Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro
Ano de defesa: | 2015 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Viçosa
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Área do conhecimento CNPq: | |
Link de acesso: | http://www.locus.ufv.br/handle/123456789/6785 |
Resumo: | Os programas de melhoramento vegetal atualmente utilizam-se de análises estatísticas para auxiliar na identificação de genótipos superiores em diversas etapas do desenvolvimento de um cultivar. Diferentemente dessas análises que são baseadas no paradigma estocástico, a abordagem da inteligência computacional tem sido pouco explorada na área do melhoramento genético. Assim, esse trabalho foi realizado com o objetivo de apresentar técnicas de inteligência computacional como ferramentas auxiliares no melhoramento do feijoeiro. Para demonstrar a aplicabilidade dessa abordagem, foram desenvolvidos dois estudos utilizando dados de avaliação de linhagens de feijão oriundas do Programa Feijão da Universidade Federal de Viçosa. Em um primeiro trabalho o objetivo foi avaliar o potencial das redes neurais artificiais como ferramenta auxiliar no melhoramento da arquitetura de plantas do feijoeiro. Com o intuito de classificar linhagens quanto ao porte, as redes neurais artificiais foram treinadas com dados de repetição de 19 linhagens de feijoeiro avaliadas nas safras de inverno de 2007 e de 2009, quanto a arquitetura de plantas, diâmetro do hipocótilo e altura de plantas. As redes neurais artificias apresentaram elevada capacidade de classificação correta das linhagens avaliadas, de forma que quando utilizado diâmetro do hipocótilo em conjunto com altura média de plantas, as redes neurais artificiais apresentaram melhores resultados do que utilizando somente o diâmetro do hipocótilo. Também observou-se que submeter dados de médias de novas linhagens às redes neurais treinadas com dados de repetição, provê melhores resultados de classificação das linhagens. Em um segundo trabalho o objetivo foi aplicar a Lógica Fuzzy, por meio de controladores, como ferramenta auxiliar na avaliação do comportamento de linhagens de feijão em diferentes ambientes. Para avaliar a aplicabilidade desses controladores foram utilizados dados de produtividade de grãos de 23 linhagens e duas testemunhas de feijão do grupo comercial vermelho, avaliados em nove ambientes da Zona da Mata de Minas Gerais. A partir dos parâmetros da análise de Eberhart e Russell foram desenvolvidos controladores fuzzy com sistemas de inferência Mamdani e Sugeno. Além destes, foi desenvolvido um controlador híbrido do tipo Sugeno baseado nos métodos de Eberhart e Russell e de Lin e Binns modificado. Foram realizadas análises de adaptabilidade e estabilidade pelos métodos de Eberhart e Russell e de Linn e Binns modificado e os respectivos parâmetros e medidas obtidos por meio dessas análises para cada linhagem foram submetidos aos respectivos controladores. Verificou-se que os controladores fuzzy podem ser aplicados para determinar o comportamento das linhagens, sendo o controlar híbrido o mais informativo a respeito da resposta das linhagens frente às variações ambientais. Dentre os sistemas de inferência utilizados, ambos sistemas apresentaram resultados consistentes. Uma vez que os controladores foram desenvolvidos de forma generalizada eles podem ser aplicados na determinação do comportamento de genótipos e na recomendação de cultivares de diferentes culturas agronômicas. Ao observar os resultados obtidos em ambos os trabalhos verificou-se que as técnicas de inteligência computacional apresentam grande potencial para serem empregadas nas diferentes etapas de um programa de melhoramento. |
id |
UFV_5d6fe0d6b6620a51a7316cd1b6cb9e42 |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/6785 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
|
spelling |
