REDE NEURAL ARTIFICIAL COM SELEÇÃO DE VARIÁVEIS VIA ALGORITMO GENÉTICO E TÉCNICA DE BALANCEAMENTO DE CLASSES PARA PREDIÇÃO DE BRUCELOSE EM REBANHOS BOVINOS
Sistema Neural. Brucelose. Balanceamento de classes. Seleção de atributos. Algoritmo Genético.
A expressividade da pecuária Brasileira é inquestionável. Segundo dados da United States Department of Agriculture (USDA), em 2021 o Brasil foi maior exportador mundial de carne bovina. A brucelose bovina é uma das doenças mais preocupantes para o setor. No Brasil, a brucelose bovina acarreta perdas anuais por volta de 448 milhões de dólares. Diversos fatores ameaçam o estabelecimento de ações dos programas de defesa animal vigentes no Brasil, sendo os principais: falta de diretrizes distintas para o diagnóstico de casos de brucelose, animais infectados permanecerem assintomáticos quando infectados, extensa área territorial Brasileira e grande efetivo de rebanhos. A utilização de RNAs pode ter grande utilidade nos serviços de vigilância sanitária e epidemiológica, auxiliando na triagem de propriedades com riscos diferenciados para a doença. Esse trabalho tem como objetivo o desenvolvimento de RNA com técnicas de balanceamento de classes e seleção de variáveis via algoritmo genético, para a classificação e segregação dos rebanhos bovinos, quanto à soroprevalência para brucelose. Foram projetadas quatro RNAs combinando diferentes abordagens de técnica de balanceamento de classe e seleção de variáveis, a fim de comparar qual abordagem desempenharia melhores resultados. Os resultados demostraram que a RNA aliada a técnica de seleção de variáveis, via Algoritmos Genético e reamostragem de dados, é uma abordagem promissora.