Use este identificador para citar ou linkar para este item:
http://repositorio.ufla.br/jspui/handle/1/29069
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Isaac Júnior, Marcos Antônio | - |
dc.date.accessioned | 2018-04-19T16:21:22Z | - |
dc.date.available | 2018-04-19T16:21:22Z | - |
dc.date.issued | 2018-04-17 | - |
dc.date.submitted | 2018-03-09 | - |
dc.identifier.citation | ISAAC JÚNIOR, M. A. Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais. 2018. 81 p. Tese (Doutorado em Engenharia Florestal)-Universidade Federal de Lavras, Lavras, 2018. | pt_BR |
dc.identifier.uri | http://repositorio.ufla.br/jspui/handle/1/29069 | - |
dc.description.abstract | A carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais. | pt_BR |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Lavras | pt_BR |
dc.rights | acesso aberto | pt_BR |
dc.subject | Inteligência computacional | pt_BR |
dc.subject | Modelos não lineares mistos | pt_BR |
dc.subject | Sólido de revolução | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Computational intelligence | pt_BR |
dc.subject | Nonlinear mixed models | pt_BR |
dc.subject | Artificial neural networks | pt_BR |
dc.title | Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais | pt_BR |
dc.title.alternative | Mixed model and artificial neural network for dendrometric estimates of individual trees | pt_BR |
dc.type | tese | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia Florestal | pt_BR |
dc.publisher.initials | UFLA | pt_BR |
dc.publisher.country | brasil | pt_BR |
dc.contributor.advisor1 | Calegario, Natalino | - |
dc.contributor.referee1 | Acerbi Júnior, Fausto Weimar | - |
dc.contributor.referee2 | Trugilho, Paulo Fernando | - |
dc.contributor.referee3 | Barbosa, Bruno Henrique Groenner | - |
dc.contributor.referee4 | Mendonça, Adriano Ribeiro de | - |
dc.description.resumo | A carência de hardwares e softwares com alta capacidade de processamento era uma limitação para os ajustes de modelos de regressão mais complexos e inteligência computacional. Atualmente, é possível realizar esses ajustes e, com o passar dos anos, vem crescendo o uso de modelos não lineares mistos e redes neurais artificiais nas diversas áreas do conhecimento. Com o emprego desses novos métodos, é possível uma melhoria da exatidão das estimativas das variáveis florestais, auxiliando nas tomadas de decisão para o planejamento florestal. No primeiro artigo deste estudo foi feita uma revisão de literatura para compreender melhor estes métodos e a sua importância para a obtenção de melhores resultados. O segundo artigo utilizou a técnica de modelos não lineares mistos em multinível, com o objetivo de explicar a variação da altura de árvores individuais, em função de variáveis das árvores e do povoamento, e avaliar a qualidade dos ajustes para obtenção de sortimentos florestais. Por último, no artigo 3, fez-se uso das Redes Neurais Artificias e procurou -se demonstrar que as mesmas podem ser tratadas como modelos de regressão, sendo possível recuperar seus parâmetros, obter um modelo e estimar o volume do fuste por meio da integração da estimativa da altura em função do raio. Provou-se que é possível usar os dois métodos para melhorar as estimativas das variáveis florestais. | pt_BR |
dc.publisher.department | Departamento de Ciências Florestais | pt_BR |
dc.subject.cnpq | Recursos Florestais e Engenharia Florestal | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/6525239951316540 | pt_BR |
Aparece nas coleções: | Engenharia Florestal - Doutorado (Teses) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TESE_Modelo misto e rede neural artificial para estimativas dendrométricas de árvores individuais.pdf | 1,71 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.