Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://rep.btsau.edu.ua/handle/BNAU/3491
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.authorKhorshidi-Jalali, Musa-
dc.contributor.authorХорхіді-Ялалі, Муса-
dc.contributor.authorMohammadabadi, Mohammadreza-
dc.contributor.authorМохадабаді, Мохамадреза-
dc.contributor.authorKoshkooieh, Ali Esmailizadeh-
dc.contributor.authorКошкої, Алі Есмалізадех-
dc.contributor.authorBarazandeh, Ali-
dc.contributor.authorБаразандех, Алі-
dc.contributor.authorBabenko, Olena-
dc.contributor.authorБабенко, Олена Іванівна-
dc.date.accessioned2019-12-24T07:58:23Z-
dc.date.available2019-12-24T07:58:23Z-
dc.date.issued2019-
dc.identifier.citationComparison of Artificial Neural Network and Regression Models for Prediction of Body Weight in Raini Cashmere Goat / M.Khorshidi-Jalali, M.R.Mohammadabadi, A.Esmailizadeh and oll. // Iranian Journal of Applied Animal Science .- 2019 .- № 9(3) .- Р. 453-461.uk_UA
dc.identifier.issn2251-628X (Print)-
dc.identifier.issn2251-631X (Online)-
dc.identifier.urihttp://rep.btsau.edu.ua/handle/BNAU/3491-
dc.descriptionШтучні нейронні мережі (ANN) - це алгоритми навчання та математичні моделі, які імітують здатність обробки інформації людського мозку і можуть використовуватися для нелінійних та складних даних. Метою цього дослідження було порівняння моделей штучної нейромережі та регресії для прогнозування маси тіла кози Райні Кашмір. Були використані дані 1389 кіз про масу тіла, ріст в холці (HAW), довжину тіла (BL) та обхват грудної клітки (CG). Були розраховані різні регресійні моделі з усіма фіксованими факторами для найбільш можливих станів і з різним ступенем і використовувались дві штучні нейронні мережі з різними прихованими шарами, функції навчання та функції перетворення. Нарешті, була обрана та використана багатошарова модель перцептрона з одним прихованим шаром разом з нейронами. Кореляція між масою тіла та її вимірюваннями показала, що можна використовувати вимірювання тіла для прогнозування ваги тіла, хоча прогнозування ваги тіла може бути покращено, якщо використовувати більше вимірювань. На основі параметрів R2 та середньої квадратичної помилки (MSE) було обрано найкраще рівняння регресії для прогнозування маси тіла за допомогою вимірювань тіла.uk_UA
dc.description.abstractThe artificial neural networks (ANN) are the learning algorithms and mathematical models, which mimic the information processing ability of human brain and can be used to non linear and complex data. The aim of this study was to compare artificial neural network and regression models for prediction of body weight in Raini Cashmere goat. The data of 1389 goats for body weight, height at withers (HAW), body length (BL) and chest girth (CG) were used. Different regression models with all fixed factors were calculated for the most possible states and with different degrees and two artificial neural networks with different hidden layers, learning functions and transform functions were used. Finally, Multilayer perceptron model with one hidden layer along with neurons was selected and used. Correlation between body weight and its measure-ments showed that it is possible to use body measurements for prediction of body weight though prediction of body weight can be improved when more measurements are used. Based on R2 and mean square error (MSE) parameters, the best fitted regression equation for prediction of body weight using body measure-ments was selected.uk_UA
dc.language.isoenuk_UA
dc.publisherIslamic Azad University, Rasht Branchuk_UA
dc.subjectartificial neural networksuk_UA
dc.subjectbody measurementsuk_UA
dc.subjectlinear modelsuk_UA
dc.subjectRaini goatuk_UA
dc.subjectштучні нейронні мережіuk_UA
dc.subjectвимірювання тілаuk_UA
dc.subjectлінійні моделіuk_UA
dc.subjectкоза Райніuk_UA
dc.titleComparison of Artificial Neural Network and Regression Models for Prediction of Body Weight in Raini Cashmere Goatuk_UA
dc.title.alternativeПорівняння моделей штучної нейронної мережі та регресії для прогнозування маси тіла Кашмірових кізuk_UA
dc.typeСтаттяuk_UA
dc.identifier.udc636.39.082.1uk_UA
Розташовується у зібраннях:Наукові публікації

Файли цього матеріалу:
Файл Опис РозмірФормат 
Comparison- of-Art.pdf594,34 kBAdobe PDFПереглянути/Відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.