Carneiro, Pedro Crescêncio SouzaCarneiro, José Eustáquio de SouzaCarneiro, Vinícius Quintãohttp://lattes.cnpq.br/7418046043420782Cruz, Cosme Damião2015-11-23T15:44:45Z2015-11-23T15:44:45Z2015-07-17CARNEIRO, Vinícius Quintão. Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro. 2015. 91f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2015.http://www.locus.ufv.br/handle/123456789/6785Os programas de melhoramento vegetal atualmente utilizam-se de análises estatísticas para auxiliar na identificação de genótipos superiores em diversas etapas do desenvolvimento de um cultivar. Diferentemente dessas análises que são baseadas no paradigma estocástico, a abordagem da inteligência computacional tem sido pouco explorada na área do melhoramento genético. Assim, esse trabalho foi realizado com o objetivo de apresentar técnicas de inteligência computacional como ferramentas auxiliares no melhoramento do feijoeiro. Para demonstrar a aplicabilidade dessa abordagem, foram desenvolvidos dois estudos utilizando dados de avaliação de linhagens de feijão oriundas do Programa Feijão da Universidade Federal de Viçosa. Em um primeiro trabalho o objetivo foi avaliar o potencial das redes neurais artificiais como ferramenta auxiliar no melhoramento da arquitetura de plantas do feijoeiro. Com o intuito de classificar linhagens quanto ao porte, as redes neurais artificiais foram treinadas com dados de repetição de 19 linhagens de feijoeiro avaliadas nas safras de inverno de 2007 e de 2009, quanto a arquitetura de plantas, diâmetro do hipocótilo e altura de plantas. As redes neurais artificias apresentaram elevada capacidade de classificação correta das linhagens avaliadas, de forma que quando utilizado diâmetro do hipocótilo em conjunto com altura média de plantas, as redes neurais artificiais apresentaram melhores resultados do que utilizando somente o diâmetro do hipocótilo. Também observou-se que submeter dados de médias de novas linhagens às redes neurais treinadas com dados de repetição, provê melhores resultados de classificação das linhagens. Em um segundo trabalho o objetivo foi aplicar a Lógica Fuzzy, por meio de controladores, como ferramenta auxiliar na avaliação do comportamento de linhagens de feijão em diferentes ambientes. Para avaliar a aplicabilidade desses controladores foram utilizados dados de produtividade de grãos de 23 linhagens e duas testemunhas de feijão do grupo comercial vermelho, avaliados em nove ambientes da Zona da Mata de Minas Gerais. A partir dos parâmetros da análise de Eberhart e Russell foram desenvolvidos controladores fuzzy com sistemas de inferência Mamdani e Sugeno. Além destes, foi desenvolvido um controlador híbrido do tipo Sugeno baseado nos métodos de Eberhart e Russell e de Lin e Binns modificado. Foram realizadas análises de adaptabilidade e estabilidade pelos métodos de Eberhart e Russell e de Linn e Binns modificado e os respectivos parâmetros e medidas obtidos por meio dessas análises para cada linhagem foram submetidos aos respectivos controladores. Verificou-se que os controladores fuzzy podem ser aplicados para determinar o comportamento das linhagens, sendo o controlar híbrido o mais informativo a respeito da resposta das linhagens frente às variações ambientais. Dentre os sistemas de inferência utilizados, ambos sistemas apresentaram resultados consistentes. Uma vez que os controladores foram desenvolvidos de forma generalizada eles podem ser aplicados na determinação do comportamento de genótipos e na recomendação de cultivares de diferentes culturas agronômicas. Ao observar os resultados obtidos em ambos os trabalhos verificou-se que as técnicas de inteligência computacional apresentam grande potencial para serem empregadas nas diferentes etapas de um programa de melhoramento.Bean breeding programs have currently used statistical analysis in order to help identifying superior genotypes in various stages of a cultivar development. Unlike these analyses that are based on stochastic paradigm, the approach of computational intelligence has been little exploited in breeding. Thus, this study was carried out in order to present computational intelligence techniques as an important tool in bean breeding programs. To demonstrate the applicability of this approach, two studies were carried out using bean lines evaluation data derived from the Bean Breeding Program of the Federal University of Viçosa. In the first study, the objective was to evaluate the potential of artificial neural networks as an auxiliary tool in improving the bean plant architecture. In order to classify lines according to the habit, artificial neural networks were trained with 19 bean lines data from replication collected during the 2007 and 2009 winter crops, regarding plant architecture, hypocotyl diameter and plant height. The artificial neural networks presented high correct classification capability of the evaluated lines. Thus, when the hypocotyl diameter was used together with the mean height of plants, artificial neural networks had better results than when it was used the hypocotyl diameter individually. Also, it was