título do resumo - Anais Unicentro

DESENVOLVIMENTO DE UM MODELO NEURAL: APLICAÇÃO FILMES
BIODEGRADÁVEIS A PARTIR DO AMIDO DE MANDIOCA
Jhonatan Soultovski de Lima (BIC/ARAUCÀRIA – Ações Afirmativas/UEPG),
Renata Baraldi de Pauli (Co-autor), Leda Battestin Quast (Co-autor)
Elis Regina Duarte (Orientadora), e-mail: [email protected]
Universidade Estadual de Ponta Grossa/Departamento de Engenharia de
Alimentos/Ponta Grossa, PR.
Palavras-chave: Filmes Biodegradáveis, Propriedades Mecânicas e Redes
Neurais Artificiais.
Resumo:
Estudos sobre a utilização de embalagens biodegradáveis em
substituição das embalagens convencionais se mostram em constante
crescimento, principalmente devido à preocupação ambiental. Neste trabalho
o filme avaliado foi produzido a partir do amido de mandioca. O objetivo foi
desenvolver um modelo que relaciona propriedades mecânicas (Elongação e
Tração) e as variáveis de entrada avaliadas foram os amidos in natura e
oxidado em diferentes concentrações, através de Redes Neurais Artificiais.
As redes possuem três camadas e algoritmo de aprendizagem
Backpropagation. Foram utilizados 12 e 6 dados experimentais para
aprendizagem e teste das redes, respectivamente. Para determinar a
arquitetura do modelo neural, variou-se o número de neurônios da camada
intermediária, funções de ativação e a taxa de aprendizagem. Após a análise
das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou
um melhor desempenho comparada a tangente hiperbólica e que o número
de neurônios e taxa de aprendizagem influenciam diretamente o erro.
Conclui-se após avaliar as configurações estudadas que o modelo neural
terá melhor desempenho com a função de ativação sigmoidal, cinco
neurônios na camada intermediária e taxa de aprendizagem de 0.2.
Introdução
A poluição do meio ambiente devido o descarte de materiais plásticos
na natureza tem sido um dos grandes problemas mundiais. Para diminuir
esse problema existe a possibilidade de utilizar os filmes biodegradáveis. O
amido é um dos principais compostos para a fabricação desses biofilmes,
porque é encontrado em abundância na natureza e tem alta degrabilidade
quando lançado no meio ambiente.
De acordo com a utilização da embalagem, esta pode ter
características específicas, como uma embalagem mais rígida ou mais
flexível. E estas características podem ser avaliadas através de suas
propriedades mecânicas, entre elas a elongação e a tração.
Anais do XIX EAIC – 28 a 30 de outubro de 2010, UNICENTRO, Guarapuava –PR.
O desenvolvimento de um modelo que relaciona estas propriedades
mecânicas com as variáveis de operação auxilia no desenvolvimento de
filmes com as características desejadas.
As Redes Neurais Artificiais (RNA’s) tem se tornado foco de muitas
pesquisas principalmente devido a sua capacidade de aprendizado, ampla
aplicabilidade e facilidade com que armazena o conhecimento experimental
e o torna disponível para diferentes aplicações.
O objetivo deste trabalho foi desenvolver um modelo baseado em
RNA’s, para avaliação das propriedades mecânicas de filmes
biodegradáveis produzidos a partir do amido de mandioca.
Materiais e métodos
Os dados experimentais foram obtidos por Pauli e colaboradores
(2009), para a produção dos filmes utilizaram o amido in natura e oxidado
(0,8 e 2%). Os filmes foram elaborados em um viscosímetro de rápida
análise (RVA) de acordo com a técnica de casting, foram testadas diferentes
concentrações de amido: 2, 3, 4 e 5% o plastificante foi o glicerol na
proporção de 25% em relação à massa de amido.
A suspensão foi gelatinizada a 95ºC por 15 minutos a uma agitação
de 160 rpm. A solução gelatinizada foi vertida em placas de acrílico e secada
a 35ºC por cerca de 5 horas em estufa com circulação forçada de ar.
Nestes filmes foram testadas as propriedades mecânicas de
elongação e tração, que serão utilizadas para treinamento e teste das redes,
conforme as Tabelas 1 e 2, respectivamente.
Tabela 1 – Dados Utilizados Para Treinar as Redes
Variáveis de Entrada
Variáveis de Saída
Amido Oxidado Concentração de
Elongação
Tensão Máxima
e Amido in
Amido
natura
2.00
2.00
15.19
39.18
2.00
3.00
14.40
27.75
2.00
4.00
19.02
63.81
2.00
5.00
17.87
65.37
0.8
2.00
6.48
67.87
0.8
3.00
12.96
44.89
0.8
4.00
14.64
81.47
0.8
5.00
17.18
69.68
0.00
2.00
44.57
25.27
0.00
3.00
55.73
19.10
0.00
4.00
55.03
20.77
0.00
5.00
34.00
22.50
Tabela 2 – Dados Utilizados Para Testar as Redes
Anais do XIX EAIC – 28 a 30 de outubro de 2010, UNICENTRO, Guarapuava –PR.
Variáveis de Entrada
Amido Oxidado e Concentração de
Amido in natura
Amido
2.00
4.00
2.00
3.00
2.00
5.00
0.8
3.00
0.00
2.00
0.00
3.00
Variáveis de Saída
Elongação
Tensão Máxima
21.74
13.36
19.32
15.32
45.57
56.72
66.16
31.85
57.02
53.14
27.52
23.91
Resultados e Discussão
As RNA’s estudadas possuem três camadas, sendo uma camada de
entrada onde os padrões são apresentados à rede, uma camada
intermediária onde ocorre o processamento das informações e uma camada
de saída na qual o resultado é apresentado.
Para determinar a arquitetura do modelo neural, variou-se o número
de neurônios da camada intermediária (2, 3, 4, 5, 6, 7, 8 e 9) funções de
ativação sigmoidal e tangente hiperbólica e a taxa de aprendizagem (0.01,
0.2, 0.5 e 0.9). Para definir a melhor configuração de rede foram
comparados os erros quadráticos gerados na fase de teste.
Os resultados para as configurações testadas foram separados de
acordo com as funções de ativação sigmoidal (Figura 1) e tangente
hiperbólica (Figura 2).
0,18
0,16
0,14
E rros
0,12
0,1
E S ig0.01
0,08
E S ig0.2
0,06
E S ig0.5
0,04
E S ig0.9
0,02
0
2
3
4
5
6
7
8
9
Neurônios
Figura 1 – Erros da taxa de aprendizagem sigmoidal X neurônios
Através da Figura 1 observa-se que quanto maior o número de
neurônios na camada intermediária menor o erro, e que a partir de 5
neurônios os erros ficaram muito próximos para rede treinada com taxa de
aprendizagem de 0.2.
Anais do XIX EAIC – 28 a 30 de outubro de 2010, UNICENTRO, Guarapuava –PR.
12
10
Erros
8
6
ETan 0.01
4
ETan 0.2
ETan 0.5
2
ETan 0.9
0
2
3
4
5
6
Neurônios
7
8
9
Figura 2 – Erros da taxa de aprendizagem tangente hiperbólica X neurônios
Com os resultados obtidos observou-se que a função tangente
hiperbólica tem comportamento similar ao da sigmoidal a partir de 5
neurônios os erros ficam muito próximos para as taxas de aprendizagem 0.2
e 0.01, mas a escala dos erros são maiores, demonstrando um melhor
desempenho para função sigmoidal. Com as taxas de aprendizagem 0.5 e
0.9 os erros apresentados foram muito grandes, isso porque este parâmetro
influência na velocidade do treinamento, mostrando que a rede não
conseguiu ajustar os pesos com estes parâmetros para o número de
iterações definido.
Conclusões
Após análise dos resultados conclui-se que no treinamento das redes
a quantidade de neurônios na camada intermediaria é um parâmetro
importante, pois este influência diretamente o erro e o tempo de
aprendizagem. O modelo neural terá a configuração: função sigmoidal, cinco
neurônios na camada intermediária e taxa de aprendizagem 0.2. Com o
modelo neural desenvolvido é possível desenvolver filmes com as
características desejadas, pois as redes conseguem determinar quais
variáveis de entrada deverão ser usadas para atingir tais características.
Agradecimentos
Agradeço à Fundação Araucária pelo apoio financeiro.
Referências
FERNANDES, Anita Maria de Rocha. Inteligência Artificial: noções gerais.
Florianópolis: Visual Books, 2005.
PAULI, RENATA B. de, SAKANAKA, LYSSA S., DEMIATE, IVO M., QUAST,
LEDA B. Análise das Propriedades Mecânicas de Filmes Biodegradáveis
Elaborados a Base de Amido de Mandioca Oxidado. Aprovado para: Anais
do XVIII EAIC – 30 de setembro a 2 de outubro de 2009.
Anais do XIX EAIC – 28 a 30 de outubro de 2010, UNICENTRO, Guarapuava –PR.