摘要：Normal 0 21 false false false PT-BR X-NONE X-NONE MicrosoftInternetExplorer4 /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Tabela normal"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-qformat:yes; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin:0cm; mso-para-margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri","sans-serif"; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-fareast-font-family:"Times New Roman"; mso-fareast-theme-font:minor-fareast; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi;} O ácido succínico, metabólito comum de microrganismos, utilizado no mercado alimentício é produzido exclusivamente por via fermentativa e grande atenção tem sido dada para o uso de matérias-primas renováveis para esse fim. Este trabalho teve como objetivo determinar as variáveis que influenciam na produção de ácido succínico por via fermentativa utilizando a cepa Actinobacillus succinogenes (CIP 106512) por meio de um planejamento fatorial fracionário e testar diferentes arquiteturas de redes neurais artificiais para modelar esse processo. As redes neurais artificiais (RNAs) utilizadas possuem três camadas e foram do tipo Multilayer Perceptron (MLP), com o algoritmo de aprendizagem Backpropagation . Utilizaram-se 13 e 6 dados experimentais para a aprendizagem e teste das redes, respectivamente. Variaram-se os números de neurônios da camada intermediária, a taxa de aprendizagem e as funções de ativação. Após a avaliação das arquiteturas, verificou-se que a função de ativação sigmoidal apresentou um melhor desempenho comparada à tangente hiperbólica e que o número de neurônios e taxa de aprendizagem influenciam diretamente no erro. O modelo neural que apresentou o menor erro quadrático foi a rede com a função sigmoidal, taxa de aprendizagem 0,1 e 5 neurônios na camada intermediária. Com o desenvolvimento deste trabalho foi possível determinar as variáveis que mais influenciam na produção do ácido succínico e a construção do modelo neural para o processo. Palavras-chave: Biotecnologia. Inteligência artificial. Modelagem. Otimização.
