Catálogo de publicaciones - tesis

Compartir en
redes sociales

Título de Acceso Abierto

Estimación del consumo de pasturas a partir de registros sonoros con modelos no lineales

Mariela Noelia Uhrig Diego Humberto Milone Omar Chiotti Leonardo Giovanini César Martínez Elizabeth Tapia Hugo Leonardo Rufiner

acceptedVersion.

Resumen/Descripción – provisto por el repositorio digital
La producción ganadera de rumiantes en sistemas de pastoreo es una actividad importante en la región. Los niveles de productividad dependen de las dietas adecuadas de los animales, en calidad y cantidad, para satisfacer sus necesidades diarias. En este contexto, el estudio del comportamiento ingestivo y la estimación del consumo de rumiantes de pastoreo es extremadamente útil ya que permite obtener indicadores del estado nutricional, la salud y el bienestar animal. En consecuencia, la medición precisa y rápida del comportamiento de pastoreo y el consumo de forraje permite mejorar la eficiencia de la gestión de los recursos hídricos y alimentarios. En este marco, el uso de algoritmos de procesamiento inteligente de señales que permitan extraer la información relevante de registros sonoros de rumiantes se presenta como una opción válida para predecir el consumo de forraje de rumiantes en condiciones de pastoreo. Más aún, teniendo en cuenta también que debe ser un método sencillo desde el punto de vista tecnológico y que además no perturbe el comportamiento natural del animal. En esta tesis se utilizaron dos tipos de redes neuronales artificiales (ELM: máquinas de aprendizaje extremo y MLP: perceptrón multicapa), ambas actuando como modelos de regresión no lineal multivariada, para estimar el consumo de materia seca en ovejas. En todos los casos se utilizó la metodología de validación de "dejar uno afuera". Los resultados obtenidos con las redes neuronales muestran que las ELM presentan una significativa mejora respecto del modelo lineal y al MLP para iguales condiciones de validación.
Palabras clave – provistas por el repositorio digital

Redes neuronales artificiales; Comportamiento ingestivo en rumiantes; Regresión no lineal; Máquinas de aprendizaje extremo; Artifical neural networks; Ingestive behavior in ruminants; Non-linear regression; Extreme learning machine

Disponibilidad
Institución detectada Año de publicación Navegá Descargá Solicitá
No requiere 2019 Biblioteca Virtual de la Universidad Nacional del Litoral (SNRD) acceso abierto

Información

Tipo de recurso:

tesis

Idiomas de la publicación

  • español castellano

País de edición

Argentina

Fecha de publicación