1. TEDE
  2. Unidade Manaus
  3. Programa de Pós-Graduação em Biotecnologia
  4. Doutorado em Biotecnologia
???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/3115
Full metadata record
DC FieldValueLanguage
dc.creatorSchwertner Filho, Gilberto-
dc.creator.Latteshttp://lattes.cnpq.br/6768576719778466por
dc.contributor.advisor1Gomes, Jose Antônio Alves-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9910235333145697por
dc.date.available2015-04-07-
dc.date.issued2010-12-08-
dc.identifier.citationSCHWERTNER FILHO, Gilberto. Sensoriamento ambiental com gymnotiformes (pisces).. 2010. 114 f. Tese (Doutorado em Biotecnologia) - Universidade Federal do Amazonas, Manaus, 2010.por
dc.identifier.urihttp://tede.ufam.edu.br/handle/tede/3115-
dc.description.resumoA 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.sponsorshipFundação de Amparo à Pesquisa do Estado do Amazonas-
dc.formatapplication/pdfpor
dc.thumbnail.urlhttp://200.129.163.131:8080//retrieve/7693/TESE_GILBERTO.pdf.jpg*
dc.languageporpor
dc.publisherUniversidade Federal do Amazonaspor
dc.publisher.departmentInstituto de Ciências Biológicaspor
dc.publisher.countryBRpor
dc.publisher.initialsUFAMpor
dc.publisher.programPrograma de Pós-Graduação em Biotecnologiapor
dc.rightsAcesso Abertopor
dc.subjectPeixes Elétricos Neotropicais, Biomonitoramento, Redes Neurais Artificiais.por
dc.subjectNeotropical Electric Fish, Biomonitoring, Artificial Neural Networks.eng
dc.subject.cnpqCIÊNCIAS BIOLÓGICASpor
dc.titleSensoriamento ambiental com gymnotiformes (pisces).por
dc.typeTesepor
Appears in Collections:Doutorado em Biotecnologia

Files in This Item:
File Description SizeFormat 
TESE_GILBERTO.pdf7.17 MBAdobe PDFThumbnail

Download/Open Preview
Show simple item record Recommend this item


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.