Sensoriamento ambiental com gymnotiformes (pisces).

???item.export.label???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/3115

Full metadata record

DC Field	Value	Language
dc.creator	Schwertner Filho, Gilberto	-
dc.creator.Lattes	http://lattes.cnpq.br/6768576719778466	por
dc.contributor.advisor1	Gomes, Jose Antônio Alves	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/9910235333145697	por
dc.date.available	2015-04-07	-
dc.date.issued	2010-12-08	-
dc.identifier.citation	SCHWERTNER FILHO, Gilberto. Sensoriamento ambiental com gymnotiformes (pisces).. 2010. 114 f. Tese (Doutorado em Biotecnologia) - Universidade Federal do Amazonas, Manaus, 2010.	por
dc.identifier.uri	http://tede.ufam.edu.br/handle/tede/3115	-
dc.description.resumo	A Amazônia Brasileira contém a maior diversidade conhecida de peixes da Ordem Gymnotiformes. Estes peixes elétricos, como são popularmente conhecidos, têm sido intensamente estudados por causa de sua capacidade bioelétrica. Em função destes dois fatores, neste estudo desenvolveu-se procedimentos biotecnológicos para sensoriamento ambiental por meio do processamento e análise das descargas do órgão elétricos (DOEs) de Gymnotiformes. Estes procedimentos geraram subsídios para compor um sistema de alerta ambiental, com peixes elétricos como biossensores de contaminações por petróleo na água, com dois principais fatores modelados: depleção de oxigênio dissolvido (hipoxia) e a presença da fração solúvel de petróleo em água (Benzeno, Tolueno, Etilbenzeno e Xileno - BTEX). Foram desenvolvidos algoritmos computacionais utilizando-se técnicas de inteligência artificial com redes neurais artificiais de múltiplas camadas. Estes algoritmos foram testados para o reconhecimento de padrões nas DOEs de Gymnotiformes, com a classificação por meio de características mais basais da taxa de repetição (pulso e onda), e, com a classificação por Genero de Gymnotiformes onduladores. Redes neurais artificiais de uma camada interna com 64 neurônios, algoritmo de treinamento retropropagativo com renovação das taxas de aprendizados por relações heurísticas e validação cruzada via erro médio quadrático, obtiveram máxima performance na avaliação computacional das DOEs.	por
dc.description.sponsorship	Fundação de Amparo à Pesquisa do Estado do Amazonas	-
dc.format	application/pdf	por
dc.thumbnail.url	http://200.129.163.131:8080//retrieve/7693/TESE_GILBERTO.pdf.jpg	*
dc.language	por	por
dc.publisher	Universidade Federal do Amazonas	por
dc.publisher.department	Instituto de Ciências Biológicas	por
dc.publisher.country	BR	por
dc.publisher.initials	UFAM	por
dc.publisher.program	Programa de Pós-Graduação em Biotecnologia	por
dc.rights	Acesso Aberto	por
dc.subject	Peixes Elétricos Neotropicais, Biomonitoramento, Redes Neurais Artificiais.	por
dc.subject	Neotropical Electric Fish, Biomonitoring, Artificial Neural Networks.	eng
dc.subject.cnpq	CIÊNCIAS BIOLÓGICAS	por
dc.title	Sensoriamento ambiental com gymnotiformes (pisces).	por
dc.type	Tese	por
Appears in Collections:	Doutorado em Biotecnologia

Files in This Item:

File	Description	Size	Format
TESE_GILBERTO.pdf		7.17 MB	Adobe PDF	Download/Open Preview ×

Show simple item record Recommend this item

Universidade Federal do Amazonas