Redes neurais artificiais na discriminao de populaes

A correta classificao de indivduos de extrema importncia para fins de preservao da variabilidade gentica existente bem como para a maximizao dos ganhos. As tcnicas de estatstica multivariada comumente utilizada nessas situaes so as funes discriminantes de Fisher e de Anderson, que permitem alocar um indivduo inicialmente desconhecido em uma das g populaes provveis ou grupos pr-definidos. Entretanto, para altos nveis de similaridade como o caso de populaes de retrocruzamentos esses mtodos tem se mostrado pouco eficientes. Atualmente, muito se fala de um novo paradigma de computao, as redes neurais artificiais, que podem ser utilizadas para resolver diversos problemas da Estatstica, como agrupamento de indivduos similares, previso de sries temporais e em especial, os problemas de classificao. O objetivo desse trabalho foi realizar um estudo comparativo entre as funes discriminantes de Fisher e de Anderson e as redes neurais artificiais quanto ao nmero de classificaes incorretas de indivduos sabidamente pertencentes a diferentes populaes simuladas de retrocruzamento, com crescentes nveis de similaridade.