EFEITO DO NÚMERO DE NEURÔNIOS NA CAMADA OCULTA PARA RELAÇÕES HIPSOMÉTRICAS DE EUCALIPTO USANDO REDES NEURAIS ARTIFICIAIS

As redes neurais artificiais tem mostrado performance melhor ou pelo menos similar a dos modelos tradicionais de regressao usados a modelagem florestal. No entanto, deve-se atentar para uma configuracao que garanta estimativas acuradas e capacidade de generalizacao, sendo a quantidade de neuronios na camada oculta uma caracteristica critica a ser decidida. Assim, o presente estudo buscou encontrar a quantidade otima de neuronios na camada oculta na modelagem da relacao hipsometrica em plantio de Eucalyptus saligna Smith. A base de dados foi subdividida de modo aleatorio em 50% para treinamento e 50% para validacao do modelo, empregando-se a arquitetura de rede neural Multilayer Perceptron (MLP). No processo de modelagem, considerou-se o diâmetro a altura do peito como variavel de entrada e a altura como variavel de saida. A quantidade de neuronios na camada oculta foi testada com variacao entre 1 a 6. Das seis melhores redes treinadas, aquelas que obtiveram neuronios acima de tres na camada oculta tenderam a apresentar overfitting quando aplicados aos dados da validacao. Com as diferentes arquiteturas na camada oculta, foi possivel obter redes treinadas com coeficiente de correlacao (r) variando de 0,61 a 0,73 e raiz quadrada do erro quadratico medio de ±1,28 a 1,48 m. Foram escolhidas as RNA com tres neuronios na camada oculta devido a sua simplicidade e pouca diferenca de acuracia quando comparadas as obtidas com maior numero. A quantidade de neuronios a serem considerados na camada oculta deve ser definida com atencao para que o fenomeno modelado conserve capacidade de generalizacao.