dc.contributor.advisor | Steiner, Maria Teresinha Arns, 1957- | pt_BR |
dc.contributor.author | Francisco, Claudia Aparecida Cavalheiro | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Métodos Numéricos em Engenharia | pt_BR |
dc.contributor.other | Arruda, Lucia Valeria Ramos de | pt_BR |
dc.date.accessioned | 2014-02-10T16:21:22Z | |
dc.date.available | 2014-02-10T16:21:22Z | |
dc.date.issued | 2004 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1884/34757 | |
dc.description.abstract | Resumo: As redes neurais artificiais têm sido aplicadas com sucesso em diversos problemas de análise exploratória de dados multivariados relacionados à ecologia. Todavia, poucos são os trabalhos utilizando a rede de Kohonen (mapas auto-organizáveis) para classificação de padrões de dados ecológicos. A dificuldade encontra-se na obtenção de um conjunto adequado de dados para o treinamento e validação da rede. Para o desenvolvimento deste trabalho foram utilizados dados obtidos no projeto "Estudos ictiológicos na área de influência do AHE Corumbá" pelo Núcleo de Pesquisas em Limnologia, Ictiologia e Aqüicultura (Nupélia), Universidade Estadual de Maringá (UEM) em convênio com FURNAS Centrais Elétricas S.A. Este trabalho utiliza a rede de Kohonen como uma metodologia para a classificação das espécies de peixes em categorias tróficas do reservatório de Corumbá - GO, de acordo com a dieta, envolvendo duas fases distintas: fase rio (anterior ao represamento), com a classificação de 1845 estômagos de 33 espécies de peixes, e a fase reservatório (posterior ao represamento), com a classificação de 5492 estômagos de 36 espécies de peixes. As classificações foram obtidas nas duas fases distintamente, resultando em ambas, em uma separação de dois grandes grupos: o dos generalistas e o dos especialistas. Os peixes especialistas foram divididos em quatro grupos: insetívoros, herbívoros, piscívoros e detritívoros. Os insetívoros apresentaram um grande número de espécies, sendo necessário modelar uma nova rede, visando a separação desta categoria, em quatro sub-grupos. A rede de Kohonen mostrou-se uma ferramenta robusta para a classificação dos dados, apresentando resultados rápidos, com uma clara visualização dos agrupamentos, facilitando sobremaneira a interpretação dos resultados. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Teses | pt_BR |
dc.subject | Redes neurais (Computação) | pt_BR |
dc.subject | Ecologia - Processamento de dados | pt_BR |
dc.subject | Mapas auto-organizáveis | pt_BR |
dc.subject | Peixe - classificação - Processamento de dados | pt_BR |
dc.title | Rede de Kohonen | pt_BR |
dc.type | Dissertação | pt_BR |