Show simple item record

dc.contributor.authorRocha, José Celso [UNESP]
dc.contributor.authorMatos, Felipe Delestro [UNESP]
dc.contributor.authorFrei, Fernando [UNESP]
dc.date.accessioned2014-05-20T15:17:34Z
dc.date.available2014-05-20T15:17:34Z
dc.date.issued2011-10-01
dc.identifierhttp://dx.doi.org/10.1590/S1415-52732011000500007
dc.identifier.citationRevista de Nutrição. Pontifícia Universidade Católica de Campinas, v. 24, n. 5, p. 735-742, 2011.
dc.identifier.issn1415-5273
dc.identifier.urihttp://hdl.handle.net/11449/30526
dc.description.abstractOBJETIVO: Construir uma rede neural artificial para auxiliar os gestores de restaurantes universitários na previsão de refeições diárias. MÉTODOS: O estudo foi desenvolvido a partir do levantamento de oito variáveis que influenciam o número de refeições diárias servidas no restaurante universitário. Utiliza-se o algoritmo de treinamento Backpropagation. Os resultados por meio da rede são comparados com os da série estudada e com resultados da estimação por média aritmética simples. RESULTADOS: A rede proposta acompanha as inúmeras alterações que ocorrem no número de refeições diárias do restaurante universitário. em 73% dos dias analisados, o método das redes neurais artificiais apresenta uma taxa de acerto maior do que o método da média aritmética simples. CONCLUSÃO: A rede neural artificial mostrou-se mais adequada para a previsão do número de refeições do que a metodologia de média simples ou quando a decisão do número de refeições é feita de forma subjetiva, sem critérios científicos.pt
dc.description.abstractOBJECTIVE: This study aimed to build an artificial neural network to help the managers of university cafeterias to predict the number of daily meals. METHODS: This study was based on a survey of eight variables that influence the number of daily meals served by a university cafeteria. Backpropagation training algorithm was used and the results obtained by the network are compared with results of the studied series and the results estimated by simple arithmetic average. RESULTS: The proposed network follows the numerous changes that occur in the number of daily meals of the university cafeteria. In 73% of the analyzed days, the artificial neural networks method presented a greater success rate than the simple arithmetic average method. CONCLUSION: Artificial neural network predicted the number of meals better than the simple average method or than decisions made subjectively.en
dc.format.extent735-742
dc.language.isopor
dc.publisherPontifícia Universidade Católica de Campinas
dc.relation.ispartofRevista de Nutrição
dc.sourceSciELO
dc.subjectDesperdícios de alimentospt
dc.subjectRedes neurais artificiaispt
dc.subjectServiços de alimentaçãopt
dc.subjectFood wasterfoulnessen
dc.subjectArtificial neural networksen
dc.subjectFood servicesen
dc.titleUtilização de redes neurais artificiais para a determinação do número de refeições diárias de um restaurante universitáriopt
dc.title.alternativeUse of artificial neural networks to determine the daily number of meals served by a university cafeteriaen
dc.typeArtigo
dcterms.licensehttp://www.scielo.br/revistas/rn/paboutj.htm
dc.contributor.institutionUniversidade Estadual Paulista (UNESP)
dc.description.affiliationUniversidade Estadual Paulista Júlio de Mesquita Filho Faculdade de Ciências e Letras
dc.description.affiliationUnespUniversidade Estadual Paulista Júlio de Mesquita Filho Faculdade de Ciências e Letras
dc.identifier.doi10.1590/S1415-52732011000500007
dc.identifier.scieloS1415-52732011000500007
dc.identifier.wosWOS:000299755500007
dc.rights.accessRightsAcesso aberto
unesp.campusUniversidade Estadual Paulista (UNESP), Faculdade de Ciências e Letras, Assispt
dc.identifier.fileS1415-52732011000500007.pdf
dc.identifier.lattes4165274708509804
unesp.author.lattes4165274708509804
unesp.author.orcid0000-0002-3354-8430[3]
dc.relation.ispartofjcr0.443
dc.relation.ispartofsjr0,282
Localize o texto completo

Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record