observed that submitting mean data of new lines to neural networks trained with data from replication provides better results for the classification of lines. In the second work, the objective was to apply the fuzzy logic by means of controllers as an auxiliary tool in the evaluation of bean lines behavior in different environments. Grain yield data of 23 lines and two controls of red bean plants (Phaseolus vulgaris L.) were used in order to evaluated the applicability of these controllers. Plants were evaluated in nine environments of Zona da Mata region, Minas Gerais. From the parameters of Eberhart and Russell analysis, the fuzzy controllers were developed with Mamdani and Sugeno inference systems. In addition, Sugeno and Mamdani hybrid controllers were developed based on the methods of Eberhart and Russell and modified Lin and Binns. Adaptability and stability analyses were carried out by the methods of Eberhart and Russell and by the modified method of Lin and Binns, and the respective parameters and measurements obtained by these analyses for each line were submitted to the respective controllers. It was found that fuzzy controllers can be applied to determine the behavior of the lines, and the hybrid controller presented more information regarding the response of lines against the environmental variation. Both inference systems presented consistent results. Since the controllers were developed in a generalized way, they may be widely applied in determining the behavior of genotypes and in recommending cultivars of different crops . By observing the results obtained in both studies, it was found that computational intelligence techniques have great potential to be used in the different stages of a breeding program.Conselho Nacional de Desenvolvimento Científico e TecnológicoporUniversidade Federal de ViçosaFeijão - Melhoramento genéticoInteligência computacionalRedes neurais (Computação)Genética QuantitativaRede neural e lógica fuzzy aplicadas no melhoramento do feijoeiroNeural networks and fuzzy logic applied in common bean breedinginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de Biologia GeralMestre em Genética e MelhoramentoViçosa - MG2015-07-17Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf1359771https://locus.ufv.br//bitstream/123456789/6785/1/texto%20completo.pdf4d24880cb314df4c1c17b85c733ebcf7MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/6785/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain213293https://locus.ufv.br//bitstream/123456789/6785/3/texto%20completo.pdf.txt71396767813db07e09a68b015dca3f27MD53THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3550https://locus.ufv.br//bitstream/123456789/6785/4/texto%20completo.pdf.jpg4e9e941f2e6b28137fc41c9822a59989MD54123456789/67852016-04-12 23:05:48.618oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-04-13T02:05:48LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
dc.title.en.fl_str_mv |
Neural networks and fuzzy logic applied in common bean breeding |
title |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
spellingShingle |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro Carneiro, Vinícius Quintão Feijão - Melhoramento genético Inteligência computacional Redes neurais (Computação) Genética Quantitativa |
title_short |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
title_full |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
title_fullStr |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
title_full_unstemmed |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
title_sort |
Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro |
author |
Carneiro, Vinícius Quintão |
author_facet |
Carneiro, Vinícius Quintão |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/7418046043420782 |
dc.contributor.none.fl_str_mv |
Carneiro, Pedro Crescêncio Souza Carneiro, José Eustáquio de Souza |
dc.contributor.author.fl_str_mv |
Carneiro, Vinícius Quintão |
dc.contributor.advisor1.fl_str_mv |
Cruz, Cosme Damião |
contributor_str_mv |
Cruz, Cosme Damião |
dc.subject.pt-BR.fl_str_mv |
Feijão - Melhoramento genético Inteligência computacional Redes neurais (Computação) |
topic |
Feijão - Melhoramento genético Inteligência computacional Redes neurais (Computação) Genética Quantitativa |
dc.subject.cnpq.fl_str_mv |
Genética Quantitativa |
description |
