com 13 análises químicas para cada tipo de vinho produzido. O objetivo desse trabalho foi a utilização desse banco de dados para o teste do algoritmo NeuroChem que, através de uma RNA Multilayer Perceptrons (MPL) de três arquiteturas distintas, efetuou a análise estatística do Coeficiente de Variação (CV),durante a classificação da origem das amostras de vinho. Parâmetros de análise química foram utilizados para alimentar a camada de entrada de uma Rede Neural Artificial (RNA) específica, cujo processamento estatístico foi aplicado sobre um banco de dados contendo 178 amostras de Vinhos, oriundos de 3 cultivos diferentes da Itália. Após a definição da taxa de aprendizado a ser usada, foram efetuados testes específicos para a análise estatística em série e em paralelo. O algoritmo NeuroChem, escrito em linguagem de alto nível Scilab® , possibilitou o acesso aos recursos (núcleos) de processamento da máquina através de uma rotina específica que usa o sistema paralell_run. Foram efetuados 20 testes para cada amostragem, a partir dos resultados do treinamento com os parâmetros químicos do banco de dados. As etapas de Treinamento e Validação foram efetuadas com 60% e 30% do banco de dados. Os 10% restantes foram utilizados para a fase de Teste. O Erro Quadrático Médio (EQM) foi medido a cada época de treinamento verificando a diferença entre as respostas encontradas pela RNA e os dados originais. De forma semelhante trabalhou-se com o Erro Percentual Médio Absoluto (do inglês, MAPE) utilizado para medir a diferença entre as previsões feitas pela RNA e os dados originais, uma vez que o MAPE tende a ser mais sensível que o EQM. Os resultados mostraram que a arquitetura de rede com três camadas foi a que apresentou os menores valores de MAPE e EQM, para a classificação da origem das amostras de vinho, na fase final de teste. As etapas de Treinamento e Validação da rede MLP se mostraram eficientes para a taxa de aprendizado igual a 0,1. A arquitetura da rede com 3 camadas ocultas apresentou menor erro EQM e menor CV para as amostras de vinhos, na fase de Teste. Ficou evidenciado pelos resultados que a análise estatística feita com a programação paralela representou uma redução de 73% do tempo de espera, quando comparado à mesma análise em série, para este banco de dados específico. |
Palavras-chave | Vinho, Redes Neurais Artificiais, Processamento Paralelo. |
Forma de apresentação..... | Painel |