dc.contributor.author |
Carvalho, Hillnara de Paiva Almeida Ferreira |
|
dc.date.accessioned |
2024-11-28T13:41:01Z |
|
dc.date.available |
2024-11-28T13:41:01Z |
|
dc.date.issued |
2024-09-09 |
|
dc.identifier.other |
CDD 519.5 |
|
dc.identifier.uri |
http://dspace.bc.uepb.edu.br/jspui/handle/123456789/32951 |
|
dc.description |
CARVALHO, Hillnara de Paiva Almeida Ferreira . Aplicação de técnicas de aprendizado de máquina na validação de modelos de crescimento. 2024. 43 f. Trabalho de Conclusão de Curso (Graduação em Estatística) - Universidade Estadual da Paraíba, Campina Grande, 2024. |
pt_BR |
dc.description.abstract |
A aplicação de métodos de aprendizado de máquina na validação de modelos de crescimento que incorporam medidas de não linearidade apresenta-se como uma abordagem promissora para aprimorar a compreensão e a precisão das previsões de crescimento em diversas áreas de estudo. Ao explorar modelos não lineares, capazes de capturar as complexas relações entre variáveis preditoras e a variável de resposta, torna-se possível obter parâmetros com interpretação biológica direta, facilitando tanto a tomada de decisões quanto a compreensão do fenômeno de crescimento. Este estudo propõe o desenvolvimento de modelos de aprendizado de máquina, utilizando algoritmos de aprendizado de maquina (Machine Learning), para validar o ganho de peso (kg) do touro ao longo dos anos. De maneira geral, o modelo de crescimento Logístico
apresentou o maior coeficiente de determinação e um dos menores Critério de Informação de Akaike (AIC) fornecendo um ajuste mais adequado aos dados experimentais em comparação com os outros modelos. |
pt_BR |
dc.description.sponsorship |
Orientadora: Profa. Dra. Ana Patrícia B. P. de Oliveira |
pt_BR |
dc.language.iso |
other |
pt_BR |
dc.subject |
modelo de crescimento |
pt_BR |
dc.subject |
modelo não linear |
pt_BR |
dc.subject |
aprendizado de máquina |
pt_BR |
dc.title |
Aplicação de Técnicas de Aprendizado de Máquina na Validação de Modelos de Crescimento |
pt_BR |
dc.type |
Other |
pt_BR |