Do Lógico ao Abstrato: A Ciência no Cotidiano
24 a 26 de outubro de 2017
Trabalho 9161
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| 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 |
| Título | Aplicação de Redes Neurais Artificiais do tipo Multilayer Perceptrons (MLP) na determinação da Qualidade de vinhos |
| Resumo | As Redes Neurais Artificias (RNAs) possuem a capacidade de simular o processamento de informações, relacionar e combinar dados aleatórios de modo parecido com o cérebro humano, isso se deve a utilização de modelos matemáticos e algoritmos computacionais. O vinho nada mais é do que o resultado da fermentação alcoólica do mosto da uva madura, além de ser uma das bebidas mais consumidas no mundo. Pesquisas sobre a qualificação vinícola vêm se tornando cada vez mais importantes e, nesse contexto, podem ser usadas redes neurais artificiais para se determinar a qualidade de vinhos. Neste trabalho, utilizou-se um banco de dados contendo 4899 amostras de vinhos brancos analisados em 11 parâmetros químicos, a saber: 1 - acidez fixa , 2 - acidez volátil, 3 - ácido cítrico, 4 - açúcar residual, 5 – cloretos, 6 - dióxido de enxofre livre, 7 - dióxido de enxofre total, 8 – Densidade, 9 – pH, 10 – sulfatos, 11 – Álcool e 12 - Qualidade. Os parâmetros acima descritos foram utilizados para alimentar a camada de entrada de uma Rede Neural Artificial (RNA) específica. Após a definição da taxa de aprendizado a ser usada, foram efetuados testes específicos para a análise estatística com 1000 linhas do banco de dados. O algoritmo NeuroChem, escrito em linguagem de alto nível Scilab®, possibilita o acesso aos recursos (núcleos) de processamento da máquina para execução da Rede Neural Artificial. Foi utilizado o modelo MultiLayer Perceptrons e as etapas de Treinamento e Validação foram efetuadas com 30% e 20% do banco de dados. O Erro Quadrático Médio (EQM) foi medido a cada época de treinamento juntamente com o Erro Percentual Médio Absoluto (EPMA). O coeficiente de variação (CV) também foi calculado para averiguar a precisão dos resultados. As etapas de Treinamento e Validação se mostraram eficientes e a arquitetura da rede com 4 camadas ocultas apresentou o menor erro EQM, Mape e CV para as amostras. A utilização de redes neurais do tipo MLP se mostrou eficiente para classificar a qualidade de vinhos brancos, nessa linha de pesquisa. |
| Palavras-chave | Redes Neurais Artificiais, Modelo MLP, Qualidade do vinho |
| Forma de apresentação..... | Painel |