Made available in DSpace on 2015-04-20T12:31:43Z (GMT). No. of bitstreams: 1
TESE_GILBERTO.pdf: 7344117 bytes, checksum: 7ee42bd37c36d7f42cd43ff6b511a8d2 (MD5)
Previous issue date: 2010-12-08 / Fundação de Amparo à Pesquisa do Estado do Amazonas / A Amazônia Brasileira contém a maior diversidade conhecida de peixes da Ordem Gymnotiformes. Estes peixes elétricos, como são popularmente conhecidos, têm sido intensamente estudados por causa de sua capacidade bioelétrica. Em função destes dois fatores, neste estudo desenvolveu-se procedimentos biotecnológicos para sensoriamento ambiental por meio do processamento e análise das descargas do órgão elétricos (DOEs) de Gymnotiformes. Estes procedimentos geraram subsídios para compor um sistema de alerta ambiental, com peixes elétricos como biossensores de
contaminações por petróleo na água, com dois principais fatores modelados: depleção de oxigênio dissolvido (hipoxia) e a presença da fração solúvel de petróleo em água (Benzeno, Tolueno, Etilbenzeno e Xileno - BTEX). Foram desenvolvidos algoritmos computacionais utilizando-se técnicas de inteligência artificial com redes neurais artificiais de múltiplas camadas. Estes algoritmos
foram testados para o reconhecimento de padrões nas DOEs de Gymnotiformes, com a classificação por meio de características mais basais da taxa de repetição (pulso e onda), e, com a classificação por Genero de Gymnotiformes
onduladores. Redes neurais artificiais de uma camada interna com 64 neurônios, algoritmo de treinamento retropropagativo com renovação das taxas de aprendizados por relações heurísticas e validação cruzada via erro médio quadrático, obtiveram máxima performance na avaliação computacional das DOEs.
Identifer | oai:union.ndltd.org:IBICT/oai:http://localhost:tede/3115 |
Date | 08 December 2010 |
Creators | Schwertner Filho, Gilberto |
Contributors | Gomes, Jose Antônio Alves |
Publisher | Universidade Federal do Amazonas, Programa de Pós-Graduação em Biotecnologia, UFAM, BR, Instituto de Ciências Biológicas |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM |
Rights | info:eu-repo/semantics/openAccess |
Relation | 32215883775770440, 600 |
Page generated in 0.0019 seconds