Estimativa do peso ao nascer em cabritos alpinos usando medidas corporais: uma comparação entre redes neurais artificiais e modelos de regressão linear múltipla

O presente estudo foi conduzido para estimar o peso corporal de cabritos alpinos, tomando algumas medidas corporais por meio de rede neural artificial (RNA) e análise de regressão linear múltipla (RLM). Para tanto, foram coletados o peso total ao nascer de 97 cabritos, além de medidas corporais como altura da cernelha, altura da garupa, profundidade do peito, perímetro torácico e comprimento do corpo. Os critérios de desempenho do modelo usados para comparar redes neurais e os resultados de ajuste da análise de regressão são os coeficiente de determinação (R²) e o Erro Quadrático Médio (EEM). Nas análises usando redes neurais artificiais, foram aplicados os algoritmos Levenberg-Marquardt (LM), Regularização Bayesiana (RB) e Gradiente Conjugado Escalonado (GCE). Os resultados mostraram que o algoritmo LM produziu os melhores resultados, alcançando os maiores valores de R² e os menores valores de EEM entre os algoritmos de treinamento de RNA. O modelo RNA (R² = 0.9173; EEM = 0.0006) superou o modelo RLM (R² = 0.791; EEM = 0.101) na previsão do peso ao nascer de cabritos da raça Alpine.

Palavras-chave:
produção caprina; Turquia; aprendizado de máquina; modelagem preditiva