Oral:

Este estudo tem por objetivo desenvolver modelos de redes neurais artificiais diretas e recursivas a partir de conjunto de dados experimentais de uma planta de polimerização de estireno capazes de predizer a densidade. Para isso foram utilizadas as redes feedfoward e Elman com uma e duas camadas intermediárias, alterando as funções de ativação entre logsig e tansig e suas combinações. Para a camada de saída foi utilizada a função linear purelin e os algoritmos de treinamento utilizado foram a partir de backpropagation. O desempenho dos modelos foi testado segundo critério erro (soma dos erros quadrados SSE) e coeficiente de correlação. Segundo as topologias testadas, os melhores modelos de RNAs apresentam duas camadas intermediárias com 15-10, o algoritmo de treinamento trainlm e função de ativação logsig, com R2 próximos e SSE baixos.