Pesquisa Agropecuária Brasileira

URI permanente para esta coleçãohttps://thoth.dti.ufv.br/handle/123456789/9886

Navegar

Filtros

Configurações

Autor: search.filters.author.Nascimento, MoysésTem arquivos: Sim

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Adaptabilidade e estabilidade via regressão não paramétrica em genótipos de café
    (Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2010-01) Nascimento, Moysés; Ferreira, Adésio; Ferrão, Romário Gava; Campana, Ana Carolina Mota; Bhering, Leonardo Lopes; Cruz, Cosme Damião; Ferrão, Maria Amélia Gava; Fonseca, Aymbiré Francisco Almeida da
    O objetivo deste trabalho foi avaliar uma metodologia de análise de adaptabilidade e estabilidade fenotípica de genótipos de café baseada em regressão não paramétrica. A técnica utilizada difere das demais, pois reduz a infl uência na estimação do parâmetro de adaptabilidade de algum ponto extremo, ocasionado pela presença de genótipos com respostas demasiadamente diferenciadas a determinado ambiente. Foram utilizados dados provenientes de um experimento sobre produtividade média de grãos de 40 genótipos de café (Coffea canephora), com delineamento em blocos ao acaso, com seis repetições. Os genótipos foram avaliados em cinco anos (1996, 1998, 1999, 2000 e 2001), em dois locais (Sooretama e Marilândia, ES) no total de dez ambientes. A metodologia proposta demonstrou ser adequada e efi ciente, pois extingue os efeitos impróprios induzidos pela presença de pontos extremos e evita a recomendação incorreta de genótipos quanto à adaptabilidade.
  • Imagem de Miniatura
    Item
    Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee
    (Empresa Brasileira de Pesquisa Agropecuária - Embrapa, 2017-03) Silva, Gabi Nunes; Nascimento, Moysés; Sant’Anna, Isabela de Castro; Cruz, Cosme Damião; Caixeta, Eveline Teixeira; Carneiro, Pedro Crescêncio Souza; Rosado, Renato Domiciano Silva; Pestana, Kátia Nogueira; Almeida, Dênia Pires de; Oliveira, Marciane da Silva
    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.