Os programas de melhoramento vegetal atualmente utilizam-se de análises estatísticas para auxiliar na identificação de genótipos superiores em diversas etapas do desenvolvimento de um cultivar. Diferentemente dessas análises que são baseadas no paradigma estocástico, a abordagem da inteligência computacional tem sido pouco explorada na área do melhoramento genético. Assim, esse trabalho foi realizado com o objetivo de apresentar técnicas de inteligência computacional como ferramentas auxiliares no melhoramento do feijoeiro. Para demonstrar a aplicabilidade dessa abordagem, foram desenvolvidos dois estudos utilizando dados de avaliação de linhagens de feijão oriundas do Programa Feijão da Universidade Federal de Viçosa. Em um primeiro trabalho o objetivo foi avaliar o potencial das redes neurais artificiais como ferramenta auxiliar no melhoramento da arquitetura de plantas do feijoeiro. Com o intuito de classificar linhagens quanto ao porte, as redes neurais artificiais foram treinadas com dados de repetição de 19 linhagens de feijoeiro avaliadas nas safras de inverno de 2007 e de 2009, quanto a arquitetura de plantas, diâmetro do hipocótilo e altura de plantas. As redes neurais artificias apresentaram elevada capacidade de classificação correta das linhagens avaliadas, de forma que quando utilizado diâmetro do hipocótilo em conjunto com altura média de plantas, as redes neurais artificiais apresentaram melhores resultados do que utilizando somente o diâmetro do hipocótilo. Também observou-se que submeter dados de médias de novas linhagens às redes neurais treinadas com dados de repetição, provê melhores resultados de classificação das linhagens. Em um segundo trabalho o objetivo foi aplicar a Lógica Fuzzy, por meio de controladores, como ferramenta auxiliar na avaliação do comportamento de linhagens de feijão em diferentes ambientes. Para avaliar a aplicabilidade desses controladores foram utilizados dados de produtividade de grãos de 23 linhagens e duas testemunhas de feijão do grupo comercial vermelho, avaliados em nove ambientes da Zona da Mata de Minas Gerais. A partir dos parâmetros da análise de Eberhart e Russell foram desenvolvidos controladores fuzzy com sistemas de inferência Mamdani e Sugeno. Além destes, foi desenvolvido um controlador híbrido do tipo Sugeno baseado nos métodos de Eberhart e Russell e de Lin e Binns modificado. Foram realizadas análises de adaptabilidade e estabilidade pelos métodos de Eberhart e Russell e de Linn e Binns modificado e os respectivos parâmetros e medidas obtidos por meio dessas análises para cada linhagem foram submetidos aos respectivos controladores. Verificou-se que os controladores fuzzy podem ser aplicados para determinar o comportamento das linhagens, sendo o controlar híbrido o mais informativo a respeito da resposta das linhagens frente às variações ambientais. Dentre os sistemas de inferência utilizados, ambos sistemas apresentaram resultados consistentes. Uma vez que os controladores foram desenvolvidos de forma generalizada eles podem ser aplicados na determinação do comportamento de genótipos e na recomendação de cultivares de diferentes culturas agronômicas. Ao observar os resultados obtidos em ambos os trabalhos verificou-se que as técnicas de inteligência computacional apresentam grande potencial para serem empregadas nas diferentes etapas de um programa de melhoramento. |
publishDate |
2015 |
dc.date.accessioned.fl_str_mv |
2015-11-23T15:44:45Z |
dc.date.available.fl_str_mv |
2015-11-23T15:44:45Z |
dc.date.issued.fl_str_mv |
2015-07-17 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CARNEIRO, Vinícius Quintão. Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro. 2015. 91f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2015. |
dc.identifier.uri.fl_str_mv |
http://www.locus.ufv.br/handle/123456789/6785 |
identifier_str_mv |
CARNEIRO, Vinícius Quintão. Rede neural e lógica fuzzy aplicadas no melhoramento do feijoeiro. 2015. 91f. Dissertação (Mestrado em Genética e Melhoramento) - Universidade Federal de Viçosa, Viçosa. 2015. |
url |
http://www.locus.ufv.br/handle/123456789/6785 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/6785/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/6785/2/license.txt https://locus.ufv.br//bitstream/123456789/6785/3/texto%20completo.pdf.txt https://locus.ufv.br//bitstream/123456789/6785/4/texto%20completo.pdf.jpg |
bitstream.checksum.fl_str_mv |
4d24880cb314df4c1c17b85c733ebcf7 8a4605be74aa9ea9d79846c1fba20a33 71396767813db07e09a68b015dca3f27 4e9e941f2e6b28137fc41c9822a59989 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1794528769422131200 |