Made available in DSpace on 2015-03-26T13:42:29Z (GMT). No. of bitstreams: 1
texto completo.pdf: 665559 bytes, checksum: 20e883c9a1b228fc8f3e959a0a0064c6 (MD5)
Previous issue date: 2013-03-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The aim this present work were from the simulated population, make replication or enlargement of populations sets, with the same characteristics off from average, herdability and variation coefficient and organization (covariance or correlation matrix), by means of spectral decomposition, and evaluable efficiency of use artificial neural network in the prediction genetics value in randomized blocks experiments. The design used to simulation of the experiments was randomized blocks with six repetitions. They were simulated 80 conformation, when get established values of average, herdability and experimental variation coefficient. Experiments simulated were used to training (experiment with 5000 genotypes) and validation (100 experiment with 150n and 200 genotypes by each conformation). Thus to measurement the efficiency of the ANN in prediction of genetic value compared its correlation between network value with genetic value and correlation between phenotypic value with genetic value. Average, herdability, variation coefficient and variance and covariance matrix were maintained constant in all experiments simulated. It was possible through spectral decomposition techniques. Neural network were efficient for prediction of genetic value with gain 0,64 until 10,3% in relation phenotypic value regardless of size from populations, herdability or variation coefficient simulated. Thus concluded that preservation variance and covariance matrix of experimental data was efficiently performed by using spectral decomposition of the matrix observed. Therefore datasets simulated can be used to training of the ANNs maintaining original populations characteristics. Thus it was found that ANNs is a technique more efficient by prediction of genetic value in balanced experiments, when compared with phenotype value (average). / Os objetivos do presente trabalho foram a partir das populações simuladas, fazer a replicação ou a ampliação de conjuntos populacionais, com as mesmas características pontuais de média, herdabilidade e coeficiente de variação e de estruturação (matriz de covariância ou de correlações), por meio da utilização da t écnica de decomposição espectral, e avaliar a eficiência da utilização das redes neurais artificiais na predição do valor genético em experimentos em blocos casualizados. O delineamento utilizado para simulação dos experimentos foi blocos casualizados contendo seis repetições. Foram simuladas 80 cenários, que possuíam valores estabelecidos para a média, a herdabilidade e coeficiente de variação experimental. Os experimentos simulados foram utilizadas para treinamento (experimento com 5000 genótipos) e validação (100 experimentos com 150 ou 200 genótipos para cada cenário). Para medir a eficiência da RNA na predição do valor genético comparou-se a correlação do valor de rede com o valor genético e a correlação do valor fenotípico com a valor genético. A média, herdabilidade, CV e a matriz de variância e covariância foram mantidos constantes em todos os experimentos simulados. Isso foi possível através da utilização da técnica de decomposição espectral. As redes neurais foram eficientes para predição do valor genético com ganho de 0,64 a 10,3% em relação ao valor fenotípico independente do tamanho de população utilizada, da herdabilidade ou do coeficiente de variação simulado. Assim concluiu-se que a preservação da matriz de variâncias e covariâncias de dados experimentais foi eficientemente realizada por meio do uso da decomposição espectral da matriz observada. Portanto os conjuntos de dados simulados podem ser utilizados para treinamento das RNAs mantendo as características da população original. Assim verificou-se que as RNAs é uma técnica mais eficiente na predição do valor genético em experimentos balanceados, quando comparado ao valor fenotípico (média).
| Identifer | oai:union.ndltd.org:IBICT/oai:localhost:123456789/4786 |
| Date | 20 March 2013 |
| Creators | Peixoto, Leonardo de Azevedo |
| Contributors | Cruz, Cosme Damião, Carneiro, Pedro Crescêncio Souza, Bhering, Leonardo Lopes, Nascimento, Moysés |
| Publisher | Universidade Federal de Viçosa, Mestrado em Genética e Melhoramento, UFV, BR, Genética animal; Genética molecular e de microrganismos; Genética quantitativa; Genética vegetal; Me |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFV, instname:Universidade Federal de Viçosa, instacron:UFV |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds