A Escherichia coli patogênica aviária (APEC), pertence à família Enterobacteriacea, é responsável por vários processos patológicos nas aves, atuando como agente primário ou secundário na aerossaculite, pericardite, perihepatite, peritonite, salpingite, onfalite, celulite, entre outros. O presente estudo aborda a resistência a antimicrobianos de amostras de E. coli (APEC) de uma forma inovadora, utilizando como ferramenta as redes neurais artificiais, metodologia inserida na linha de pesquisa do CDPA (Centro de Diagnóstico e Pesquisa em Patologia Aviária). A utilização de inteligência artificial, especificamente, as redes neurais artificiais (RNAs), está sendo crescentemente empregada como ferramenta para a análise de dados não lineares e multivariados, característica comum em fenômenos biológicos. O objetivo do presente trabalho foi demonstrar que é possível predizer o uso de antimicrobianos, utilizando trinta e oito genes responsáveis por distintos fatores de virulência, oriundos das amostras de Escherichia coli isoladas de frango de corte, através das redes neurais artificiais (RNAs). Além disso, verificou-se a relação entre o índice de patogenicidade (IP) e a resistência aos quatorze antimicrobianos que fazem parte do banco de dados usado para o desenvolvimento deste estudo. Neste trabalho foram utilizados os dados disponíveis referentes a 256 amostras de E. coli isoladas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. Para a confecção das redes neurais artificiais as entradas escolhidas foram: os índices de patogenicidade, as lesões induzidas em pintos de um dia de idade, a caracterização dos genes associados à patogenicidade, o bioquimismo, a origem das amostras e por fim, a motilidade. As redes neurais artificiais foram criadas realizando associações entre as variáveis de entrada com o objetivo de encontrar o modelo mais ajustado. As saídas utilizadas de acordo com Salle (2009) foram o comportamento das cepas de Escherichia coli frente aos 14 antimicrobianos. Para verificar se existia diferença significativa entre as médias dos índices de patogenicidade (IP) e as amostras sensíveis e resistentes aos 14 antimicrobianos utilizados neste estudo, realizou-se análise estatística com o auxílio do software JMP® 9.0.1 (SAS Institute Inc., 2010). Os resultados obtidos demonstram que as redes neurais artificiais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 74,22% a 98,44%, desta forma tornando possível predizer a resistência antimicrobiana da Escherichia coli, através de modelo das RNAs. A análise estatística realizada para verificar a relação entre o IP e a resistência aos 14 antimicrobianos demonstrou que estas são variáveis independentes. Ou seja, podem haver picos no IP sem alteração na resistência antimicrobiana, ou até mesmo o contrário, alterações na resistência antimicrobiana sem mudanças no IP. / The avian pathogenic Escherichia coli (APEC), belongs to the family Enterobacteriacea, is responsible for various pathological processes in poultry, acting as an agent in the primary or secondary lesion such as: sacculitis, pericarditis, perihepatitis, peritonitis, salpingitis, omphalitis, cellulitis, among others. This study addresses the antimicrobial resistance of E. coli (APEC) strains in an innovative way, using tools such as artificial neural networks, methodology embedded in the CDPA´s search line (Center for Diagnostics and Research in Avian Pathology). The use of artificial intelligence, specifically artificial neural networks (RNAs), is being increasingly used as a tool for data analysis and nonlinear multivariate, common feature in biological phenomena. The objective of this study was to demonstrate that it is possible to predict the use of antimicrobials, using thirty-eight distinct genes responsible for virulence factors, derived from Escherichia coli isolates from broiler, through artificial neural networks (ANNs). Besides, it was found the relationship between pathogenicity index (PI) and resistance to fourteen antimicrobial forming part of the database used for the development of this study. In this study was used the data available for 256 samples of E. coli isolated from broiler litter, lesion of cellulitis and respiratory symptoms in broilers. To make the neural network inputs have been chosen: the indices of pathogenicity, the induced lesions in chicks at day old, characterization of genes associated with pathogenicity, biochemism, the source of samples and finally motility. Artificial neural networks have been created making associations between the input variables in order to find the best adjusted model. The outputs used according Salle (2009) was the behavior of Escherichia coli strains compared to 14 antimicrobials. To check whether there was a significant difference between the average indices for pathogenicity (IP) and the sensitive and resistant samples to 14 antimicrobials used in this study, statistical analysis was performed with the help of software JMP ® 9.0.1 (SAS Institute Inc., 2010). The results show that artificial neural networks were able of performing correct classification of the behavior of the samples with an amplitude of 74.22% to 98.44%, thereby making it possible to predict the antibiotic resistance of Escherichia coli, using ANNs model. The statistical analysis performed to assess the relationship between IP and resistance to 14 antibiotics showed that these variables are independent. That is, it can happen peaks in IP without change in antimicrobial resistance, or even the opposite, changes in antimicrobial resistance without changes in IP.

Este trabalho apresenta um estudo sobre o paradigma de Algoritmos Genéticos aplicados a área de Predições de Séries Temporais. O resultado deste trabalho é apresentado na forma de comparação dos resultados obtidos entre o Modelo Clássico de Predição (UCM), Redes Neurais Artificiais (RNAs) e o modelo de Algoritmos Genéticos desenvolvido neste trabalho. Este estudo foi realizado trabalhando-se basicamente com o Índice Mensal de Produção Industrial do Estado do Rio Grande do Sul fornecido pelo IBGE (Instituto Brasileiro de Geografia e Estatística). Os resultados obtidos mostram que os Algoritmos Genéticos podem atingir níveis satisfatórios de precisão em relação aos valores preditos quando comparados com os valores reais. A validação é feita com predições de um passo à frente e de sete passos à frente. Estas predições são em relação aos sete meses iniciais do ano de 1993. / This work presents a study of Genetic Algorithms paradigm applied to Forecasting Time Series. The results are compared with the obtained with the Classic Model of Prediction (UCM), Artificial Neural Networks (RNAs). This study was accomplished using with the Monthly Index of Industrial Production of the State of Rio Grande do Sul, supplied by the IBGE(Instituto Brasileiro de Geografia e Estatística). The results show that the Genetic Algorithms can accomplish a satisfactory precision when compared with the real values. The validation is made with predictions, one and seven steps ahead. These predictions are equivalent to the seven initial months of 1993.

This thesis is about the investigation of the prediction with help of artificial neural networks. It contrasts other papers considering similar topic. This work is focused on the data collected to predict future outcomes. The data specifically deals with gold capital. It is possible to buy gold via the internet in a form of gold bars. The dealers themselves state that the price of gold is derived via the global prize index of gold and from the current value converted to the Czech Koruna rate of exchange. The aim of this work is to consider price forecast correlating input data. To achieve the desired outcome a system for the data collection, processing, and visualization has been designed. A system dealing with price prediction has been developed to show the accuracy of the results obtained.

A rugosidade é um parâmetro de acabamento importante nos processos de fabricação por usinagem e é determinado de acordo com a aplicação técnica da superfície usinada. A rugosidade afeta atributos funcionais dos produtos como desgaste, atrito, reflexão da luz, capacidade de manter e espalhar um lubrificante, etc.. Como a inspeção da superfície é normalmente feita com rugosímetros após a operação de usinagem, essa tarefa consome tempo e demanda trabalho, gerando custo adicional ao produto. Assim, este trabalho tem como objetivo estimar os valores das rugosidades média (Ra) e total (Rt) geradas no processo de fresamento frontal a seco do aço SAE 1045 com fresa de topo reto via redes neurais artificiais (RNA). Dessa forma, os valores de rugosidade Ra e Rt podem ser obtidos somente informando os parâmetros do processo ao modelo. Foram considerados como variáveis de entrada do processo a velocidade de corte (vc), o avanço por dente (fz) e o raio de ponta da ferramenta (r). Após uma análise estatística, constatou-se que as variáveis de saída que melhor se correlacionavam com os valores de rugosidade foram a força média no eixo x (Fx) (direção de avanço) e a variação da força no eixo z (Fz) (direção axial). Os dados de força foram obtidos usando um sistema sensório constituído de plataforma piezelétrica, placa de aquisição de dados e computador com software apropriado. Portanto, os cinco parâmetros de entrada utilizados nos 16 modelos testados foram vc, fz, r, Fx e Fz. O algoritmo de treinamento usado foi o de Levemberg-Marquardt. Dentre os testados, os modelos com topologia 5-10-10-1 (cinco entradas e uma saída) apresentaram as melhores capacidade de estimação para os valores de Ra e Rt, mostrando a eficiência da técnica de modelagem da rugosidade por RNA. / The surface roughness is an important finishing parameter in the machining manufacturing processes and it is determined according with the technical application of the machined surface. The surface roughness affects functional attributes of parts such as wear, friction, light reflection, ability to spreading and retaining a lubricant etc. As the surface inspection is usually done with the rugosimeter after the machining operation, this task is time consuming and labor demand, generating additional cost to the product. Thus, this work aims to estimate the values of average roughness (Ra) and total roughness (Rt) generated in the dry end milling process of the SAE 1045 steel via artificial neural networks (ANN). Thus, the roughness values of Ra and Rt may be obtained only by informing the process parameters to the model. Cutting speed (vc), feed per tooth (fz) and tool nose radius (r) were considered as input variables. After statistical analysis, it was found that output variables that best correlate with roughness values were the average force on the x axis (Fx) (feed direction) and the force variation in the z-axis (Fz) (axial direction). The cutting force data signals were obtained using a sensory system composed by piezoelectric platform, data acquisition board and personal computer with appropriate software. Therefore, the five input parameters applied in the 16 models tested were vc, fz, r, Fx and Fz and the training algorithm used was the Levemberg-Marquardt. Among the models tested, those with 5-10-10-1 topology (five inputs and one output) showed the best capacity for estimation of the Ra and Rt values that can demonstrate the modeling technique effectiveness of the surface roughness using ANN.

