Limitações do PLS e uso de redes neurais
Trecho de 1 min 40 s de Redes neurais artificiais para calibração multivariada em sistemas não, gravado no evento XI Workshop de Quimiometria.
Assistir à gravação completaNo Even3 Conteúdos · 48 minSobre este trecho
Explicação sobre por que sistemas analíticos saturados perdem a linearidade e como redes neurais surgem como alternativa ao PLS.
Vai de a da gravação.
O que é dito neste trecho
Depois vamos falar mais sobre isso, mas como limitação o PLS, ele assume uma relação linear entre a a variável preditora, né, o X, e a variável Y, que é a concentração, normalmente. Então isso faz com que seja um modelo desse desse desse nesse ponto de vista um modelo duro. Então há situações há situações que há uma não linearidade que é própria de alguns sistemas, né, que não é possível evitar. Quando for possível evitar, nós aí mudamos para um modelo de calibração linear, mas há há algumas aplicações onde isto não é possível. Eh, no meu caso em particular, eu tenho trabalhado com eh modelos eh que se enquadram no contexto do Process Analytical Technology, que a professora Fernanda falou ontem, do PAT, onde o interesse é nós contarmos com eh modelos de predição de variáveis de processo que sejam rápidos, que sejam online, onde há não há praticamente não há nenhum pré-tratamento da amostra, mas temos a desvantagem que normalmente se nós, por exemplo, temos um biorreator, um processo e nós gerarmos um sinal instrumental diretamente da do bulk, da da reação do processo, normalmente vamos ter um sistema que é saturado de analitos. Então isso é uma eh é uma coisa que vai fazer com que a lei de Beer não seja cumprida. Então é é é uma das principais causas onde eh que faz com que apareçam essas não linearidades. OK? Então nesse caso aparecem as redes neuronais como ferramenta alternativas, modelos paramétricos para gerar os nossos modelos de calibração.
Outros trechos deste conteúdo

Como funciona o modelo matemático do neurônio artificial
Trecho de a da gravação

Prevenção de sobreajuste em redes neurais
Trecho de a da gravação