Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/898723
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorGALÃO, O. F.pt_BR
dc.contributor.authorBORSATO, D.pt_BR
dc.contributor.authorPINTO, J. P.pt_BR
dc.contributor.authorVISENTAINER, J. V.pt_BR
dc.contributor.authorCARRÃO-PANIZZI, M. C.pt_BR
dc.date.accessioned2011-08-25T11:11:11Zpt_BR
dc.date.accessioned2011-08-25T11:11:11Zpt_BR
dc.date.available2011-08-25T11:11:11Zpt_BR
dc.date.available2011-08-25T11:11:11Zpt_BR
dc.date.created2011-08-25pt_BR
dc.date.issued2011pt_BR
dc.identifier.citationJournal of the Brazilian Chemical Society, Campinas, v. 22, n. 1, p. 142-147, 2011.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/898723pt_BR
dc.descriptionVinte variedades de soja (Glycine max), quatorze convencionais e seis variedades transgênicas (RR) foram analisadas quanto ao teor de proteína, ácido fítico, teor de óleo, fitosteróis, cinzas, minerais e ácidos graxos que foram tabelados e apresentados à rede neural do tipo perceptron de múltiplas camadas para a classificação e identificação quanto a região de plantio e quanto a variedade convencional ou transgênica. A rede neural utilizada classificou e testou corretamente 100% das amostras cultivadas por região. Para o banco de dados contendo informações sobre sojas transgênicas e convencionais foi obtido um desempenho de 94,43% no treinamento da rede, 83,30% no teste e 100% na validação. Twenty soybean (Glycine max) varieties, 14 conventional and 6 transgenic varieties were analyzed for protein content, phytic acid, oil content, phytosterols, ash, minerals and fatty acids. The data were tabled and presented to the multilayer perceptron neural network for classification and identification of their planting region and whether they were a conventional or transgenic. The neural network used correctly classified and tested 100% of the samples cultivated per region. For the data bank containing information on transgenic and conventional soybean, a performance of 94.43% was obtained in the training of the neural network, 83.30% in the test and 100% in the validation.pt_BR
dc.language.isoengeng
dc.rightsopenAccesseng
dc.titleArtificial neural networks in the classification and identification of soybean cultivars by planting region.pt_BR
dc.typeArtigo de periódicopt_BR
dc.date.updated2018-02-27T11:11:11Zpt_BR
dc.subject.thesagroSojapt_BR
dc.subject.thesagroVariedadept_BR
dc.subject.nalthesaurusVarietiespt_BR
dc.subject.nalthesaurusNeural networkspt_BR
dc.subject.nalthesaurusSoybeanspt_BR
riaa.ainfo.id898723pt_BR
riaa.ainfo.lastupdate2018-02-27 -03:00:00pt_BR
dc.contributor.institutionOLÍVIO F. GALÃO, UEL; DIONÍSIO BORSATO, UEL; JURANDIR P. PINTO, UEL; JESUÍ V. VISENTAINER, UEM; MERCEDES CONCORDIA CARRAO PANIZZI, CNPSo.pt_BR
Aparece nas coleções:Artigo em periódico indexado (CNPSO)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
mercedesj.braz..pdf919,57 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace