Selection in sugarcane families with artificial neural networks

Abstract

The objective of this study was to evaluate Artificial Neural Networks (ANN) applied in an selection process within sugarcane families. The best ANN model produced no mistake, but was able to classify all genotypes correctly, i.e., the network made the same selective choice as the breeder during the simulation individual best linear unbiased predictor (BLUPIS), demonstrating the ability of the ANN to learn from the inputs and outputs provided in the training and validation phases. Since the ANN-based selection facilitates the identification of the best plants and the development of a new selection strategy in the best families, to ensure that the best genotypes of the population are evaluated in the following stages of the breeding program, we recommend to rank families by BLUP, followed by selection of the best families and finally, select the seedlings by ANN, from information at the individual level in the best families

O objetivo desse trabalho foi avaliar o uso de Redes Neurais Artificiais (RNA) na seleção dentro de famílias de cana-de-açúcar. O melhor modelo de RNA não apresentou erro, sendo capaz de classificar corretamente todos os genótipos, ou seja, a rede tomou a mesma decisão de seleção realizada pelo melhorista durante a aplicação do BLUP individual simulado (BLUPIS), demonstrando a capacidade de aprendizado da RNA a partir das entradas e saídas informadas nas fases de treinamento e validação. Tendo em vista que a seleção via RNA facilita a identificação dos melhores indivíduos e visando desenvolver uma nova estratégia de seleção dentro das melhores famílias, de forma a garantir que os melhores genótipos da população sejam avaliados nas próximas fases do programa de melhoramento, recomendamos, ranquear as famílias via BLUP, selecionar as melhores e realizar a seleção individual via RNA, a partir das informações coletadas em nível individual nas melhores famílias.