n this dissertation a comparison of two evolutionary methods for evolving ANNs for robot control is made. The methods compared are SANE with enforced sub-population and delta-coding, and marker-based encoding. In an attempt to speed up evolution, marker-based encoding is extended with delta-coding. The task selected for comparison is the hunter-prey task. This task requires the robot controller to posess some form of memory as the prey can move out of sensor range. Incremental evolution is used to evolve the complex behaviour that is required to successfully handle this task. The comparison is based on computational power needed for evolution, and complexity, robustness, and generalisation of the resulting ANNs. The results show that marker-based encoding is the most efficient method tested and does not need delta-coding to increase the speed of evolution process. Additionally the results indicate that delta-coding does not increase the speed of evolution with marker-based encoding.

Este trabalho aborda o desafio da modelagem da fragilidade ambiental, que implica em, além de compreender a intrínseca e dinâmica relação existente entre as componentes físicas, bióticas e sócio-econômicas dos sistemas ambientais, em traduzir esse conhecimento num modelo matemático. Para elucidar essa dificuldade foram apresentados e comparados os resultados gerados por dois modelos empíricos de fragilidade ambiental amplamente utilizados no planejamento físico-territorial brasileiro (CREPANI et al. 2001 e ROSS, 1994). Estes dois modelos foram aplicados em duas áreasteste, com resultados bastante divergentes. Neste contexto de incertezas, este trabalho testou a viabilidade e a confiabilidade de uma nova ferramenta a ser aplicada na elaboração de modelos de fragilidade ambiental, as redes neurais artificiais (RNAs). Empregando os conhecimentos e experiências de especialistas na área em questão, extraídos das respostas dadas por estes durante a comparação de variáveis e cenários aplicados através dos programas adaptados para esta finalidade: Pesquisa de Calibração, Pesquisa de Escalonamento de Variáveis e Pesquisa de Avaliação de Cenários. Estes programas geraram uma base de dados referente ao modo de avaliação de cada especialista quanto à fragilidade ambiental, sendo aplicada no treinamento das RNAs, para que a rede assimilasse o padrão de avaliação deste especialista. Os resultados comprovam de que é possível emular, com razoável confiabilidade, o padrão de avaliação de especialistas na definição da fragilidade dos sistemas ambientais, eliminando assim, a arbitrariedade e a subjetividade do processo de elaboração de modelos de fragilidade ambiental. Este trabalho não propõe um novo modelo, mas uma metodologia para a construção de modelos, utilizando redes neurais artificiais, dando um primeiro passo em busca de novas técnicas, temidas pelos geógrafos, mas necessárias para a evolução da ciência geográfica. / This paper deals with the challenge in modeling environmental fragility, which implies not only the understanding of the intrinsic and dynamic relationship that exists between the physical, biotic and socio-economic components of environmental systems, but also in translating this knowledge in a mathematical model. In order to shed light on this difficulty, the results generated by two empirical models of environmental fragility were presented and compared, models that are widely used in Brazilian physical-territorial planning. (CREPANI et al. 2001 and ROSS, 1994). These two models were applied in two thesis-areas with very diverging results. Within this context of uncertainties, this paper tested the feasibility and reliability of a new tool to be applied in the elaboration of environmental fragility models, the artificial neural networks (ANN). Tapping on the knowledge and experience of specialists in this area, extracted from the answers given by them during the comparison of variables and scenarios applied in programs adapted for this objective: Gauging Research, Scheduling of Variables Research and Scenario Evaluation Research. These programs generated a databank related to the evaluation format of each specialist regarding environmental fragility applied in the training of ANNs, so that the network would assimilate the evaluation standard of that specialist. The results proved that it is possible to emulate, with reasonable reliability, the evaluation standard of specialists in the definition of environmental systems fragility, eliminating in this way, arbitrariness and subjectivity in the elaboration process of environmental fragility models. This work does not presuppose a new model, rather a methodology for the construction of models, using artificial neural networks, taking the first step in the search of new techniques, albeit feared by the geographers, however, necessary for the evolution of geographic science.

Nesta pesquisa são estudados aspectos relacionados à problemática da localização robótica, e um sistema de localização robótica é construído. Para determinação da localização de um robô móvel em relação a um mapa topológico do ambiente, é proposta uma solução determinística. Esta solução é empregada a fim de prover localização para problemas de rastreamento de posição, embora seja de interesse também a observação da eficácia, do método proposto, frente a problemas de localização global. O sistema proposto baseia-se no uso de vetores de atributos, compostos de medições momentâneas extraídas do ambiente através de sensoriamentos pertencentes à percepção do robô. Estimativas feitas a partir da odometria e leitura de sensores de ultra-som são utilizadas em conjunto nestes vetores de atributos, de forma a caracterizar as observações feitas pelo robô. Uma bússola magnética também é empregada na solução. O problema de localização é então resolvido como um problema de reconhecimento de padrões. A topologia do ambiente é conhecida, e a correlação entre cada local neste ambiente e seus atributos são armazenados através do uso de redes neurais artificiais. O sistema de localização foi avaliado de maneira experimental, em campo, em uma plataforma robótica real, e resultados promissores foram obtidos e são apresentados. / In this research aspects related to the robot localization problem have been studied. In order to determine the localization of a mobile robot in relation to a topological map of its environment, a deterministic solution has been proposed. This solution is applied to provide localization for position tracking problems, although it is also of interest to observe the performance of the proposed method applied to global localization problems. The proposed system is based on feature vectors, which are composed of momentaneous measures extracted from sensory data of the robots perception. Estimative made from odometry, sonars and magnetic compass readings are used together in these feature vectors, in order to characterize observed scenes by the robot. Thus, the localization problem is solved as a pattern recognition problem. The topology of the environment is known, and the correlation between each place of this environment and its features is stored using an artificial neural network. The localization system was experimentally evaluated, in a real robotic platform. The results obtained allow validation of the methodology.

nÃo hà / A previsÃo de recalque em fundaÃÃes profundas do tipo estacas hÃlice contÃnua, escavada e cravada metÃlica à o objeto principal desse estudo. O recalque à o deslocamento vertical para baixo que uma fundaÃÃo apresenta quando submetida a um determinado carregamento. A estimativa dos recalques em fundaÃÃes profundas pode ser feita utilizando-se diversas metodologias, dentre as quais os mÃtodos numÃricos e os teÃricos. Diferentes variÃveis influenciam os recalques ocorridos nas fundaÃÃes profundas do tipo estaca destacando-se as caracterÃsticas de resistÃncia e deformabilidade dos materiais envolvidos, a estratigrafia do solo de fundaÃÃo e a geometria do elemento estrutural de fundaÃÃo, dentre outras, configurando-se, portanto, como um problema multi-variado e de grande complexidade. Uma alternativa para a estimativa mais realista dos recalques em fundaÃÃes profundas consiste no emprego das redes neurais artificiais, que sÃo modelos que trabalham analogamente ao cÃrebro humano que tÃm, recentemente, contribuÃdo na resoluÃÃo de problemas complexos em diversas Ãreas da Engenharia Civil. Nessa pesquisa foram utilizadas redes neurais multicamadas alimentadas adiante (perceptron multi-camadas) para o desenvolvimento de um modelo de previsÃo de recalques em estacas, a partir de um treinamento supervisionado, que utiliza o algoritmo de retropropagaÃÃo do erro (error back propagation). Para o desenvolvimento do modelo foram coletados resultados de ensaios SPT e provas de carga estÃtica, e com auxÃlio do programa QNET2000 foram treinados e validados vÃrios modelos de redes neurais. ApÃs as anÃlises e comparaÃÃes entre os resultados de diferentes configuraÃÃes, constatou-se que as redes neurais artificiais foram capazes de entender o comportamento das fundaÃÃes profundas do tipo hÃlice contÃnua, cravada metÃlica e escavada no que tange a influÃncia das variÃveis de entrada consideradas para a estimativa dos recalques. AlÃm disto, constatou-se que os resultados obtidos pelo modelo desenvolvido permitem, dentre outras coisas, a definiÃÃo das cargas de trabalho e cargas limites na estaca. A arquitetura desse modelo à formada por 6 nÃs na camada de entrada, 20 neurÃnios distribuÃdos em 3 camadas ocultas, e 1 neurÃnio na camada de saÃda, correspondente ao recalque medido para a estaca. O processo de alteraÃÃo dos pesos sinÃpticos, na fase de validaÃÃo do modelo, com 4 milhÃes de iteraÃÃes resultou no maior coeficiente de correlaÃÃo entre os recalques estimados e os recalques medidos, que foi de 0,89, o qual pode ser considerado satisfatÃrio, em se tratando da previsÃo de um fenÃmeno complexo. / The settlement deep foundations preview of stakes continuous helix, metallic dug and stuck is the aim of this study. The settlement is a vertical down dislocation a foundation shows when it undergoes a determined charge. The settlements assessment in deep foundations can be done using several methods as, for instance, the numerical and the theoretical ones. Different variables influence the settlements occurred in foundations of the stake kind which can be detached, among them, the characteristics of resistance and deformation of the involved material, the stratigraphy of the foundation ground and the geometry of the foundationâs structural element manifesting, thus, a multi-diverse and high-complex problem. An alternative to a more realistic assessment of the settlements in deep foundations consists in the application of the artificial neural networks, models that work analogically in the human brain which have been recently contributing to the resolution of complex problems in different areas of Civil Engineering. In this research, multi-marked neural networks were used, fed ahead (perceptron multi-layer) to develop a preview model of settlements in stakes, since a managed training which uses the error back propagation algorithm. To the development of the model, SPT experiments and static charge testsâ results were collected and, with the help of QNET 2000 program, several neural network models were tested and validated. After the analysis and comparison of the different configurationsâ results, it was verified that the artificial neural networks were able to understand the deep foundations behavior, continuous helix, metallic dug and stuck kind concerned to the influence of entrance variables considered to the settlements assessment. Furthermore, the results obtained by the developed model allow, through other factors, the definition of work charges and limit charges on the stake. The architecture of this model is formed by 6 knots in the entrance layer, 20 neurons distributed in 3 hidden layers and 1 neuron in the exit layer, corresponding to the measured settlements to the stake. The change process of the synaptic heights, in the modelâs validation stage, with 4 million iterations, resulted in the bigger correlation coefficient between the assessed and the measured settlements (0.89), which is satisfactory regarding the preview of a complex phenomenon.

