Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.contributor | Casanova, Dalcimar | - |
Autor(es): dc.contributor | Teixeira, Marcelo | - |
Autor(es): dc.contributor | Klotz, Darlan Felipe | - |
Autor(es): dc.contributor | Ribeiro, Richardson | - |
Autor(es): dc.creator | Ceretta, Gean Michel | - |
Data de aceite: dc.date.accessioned | 2022-08-04T20:19:37Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T20:19:37Z | - |
Data de envio: dc.date.issued | 2022-05-20 | - |
Data de envio: dc.date.issued | 2022-05-20 | - |
Data de envio: dc.date.issued | 2021-11-10 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/28612 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/706758 | - |
Descrição: dc.description | Machine learning, search and mutation methods were applied to find ambience parameters (also called action plans) for broiler house controllers, capable of providing greater weight gains by feed consumption, with the potential to increase productivity. Setting temperature and humidity parameters that are capable of providing the necessary thermal comfort for the good development of broilers traditionally depends on the empirical knowledge of a poultry specialist. The study carried out here is based on previous literature on the application of machine learning, search and optimization methods using genetic algorithms, but applied to a real database of an automation company in the poultry sector, collected automatically, covering the stages of data engineering, selection of relevant learning characteristics, learning model training, productivity prediction based on ambience parameters, search and mutation using genetic algorithms to obtain candidates for action plans for higher productivity. At the end, the expected productivity for the proposed action plan is compared with a sample from the database and with the literature. Aspects that could improve forecasts for future work in the area are also presented. | - |
Descrição: dc.description | Métodos de aprendizagem de máquina, busca e mutação foram empregados para encontrar parâmetros de ambiência (também chamados de planos de ação) para controladores de aviários de frango de corte, capazes de proporcionar maiores ganhos de peso por consumo de alimento, com o potencial de aumentar a produtividade. Configurar parâmetros de temperatura e umidade que sejam capazes de trazer o conforto térmico necessário para o bom desenvolvimento dos frangos tradicionalmente depende do conhecimento empírico de um especialista em manejo. O estudo aqui realizado baseia-se em literaturas anteriores de aplicação métodos de aprendizagem de máquina, busca e otimização utilizando algoritmos genéticos, porém empregados a uma base de dados reais de empresa de automação do setor avícola, coletados de forma automática, abordando desde as etapas de engenharia de dados, seleção das características relevantes para aprendizagem, treinamento do modelo de aprendizagem, previsão da produtividade baseado em parâmetros de ambiência, busca e mutação utilizando algoritmos genéticos para obter candidados a planos de ação para maior produtividade. Ao final, a produtividade prevista para o plano de ação proposto é comparada com amostra da base de dados e com a literatura. Também são aprensentados aspectos que poderiam melhorar as previsões para trabalhos futuros na área. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Pato Branco | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Departamento Acadêmico de Informática | - |
Publicador: dc.publisher | Engenharia de Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | https://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Estratégias de aprendizagem | - |
Palavras-chave: dc.subject | Aves - Criação | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Algoritmos genéticos | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Learning strategies | - |
Palavras-chave: dc.subject | Aviculture | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | Genetic algorithms | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Otimização do clima avícola para maior produtividade | - |
Título: dc.title | Optimization of poultry climate for greater productivity | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: