INTERFACE GRÁFICA VIA REDES NEURAIS ARTIFICIAIS: UM ESTUDO DE CASO NA ESTIMATIVA DA PRODUÇÃO DE CAPIM MARANDU EM SISTEMAS INTEGRADOS-Reference-Cited by-同舟云学术

INTERFACE GRÁFICA VIA REDES NEURAIS ARTIFICIAIS: UM ESTUDO DE CASO NA ESTIMATIVA DA PRODUÇÃO DE CAPIM MARANDU EM SISTEMAS INTEGRADOS

Published:2021-10-14 Issue:2 Volume:15 Page:318-341
ISSN:2359-6724
Container-title:Revista Brasileira de Engenharia de Biossistemas
language:pt
Short-container-title:

Author:

Bonini Neto Alfredo¹^ORCID,Criscimani Arthur Lopes¹^ORCID,Bonini Carolina dos Santos Batista²^ORCID,Souza Jessica Fernanda Dias²^ORCID,Oliverio Gabriela Lozano²^ORCID,Baretto Vitor Correia de Mattos²^ORCID,Andrighetto Cristiana²^ORCID

Affiliation:

1. Universidade Estadual Paulista. FCE – Tupã, SP, Brasil.

2. Universidade Estadual Paulista - Unesp - campus de Dracena

Abstract

Através das ferramentas do software MatLab, neste trabalho foi desenvolvido uma interface gráfica para a estimativa de produção de capim-marandu utilizando-se de redes neurais artificiais e das propriedades gráficas disponibilizadas pelo software, visando além da assertividade e eficiência da estimativa, o desenvolvimento da interface de maneira que pessoas leigas ao assunto e à programação, tenham acesso a ferramenta elaborada, valorizando conceitos já estudados de User Experience e podendo assim, ser utilizada em áreas de ensino sobre redes neurais, ampliando o acesso à informação através da interface homem-máquina.

Publisher

Universidade Estadual Paulista - Campus de Tupa

Reference30 articles.

1. ALVARENGA, R. C.; ALBERNAZ, W. M.; VIANA, M. C. M.; GONTIJO NETO, M. M.; PINTO JUNIOR, E. S. Integração Lavoura-Pecuária-Floresta em latossolo vermelho distrófico de Maravilhas-MG, região do cerrado: implantação do eucalipto e do milho e resultados do primeiro ano. In: CONGRESSO NACIONAL DE MILHO E SORGO, 28.; SIMPÓSIO BRASILEIRO SOBRE A LAGARTA DO CARTUCHO, 4., 2010, Goiânia. Potencialidades, desafios e sustentabilidade: resumos expandidos... Sete Lagoas: ABMS, 2010. P. 1-7.

2. ANAGU, I.; INGWERSEN, J.; UTERMANN, J. and STRECK, T. Estimation of heavy metal sorption in German soils using artificial neural networks. Geoderma, v. 152, n. 1–2, p. 104-112. 2009. DOI: 10.1016/j.geoderma.2009.06.004

3. BALA, B. K.; ASHRAF, M. A.; UDDIN, M. A.; JANJAI, S. Experimental and neural network prediction of the performance of a solar tunnel drier for a solar drying jack fruit bulbs and leather. J. Food Proc. Eng. 28, 552–566. 2005. DOI: 10.1111/j.1745-4530.2005.00042.x

4. BONINI NETO, A.; BONINI, C. S. B.; BISI, B. S.; REIS, A. R.; COLETTA, L. F. S. Artificial Neural Network for Classification and Analysis of Degraded Soils. Revista IEEE América Latina, v. 15, n.3, p. 503-509, 2017. DOI: 10.1109/TLA.2017.7867601

5. BRAGA A. DE P.; CARVALHO A. P. DE LEON E F., LUDERMIR T. B. Redes neurais artificiais: teoria e aplicações. 2. ed. Rio de Janeiro: LTC Editora, 2007.

Cited by 2 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Artificial intelligence applied to estimate soybean yield;Revista Brasileira de Engenharia de Biossistemas;2024-03-14

2. Radial base neural network for the detection of banana maturation stages: perceptron multilayer network comparison;Revista Brasileira de Engenharia de Biossistemas;2022-11-15