Navegando por Autor "Silva, Fabyano Fonseca e"

Filtrar resultados informando as primeiras letras
Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Análise de medidas repetidas na avaliação de clones de café 'Conilon
    (Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2008-09) Cecon, Paulo Roberto; Silva, Fabyano Fonseca e; Ferreira, Adésio; Ferrão, Romário Gava; Carneiro, Antônio Policarpo Souza; Detmann, Edenio; Faria, Priscila Neves; Morais, Telma Suely da Silva
    O objetivo deste trabalho foi analisar a produção de 50 clones de café 'Conilon' (Coffea canephora), por meio da análise de medidas repetidas, para identifi cá-los e agrupá-los para a formação de variedades mais produtivas e, simultaneamente, modelar possíveis oscilações da produção ao longo do tempo. A infl uência de ciclos produtivos foi considerada, tendo-se modelado as correlações existentes entre anos subseqüentes, de forma efi ciente, por meio da metodologia de análise de medidas repetidas, para avaliar produções dos materiais genéticos em cinco safras (1997 a 2001), o que possibilitou captar oscilações anuais na produção, ao longo do ciclo produtivo de C. canephora, relacionadas às maiores produções no terceiro e quarto anos. Além disso, a análise de grupo classifi cou os 50 materiais avaliados em apenas 10 grupos, de acordo com o padrão de oscilação da produção identifi cado pelo modelo de regressão adotado.
  • Imagem de Miniatura
    Item
    Genomic prediction of leaf rust resistance to Arabica coffee using machine learning algorithms
    (Escola Superior de Agricultura "Luiz de Queiroz", 2021) Sousa, Ithalo Coelho de; Nascimento, Moysés; Silva, Gabi Nunes; Nascimento, Ana Carolina Campana; Cruz, Cosme Damião; Silva, Fabyano Fonseca e; Almeida, Dênia Pires de; Pestana, Kátia Nogueira; Azevedo, Camila Ferreira; Zambolim, Laércio; Caixeta, Eveline Teixeira
    Genomic selection (GS) emphasizes the simultaneous prediction of the genetic effects of thousands of scattered markers over the genome. Several statistical methodologies have been used in GS for the prediction of genetic merit. In general, such methodologies require certain assumptions about the data, such as the normality of the distribution of phenotypic values. To circumvent the non-normality of phenotypic values, the literature suggests the use of Bayesian Generalized Linear Regression (GBLASSO). Another alternative is the models based on machine learning, represented by methodologies such as Artificial Neural Networks (ANN), Decision Trees (DT) and related possible refinements such as Bagging, Random Forest and Boosting. This study aimed to use DT and its refinements for predicting resistance to orange rust in Arabica coffee. Additionally, DT and its refinements were used to identify the importance of markers related to the characteristic of interest. The results were compared with those from GBLASSO and ANN. Data on coffee rust resistance of 245 Arabica coffee plants genotyped for 137 markers were used. The DT refinements presented equal or inferior values of Apparent Error Rate compared to those obtained by DT, GBLASSO, and ANN. Moreover, DT refinements were able to identify important markers for the characteristic of interest. Out of 14 of the most important markers analyzed in each methodology, 9.3 markers on average were in regions of quantitative trait loci (QTLs) related to resistance to disease listed in the literature.