Configuração de redes neurais artificiais para estimação do afilamento do fuste de árvores de eucalipto
DOI:
https://doi.org/10.5039/agraria.v11i1a5354Palavras-chave:
inteligência artificial, multiprodutos, neuroforestResumo
O objetivo deste trabalho foi definir configurações adequadas de Redes Neurais Artificiais (RNA) para modelagem do afilamento do fuste (taper) de árvores de eucalipto. Foram utilizados dados de cubagem de povoamentos de eucalipto localizados no sul da Bahia. Várias configurações de RNA foram avaliadas diferindo em relação ao número de neurônios na camada oculta, função de ativação, número de ciclos e algoritmos de aprendizagem com os seus parâmetros. As RNA foram treinadas no sistema Neuroforest, e as estimativas foram avaliadas por meio do coeficiente de correlação entre os valores observados e estimados, a raiz quadrada do erro quadrático médio (RMSE%), e análise gráfica de resíduos. Configurações simples, com apenas 04 neurônios ocultos, propiciaram resultados satisfatórios. Todas as funções de ativação testadas (tangente hiperbólica, sigmoidal, identidade, log, linear e seno) podem ser utilizadas, sendo que as funções linear e identidade são apropriadas para a camada de saída das RNA. O treinamento das RNA pode ser feito com 2000 ciclos. Os algoritmos Resilient Propagation e Quick Propagation são eficientes para aplicações de taper. Diversas configurações de RNA podem ser utilizadas para aplicações de taper.
Downloads
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Este trabalho é licenciado sob uma licença Creative Commons Attribution-NonCommercial 3.0 Unported License.