
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Mariano, F. C. M. Q. | - |
| Autor(es): dc.creator | Lima, R. R. | - |
| Autor(es): dc.creator | Alvarenga, R. R. | - |
| Autor(es): dc.creator | Rodrigues, P. B. | - |
| Autor(es): dc.creator | Lacerda, W. S. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:18:06Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:18:06Z | - |
| Data de envio: dc.date.issued | 2020-08-29 | - |
| Data de envio: dc.date.issued | 2020-08-29 | - |
| Data de envio: dc.date.issued | 2014-08 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br//handle/1/42712 | - |
| Fonte completa do material: dc.identifier | https://link.springer.com/article/10.1007/s00521-014-1680-3 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1137947 | - |
| Descrição: dc.description | A committee of neural networks is the aggregation of two or more neural networks for making overall predictions that are supposedly more accurate than those obtained by the individual networks. The objective of this paper was to assign some uncertainty over the predictions of neural networks, using a network committee to estimate the nitrogen-corrected metabolizable energy (AMEn) values of the energetic and protein concentrate feedstuffs for broilers. The dataset used to implement each expert network contains 568 experimental results. Another dataset with 48 bioassay results was used as test data. From several implemented multilayer perceptrons, the networks that presented the best generalization performance were selected to constitute the committee. The percentage of correct predictions was used as the criterion to compare committees that contained different numbers of networks. The highest probability density intervals were obtained for each feedstuff in the test data in this comparison. The estimator that ensured more accurate predictions was selected. The highest accuracy for predicting the AMEn values of concentrate feedstuffs for broilers was achieved by a committee with 1,000 networks with the use of the mode of the empirical distribution obtained from 1,000 estimated values of the AMEn. The accuracy of the models was evaluated based on their values of error measures between the observed and predicted values, in which the mode of the empirical distribution presented lower values of mean squared error (MSE = 45,285.43), mean absolute deviation (MAD = 177.66) and mean absolute percentage error (MAPE = 5.97 %) compared to the mean and the median. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Neural Computing & Applications | - |
| Palavras-chave: dc.subject | Committee machine | - |
| Palavras-chave: dc.subject | Ensemble estimators | - |
| Palavras-chave: dc.subject | HPD intervals | - |
| Palavras-chave: dc.subject | Metabolizable energy | - |
| Palavras-chave: dc.subject | Highest probability density (HPD) | - |
| Título: dc.title | Neural network committee to predict the AMEn of poultry feedstuffs | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: