O uso do algoritmo de aprendizado para as redes neurais artificiais (RNA) do tipo feed- forward, nomeado máquina de aprendizagem extrema (Extreme Learning Machine - ELM), permite que o treinamento possa ser realizado com melhor desempenho do que com o uso dos métodos de aprendizagem tradicionais, baseados em gradiente descendente, tanto em termos de generalização como na velocidade de aprendizagem. Neste estudo objetivou-se a aplicação das redes neurais artificiais utilizando o algoritmo ELM em problemas de estimativa da altura árvores de Pinus, e também, em problema de estimativa do volume de madeira dos componentes, fuste e galhos, de árvores do Cerrado, de maneira consistente. Na estimativa da altura de árvores de Pinus as redes neurais artificiais apresentaram bons resultados em comparação com métodos estatísticos já utilizados para este fim. Como já era esperado, a máquina de aprendizagem ex- trema se mostrou mais eficiente, do ponto de vista do custo computacional, no treinamento das RNAs em relação ao algoritmo back-propagation, mantendo a eficácia do método. Na aplicação das RNAs ao problema de estimativa do volume dos componentes de árvores do Cerrado foi possível verificar que as redes neurais artificiais podem estimar o volume dos componentes (fuste e galhos) destas árvores. Não foi possível identificar qual é o melhor método para se estimar o volume de fuste e de galhos de árvores do Cerrado de maneira consistente, tendo em vista que, as RNAs apresentaram resultados semelhantes aos modelos de regressão estudados.
The use of the learning algorithm for artificial neural networks (ANN) feedforward, named extreme learning machine (ELM), allows the training can be done with better performance than using the traditional methods of learning based on gradient descent both in terms of generali- zation as learning speed. This study analyzes the application of artificial neural networks using the ELM algorithm in problems such as estimate of the height of pine trees, and also in the problem of estimating the volume of wood components, stem and twigs of trees in the Cerrado, consistently. In estimating the height of trees of Pinus artificial neural networks have shown good results in comparison with statistical methods already used for this purpose. As already expected, the extreme learning machine is more efficient from the point of view of computatio- nal costs, in the training of ANNs, in relation to the back-propagation algorithm, keeping the efficacy of the method. In the application of ANNs to the problem of estimating the volume of the components of the Cerrado trees it was verified that artificial neural networks can estimate the volume of components (stem and twigs) of these trees. It was not possible to identify which is the best method to estimate the volume of stem and twigs of trees of the Cerrado consistently, considering that the ANNs were similar to those studied regression models.
