Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/49381
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Marcos Xavier Silva | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1407172552612027 | pt_BR |
dc.contributor.advisor-co1 | Mônica Maria Oliveira Pinho Cerqueira | pt_BR |
dc.contributor.advisor-co2 | Frederico Gualberto Ferreira Coelho | pt_BR |
dc.contributor.referee1 | Elisa Helena Paz Andrade | pt_BR |
dc.contributor.referee2 | Soraia de Araujo Diniz | pt_BR |
dc.creator | Mariana de Assis Lopes Frankó | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/324256012690593 | pt_BR |
dc.date.accessioned | 2023-02-01T17:18:03Z | - |
dc.date.available | 2023-02-01T17:18:03Z | - |
dc.date.issued | 2022-11-30 | - |
dc.identifier.uri | http://hdl.handle.net/1843/49381 | - |
dc.description.resumo | O leite é uma das commodities mais produzidas e relevantes por ser um produto com alto valor nutricional e baixo custo para o consumidor se comparado a outras fontes de nutrientes. Por este motivo pode ser um importante meio de cultura e de transmissão de doenças se não for cuidadosamente manipulador, estocado, transportado e processado. Objetivou-se avaliar e comparar a performance de três modelos de ML para previsão da CPP do leite cru que chega às plataformas do laticínio. Comparou-se três modelos de ML, o Support Vector Machine (SVM), XGBoosting e redes neurais MultiLayer Perceptron (MLP). Obtivemos um resultado com RMSE de 5,4887410; 4,7333138; 6,0639758 respectivamente e um MAPE de 0,63%; 0,06%; 0,92%, demonstrando que a rede XGBoosting foi a que apresentou menor erro, porém os três modelos são eficientes para prever a CPP do leite e são estatisticamente semelhantes. | pt_BR |
dc.description.sponsorship | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | VETER - ESCOLA DE VETERINARIA | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Ciência Animal | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/pt/ | * |
dc.subject | leite qualidade | pt_BR |
dc.subject | Leite analise | pt_BR |
dc.title | Uso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológico | pt_BR |
dc.type | Dissertação | pt_BR |
dc.identifier.orcid | 0000-0001-8093-0635 | pt_BR |
Appears in Collections: | Dissertações de Mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
DISSERTAÇÃO MARIANA_rev.29.01.2022.pdf | Uso de Machine Learning para previsão de contagem padrão em placas de leite cru refrigerado antes de seu processamento tecnológico | 1.46 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License