NESTE TRABALHO É PROPOSTA UMA METODOLOGIA PARA CALCULAR OS COMPONENTES PRINCIPAIS DE DISCRIMINAÇÃO
DE UM CONJUNTO DE DADOS. OS DADOS PREVIAMENTE DISCRIMINADOS FORAM UTILIZADOS PARA TREINAR REDES
NEURAIS ARTIFICIAIS PARA CLASSIFICAR DADOS ENTRE TRÊS CLASSES. OS RESULTADOS OBTIDOS FORAM COMPARADOS
COM REDES NEURAIS TREINADAS COM DADOS APENAS NORMALIZADOS E COM REDES NEURAIS TREINADAS COM DADOS
PROCESSADOS POR ANÁLISE DE COMPONENTES PRINCIPAIS. AS REDES NEURAIS TREINADAS COM DADOS
DISCRIMINADOS COM COMPONENTES PRINCIPAIS DE DISCRIMINAÇÃO OBTIVERAM MAIORES VALORES DAS MÉDIAS
DOS PRODUTOS DAS EFICIÊNCIAS E MENOR DESVIO PADRÃO. OS RESULTADOS OBTIDOS MOSTRAM QUE COMPONENTES
PRINCIPAIS DE DISCRIMINAÇÃO É UMA ALTERNATIVA VIÁVEL A ANÁLISE DE COMPONENTES PRINCIPAIS.