A utilizaÃÃo das redes neurais artificiais (RNA) na estimativa de recalques em fundaÃÃes profundas à comprovadamente uma ferramenta eficiente. Nos trabalhos de AmÃncio (2013) e Silveira (2014), o emprego das RNA apresentou bons resultados para a previsÃo de recalques em estacas hÃlices contÃnuas, estacas cravadas metÃlicas e estacas escavadas. PorÃm, algumas estacas modeladas apresentaram comportamento muito distante dos resultados reais, onde os resultados da modelagem indicaram aumentos bruscos na rigidez do sistema solo-estaca. Nesta pesquisa, foi desenvolvido um modelo com uma rede neural do tipo perceptron multicamadas de forma a melhorar o desempenho dos modelos de AmÃncio (2013) e Silveira (2014). Para desenvolvimento do trabalho, inicialmente foram feitas anÃlises dos resultados de sondagens à percussÃo do tipo SPT e provas de carga estÃticas das 199 estacas utilizadas no trabalho apresentado por Silveira (2014), fazendo-se uma avaliaÃÃo da consistÃncia das informaÃÃes, com o objetivo de ter um conjunto mais heterogÃneo e representativo. ApÃs a realizaÃÃo de alteraÃÃes, chegou-se a um conjunto com 141 estacas, totalizando 1.320 exemplos do tipo entrada-saÃda. Foram definidas como variÃveis de entrada do modelo: o tipo de estaca, o comprimento da estaca, o diÃmetro da estaca, o nÃmero representativo dos valores de NSPT ao longo do fuste da estaca (denominada NF), o NSPT na ponta da estaca, profundidade da camada de influÃncia da carga em relaÃÃo a ponta da estaca, o fator representativo das camadas de solo argiloso, o fator representativo das camadas de solo siltoso, o fator representativo das camadas de solo arenoso e a carga aplicada. Foram estudadas quatro diferentes formas de cÃlculo da variÃvel de entrada NF, sendo estas: soma, mÃdia, soma ponderada e mÃdia ponderada. Com as variÃveis de entrada apresentadas foram trabalhados modelos onde a variÃvel de saÃda fosse o recalque da fundaÃÃo profunda. A modelagem das RNA foi feita utilizando o programa QNET 2000, e foram realizados o treinamento e a validaÃÃo de diferentes arquiteturas. O modelo que teve melhor desempenho apresentou coeficiente de correlaÃÃo entre os recalques reais e os recalques modelados no treinamento de 0,99 e na validaÃÃo de 0,98. Os resultados obtidos mostraram-se melhores que os de AmÃncio (2013) e Silveira (2014), que na fase de validaÃÃo, apresentaram correlaÃÃes de 0,89 e 0,94 respectivamente. O modelo final deste trabalho possui uma arquitetura formada por 10 nÃs na camada de entrada, 34 neurÃnios distribuÃdos ao longo de quatro camadas ocultas e um neurÃnio na camada de saÃda (A:10-15-9-7-3-1), utilizando a mÃdia para cÃlculo do nÃmero representativo dos valores de NSPT ao longo do fuste da estaca. / use of artificial neural networks (ANN) in the estimation of settlements in foundations deep has proven an effective tool. The work of Amancio (2013) and Silveira (2014), the use of RNA showed good results for predicting settlements in continuous stakes propellers, metal piles driven and bored piles. However, some modeled stakes had far behavior of real results, where modeling results indicate sharp increases in stiffness soil-cutting system. In this research, it developed a model with a neural network of the multilayer perceptron to improve the performance of the models AmÃncio (2013) and Silveira (2014). To development work initially polls results of analyzes were made Percussion SPT and static load tests of 199 stakes used at work presented by Silveira (2014), making up an assessment of the consistency of the information, in order to have a more heterogeneous and the representative assembly. After conducting changes, has come up with a set with 141 stakes, totaling 1,320 examples of the type entrance exit. Were defined as model input variables: the type of pile, the length of the pile, the pile diameter, the number of representative values ​​when NSPT Over stake stem (called NF), the NSPT on the edge of the pile, depth of the layer the influence of load relative to the cutting edge, the factor representative of the soil layers clay, the representative factor of silty soil layers, the representative factor of the layers sandy soil and the applied load. Four different ways of calculation have been studied in NF input variable, which are: sum, average, weighted sum and weighted average. With input variables presented were worked models where the output variable was the repression of deep foundation. The modeling of RNA was made using the QNET program 2000 and were carried out training and validation of different architectures. The model had better performance showed correlation coefficient between the actual settlements and settlements modeled in the training of 0.99 and 0.98 in the validation. The results proved to be better than those of Amancio (2013) and Silveira (2014), which in the validation phase, They showed correlations of 0.89 and 0.94 respectively. The final model of this work has an architecture comprised of 10 nodes in the input layer, 34 neurons distributed throughout four hidden layers, and one neuron in the output layer (A: 10-15-9-7-3-1) using to calculate the average number of NSPT representative values ​​along the cutting shaft.

