SBICafé
Biblioteca do Café

Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee

Show simple item record

dc.contributor.author Silva, Gabi Nunes
dc.contributor.author Nascimento, Moysés
dc.contributor.author Sant’Anna, Isabela de Castro
dc.contributor.author Cruz, Cosme Damião
dc.contributor.author Caixeta, Eveline Teixeira
dc.contributor.author Carneiro, Pedro Crescêncio Souza
dc.contributor.author Rosado, Renato Domiciano Silva
dc.contributor.author Pestana, Kátia Nogueira
dc.contributor.author Almeida, Dênia Pires de
dc.contributor.author Oliveira, Marciane da Silva
dc.date.accessioned 2018-11-14T10:38:08Z
dc.date.available 2018-11-14T10:38:08Z
dc.date.issued 2017-03
dc.identifier.citation SILVA, G. N. et al. Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee. Pesquisa Agropecuária Brasileira, Brasília, v.52, n.3, p.186-193, mar. 2017. pt_BR
dc.identifier.issn 1678-3921
dc.identifier.uri http://dx.doi.org/10.1590/s0100-204x2017000300009 pt_BR
dc.identifier.uri http://www.sbicafe.ufv.br/handle/123456789/10369
dc.description.abstract The objective of this work was to evaluate the use of artificial neural networks in comparison with Bayesian generalized linear regression to predict leaf rust resistance in Arabica coffee (Coffea arabica). This study used 245 individuals of a F 2 population derived from the self-fertilization of the F 1 H511-1 hybrid, resulting from a crossing between the susceptible cultivar Catuaí Amarelo IAC 64 (UFV 2148-57) and the resistant parent Híbrido de Timor (UFV 443-03). The 245 individuals were genotyped with 137 markers. Artificial neural networks and Bayesian generalized linear regression analyses were performed. The artificial neural networks were able to identify four important markers belonging to linkage groups that have been recently mapped, while the Bayesian generalized model identified only two markers belonging to these groups. Lower prediction error rates (1.60%) were observed for predicting leaf rust resistance in Arabica coffee when artificial neural networks were used instead of Bayesian generalized linear regression (2.4%). The results showed that artificial neural networks are a promising approach for predicting leaf rust resistance in Arabica coffee. pt_BR
dc.description.abstract O objetivo deste trabalho foi avaliar o uso de redes neurais artificiais em comparação à modelagem por meio de modelos lineares generalizados na predição de resistência à ferrugem em café arábica (Coffea arabica). Foram utilizados 245 indivíduos provenientes de uma população F 2 , oriundos da autofecundação do híbrido F 1 H511-1, resultante do cruzamento da cultivar suscetível Catuaí Amarelo IAC 64 (UFV 2148- 57) e do genitor resistente Híbrido de Timor (UFV 443-03). Os 245 indivíduos foram genotipados com 137 marcadores. Realizaram-se análises com redes neurais artificiais e com modelos lineares generalizados sob o enfoque bayesiano. As redes neurais identificaram quatro marcadores importantes pertencentes a grupos de ligação que foram recentemente mapeados, enquanto o modelo generalizado bayesiano identificou somente dois marcadores pertencentes a esses grupos. Foram observadas taxas de erro de predição inferiores (1,60%) para predizer a resistência à ferrugem em café arábica, quando foram utilizadas as redes neurais artificiais em vez de modelos lineares generalizados sob o enfoque bayesiano (2,4%). Os resultados mostraram que as redes neurais artificiais são uma abordagem promissora para predizer a resistência à ferrugem em café arábica pt_BR
dc.format pdf pt_BR
dc.language.iso en pt_BR
dc.publisher Empresa Brasileira de Pesquisa Agropecuária - Embrapa pt_BR
dc.relation.ispartofseries Pesquisa Agropecuária Brasileira;v.52, n.3, p.186-193,2017
dc.rights Open Access pt_BR
dc.subject Coffea arabica pt_BR
dc.subject Hemileia vastatrix pt_BR
dc.subject Inteligência artificial pt_BR
dc.subject Marcadores moleculares pt_BR
dc.subject Predição pt_BR
dc.subject.classification Cafeicultura::Genética e melhoramento pt_BR
dc.title Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee pt_BR
dc.title Redes neurais artificiais comparadas com modelos lineares generalizados sob o enfoque bayesiano para predição de resistência à ferrugem em café arábica pt_BR
dc.type Artigo pt_BR

Files in this item

Files Size Format View
Pesq. Agropec. ... n. 3_p. 186 - 193_2017.pdf 447.6Kb application/pdf View/Open ou Pre-visualizar

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Sobre o SBICafé

Browse

My Account