Autoria: VENTURA, R. V.; SILVA, M. A.; MEDEIROS, T. H.; DIONELLO, L. N.; MADALENA, F. E.; FRIDRICH, A. B.; VALENTE, B. D.; SANTOS, G. G. dos; FREITAS, L. S.; WENCESLAU, R. R.; FELIPE, V. P. S.; CORREA, G. S. S.

Resumo: RESUMO - Dados de 19240 animais Tabapuã, provenientes de 152 fazendas localizadas em diversos estados brasileiros, nascidos entre 1976 e 1995, foram utilizados para predição do valor genético do peso aos 205 dias de idade (VG_P205) por meio de redes neurais artificiais (RNAs) e usando o algoritmo LM - Levenberg Marquardt - para treinamento dos dados de entrada. Por se tratar de rede com aprendizado supervisionado, foram utilizados, como saída desejada, os valores genéticos preditos pelo BLUP para a característica P205. Os valores genéticos do P205 obtidos pela RNA e os preditos pelo BLUP foram altamente correlacionados. A ordenação dos valores genéticos do P205 oriundos das RNAs e os valores preditos pelo BLUP (VG_P205_RNA) sugeriram que houve variação na classificação dos animais, indicando riscos no uso de RNAs para avaliação genética dessa característica. Inserções de novos animais necessitam de novo treinamento dos dados, sempre dependentes do BLUP. ABSTRACT - Data from 19,240 Tabapuã animals from 152 farms located in different states of Brazil, born from 1976 to 1995, were used to predict the genetic value of body weight at 205 days of age (BV_P205) of Tabapuã beef cattle using Artificial Neural Networks (ANN) and LM algorithm - Levenberg Marquardt training for data entry. Due to the use of networks with supervised learning, the predicted breeding values for P205 from BLUP were used as desired output. The breeding values for P205 obtained from RNA and those predicted by BLUP were highly correlated. The ranked breeding values for body weight at 205 days through RNA and those predicted by BLUP (VG_P205_RNA) showed a variation in the classification of animals indicating risks in the use of ANNs procedure for genetic evaluation of this trait. Insertions of new animals require new training data always dependent on BLUP.

Ano de publicação: 2012

Tipo de publicação: Artigo de periódico

Unidade: Embrapa Gado de Leite

Palavras-chave: Avaliação genética, Melhor preditor linear não viesado, Redes neurais artificiais