A Escherichia coli patogênica aviária (APEC), pertence à família Enterobacteriacea, é responsável por vários processos patológicos nas aves, atuando como agente primário ou secundário na aerossaculite, pericardite, perihepatite, peritonite, salpingite, onfalite, celulite, entre outros. O presente estudo aborda a resistência a antimicrobianos de amostras de E. coli (APEC) de uma forma inovadora, utilizando como ferramenta as redes neurais artificiais, metodologia inserida na linha de pesquisa do CDPA (Centro de Diagnóstico e Pesquisa em Patologia Aviária). A utilização de inteligência artificial, especificamente, as redes neurais artificiais (RNAs), está sendo crescentemente empregada como ferramenta para a análise de dados não lineares e multivariados, característica comum em fenômenos biológicos. O objetivo do presente trabalho foi demonstrar que é possível predizer o uso de antimicrobianos, utilizando trinta e oito genes responsáveis por distintos fatores de virulência, oriundos das amostras de Escherichia coli isoladas de frango de corte, através das redes neurais artificiais (RNAs). Além disso, verificou-se a relação entre o índice de patogenicidade (IP) e a resistência aos quatorze antimicrobianos que fazem parte do banco de dados usado para o desenvolvimento deste estudo. Neste trabalho foram utilizados os dados disponíveis referentes a 256 amostras de E. coli isoladas de camas de aviários, lesões de celulite e quadros respiratórios de frangos de corte. Para a confecção das redes neurais artificiais as entradas escolhidas foram: os índices de patogenicidade, as lesões induzidas em pintos de um dia de idade, a caracterização dos genes associados à patogenicidade, o bioquimismo, a origem das amostras e por fim, a motilidade. As redes neurais artificiais foram criadas realizando associações entre as variáveis de entrada com o objetivo de encontrar o modelo mais ajustado. As saídas utilizadas de acordo com Salle (2009) foram o comportamento das cepas de Escherichia coli frente aos 14 antimicrobianos. Para verificar se existia diferença significativa entre as médias dos índices de patogenicidade (IP) e as amostras sensíveis e resistentes aos 14 antimicrobianos utilizados neste estudo, realizou-se análise estatística com o auxílio do software JMP® 9.0.1 (SAS Institute Inc., 2010). Os resultados obtidos demonstram que as redes neurais artificiais foram capazes de realizar a classificação correta do comportamento das amostras com amplitude de 74,22% a 98,44%, desta forma tornando possível predizer a resistência antimicrobiana da Escherichia coli, através de modelo das RNAs. A análise estatística realizada para verificar a relação entre o IP e a resistência aos 14 antimicrobianos demonstrou que estas são variáveis independentes. Ou seja, podem haver picos no IP sem alteração na resistência antimicrobiana, ou até mesmo o contrário, alterações na resistência antimicrobiana sem mudanças no IP. / The avian pathogenic Escherichia coli (APEC), belongs to the family Enterobacteriacea, is responsible for various pathological processes in poultry, acting as an agent in the primary or secondary lesion such as: sacculitis, pericarditis, perihepatitis, peritonitis, salpingitis, omphalitis, cellulitis, among others. This study addresses the antimicrobial resistance of E. coli (APEC) strains in an innovative way, using tools such as artificial neural networks, methodology embedded in the CDPA´s search line (Center for Diagnostics and Research in Avian Pathology). The use of artificial intelligence, specifically artificial neural networks (RNAs), is being increasingly used as a tool for data analysis and nonlinear multivariate, common feature in biological phenomena. The objective of this study was to demonstrate that it is possible to predict the use of antimicrobials, using thirty-eight distinct genes responsible for virulence factors, derived from Escherichia coli isolates from broiler, through artificial neural networks (ANNs). Besides, it was found the relationship between pathogenicity index (PI) and resistance to fourteen antimicrobial forming part of the database used for the development of this study. In this study was used the data available for 256 samples of E. coli isolated from broiler litter, lesion of cellulitis and respiratory symptoms in broilers. To make the neural network inputs have been chosen: the indices of pathogenicity, the induced lesions in chicks at day old, characterization of genes associated with pathogenicity, biochemism, the source of samples and finally motility. Artificial neural networks have been created making associations between the input variables in order to find the best adjusted model. The outputs used according Salle (2009) was the behavior of Escherichia coli strains compared to 14 antimicrobials. To check whether there was a significant difference between the average indices for pathogenicity (IP) and the sensitive and resistant samples to 14 antimicrobials used in this study, statistical analysis was performed with the help of software JMP ® 9.0.1 (SAS Institute Inc., 2010). The results show that artificial neural networks were able of performing correct classification of the behavior of the samples with an amplitude of 74.22% to 98.44%, thereby making it possible to predict the antibiotic resistance of Escherichia coli, using ANNs model. The statistical analysis performed to assess the relationship between IP and resistance to 14 antibiotics showed that these variables are independent. That is, it can happen peaks in IP without change in antimicrobial resistance, or even the opposite, changes in antimicrobial resistance without changes in IP.