Pular para o conteúdo
Even3

Conferência

Redes neurais artificiais para calibração multivariada em sistemas não

Gravado no evento XI Workshop de Quimiometria · 48 min de gravação

Trechos em vídeo

Sobre o conteúdo

A palestra "Redes neurais artificiais para calibração multivariada em sistemas não", integrante do evento "Quimiometria e aprendizado de máquina em química analítica", discute as limitações dos modelos lineares tradicionais e o potencial das redes neurais na química analítica. O palestrante explica que, embora PCR e PLS sejam amplamente utilizados devido à sua robustez e fundamentação estatística estabelecida, sistemas analíticos complexos como os de Tecnologia Analítica de Processos (PAT) sofrem desvios de linearidade causados pela saturação de analitos e efeitos de matriz, inviabilizando a aplicação rígida da lei de Beer.

O que é abordado

  1. Abertura e apresentação do palestrante
  2. Limitações de modelos lineares e contexto em PATTrecho de 1 min 40 s
  3. Fundamentos do Perceptron Multicamada (MLP)Trecho de 57 s
  4. Algoritmo de treinamento e retropropagação
  5. Estudo de caso: monitoramento de bioprocesso
  6. Aspectos críticos e prevenção de overfittingTrecho de 1 min 35 s
  7. Cifras analíticas de mérito e dedução da sensibilidade
  8. Validação com Monte Carlo e dados reais via bootstrap
  9. Conclusões e disponibilização no MVC1
  10. Sessão de perguntas e encerramento

Dúvidas que o conteúdo responde

Por que o modelo PLS clássico falha em certas aplicações de Process Analytical Technology (PAT)?

Porque em sistemas de bioprocessos em batelada contínua ou monitoramento em tempo real, as amostras frequentemente contêm altas concentrações de analitos e efeitos de matriz complexos. Essa saturação viola a proporcionalidade linear da lei de Beer, exigindo modelos não lineares flexíveis.

Quantas camadas ocultas são necessárias para a maioria dos problemas de calibração química com MLP?

Segundo a literatura e a experiência descrita pelo palestrante, uma única camada oculta (estrutura de três camadas no total: entrada, oculta e saída) é suficiente para abranger a ampla maioria das não linearidades encontradas em calibração analítica.

Como foi realizada a validação da equação teórica de sensibilidade para a rede neural?

A equação foi validada por dois caminhos: em sistemas simulados através de 500 corridas de simulação de Monte Carlo com diferentes níveis de ruído, e em dados experimentais reais de bioprocesso através de reamostragem bootstrap com 1000 repetições.

Como pode ser feita a detecção de outliers em calibração multivariada com redes neurais?

Outliers do ponto de vista do sinal instrumental podem ser detectados aproveitando a compressão prévia dos dados com PCA, avaliando os resíduos e a distribuição dos escores das amostras de calibração e teste antes de alimentá-las na rede.

Assuntos

  • redes neurais
  • quimiometria
  • calibração multivariada
  • Perceptron Multicamada
  • não linearidade
  • cifras de mérito
  • bioprocessos
  • química analítica

Palestrantes

  • Dr. Fabricio Chiappini

    Palestrante

Outros conteúdos deste evento

Gravados no evento XI Workshop de Quimiometria

Conferência · 58 min

Quimiometria na Indústria 4.0

Gravado no evento XI Workshop de Quimiometria

A professora Dra. Fernanda Pimentel discute o papel e a relevância da Quimiometria no contexto da Indústria 4.0 durante o evento 'Quimiometria e aprendizado de máquina em química…

Ver resumo e capítulos

Mesa-redonda · 2 h 48 min

História da Quimiometria no Brasil

Gravado no evento XI Workshop de Quimiometria

Esta gravação traz a mesa redonda sobre os primórdios da quimiometria no Brasil e a cerimônia de encerramento do 11º Workshop de Quimiometria. Pesquisadores pioneiros relembram a…

Ver resumo e capítulos