EMPREGABILIDADE DE REDES NEURAIS ARTIFICIAIS (RNA) NA PREDIÇÃO DA QUALIDADE DE PAINÉIS AGLOMERADOS
AUTOR(ES)
Melo, Rafael Rodolfo de, Miguel, Eder Pereira
FONTE
Rev. Árvore
DATA DE PUBLICAÇÃO
2016-10
RESUMO
RESUMO O presente trabalho tem como objetivo avaliar a empregabilidade de Redes Neurais Artificiais (RNA) na predição da qualidade de painéis aglomerados, baseando-se na análise de suas propriedades físicas e mecânicas. Desta forma, foram produzidos painéis aglomerados com partículas de Eucalyptus grandis e colados com dois tipos diferentes de resinas - ureia-formaldeído e fenol-formaldeído. Para caracterizar a qualidade dos painéis, foram avaliadas as propriedades físicas (densidade, absorção de água após 24 horas de imersão e inchamento em espessura após 24 horas de imersão) e mecânicas (resistência a flexão estática e ligação interna). Como variáveis de entradas das RNA, foram adotados o tipo de adesivo e a densidade dos painéis, visando predizer as demais variáveis avaliadas. Foram adotadas Redes do tipo Perceptrons de múltiplas camadas, sendo treinadas 100 redes para cada um dos parâmetros avaliados. Os resultados obtidos indicaram ser o uso de RNA uma ferramenta eficiente na predição da qualidade de painéis aglomerados. Todas as propriedades avaliadas com uso desta técnica no presente estudo apresentaram modelos com ajustes superiores a 0,90.
ASSUNTO(S)
inteligência artificial painéis de partículas propriedades físico-mecânicas
Documentos Relacionados
- Aplicação de redes neurais artificiais (RNA) na análise e classificação de áreas cafeeiras da Região de Machado-MG.
- Aplicação de redes neurais artificiais (RNA) na análise e classificação de áreas cafeeiras da Região de Machado-MG.
- Redes neurais artificiais (RNA) para identificação de áreas cafeeiras em imagens de satélite: treinamento e definição de arquiteturas.
- Redes neurais artificiais (RNA) para identificação de áreas cafeeiras em imagens de satélite: treinamento e definição de arquiteturas.
- Redes neurais artificiais aplicadas na caracterização e predição de regiões promotoras