بررسی ارتباط بین فاصله گوسالهزایی با صفات اقتصادی گاوهای شیری در تلقیحهای مختلف با استفاده از شبکه عصبی مصنوعی
Authors
Abstract:
سابقه و هدف: فاصله گوسالهزایی از جمله صفاتی است که به میزان قابل توجهی تحت تأثیر اثرات محیطی و مدیریتی قرار میگیرد. استفاده از الگوریتمهای هوشمند روشهای یادگیری ماشین در بررسی سامانههای پیچیده رو به افزایش است و این روشها نیز میتواند رهیافت مناسبی برای تحلیل دادههای صنعت گاوشیری به حساب آیند. شبکههای عصبی مصنوعی بخشی از هوش مصنوعی بوده و معمولاً از این الگوریتمها بهره میجویند. هدف از انجام این مطالعه بررسی ارتباط بین صفات تولیدی و تولیدمثلی با فاصله گوسالهزایی در تلقیحهای متفاوت بود. چنین فرض گردید که استخراج این ارتباط میتواند در مدیریت بهتر این صفت نقش بهتری ایفا کند. مواد و روشها: در این مطالعه، از دادههای تولیدی و تولیدمثلی شرکت کشت و دامداری فکا وابسته به شرکت تعاونی وحدت گاوداران اصفهان استفاده شد. دادههای مربوط به فاصلهی گوسالهزایی (روز)، طول دورهی خشکی (روز)، تعداد تلقیح، کل شیر تولیدی (کیلوگرم)، کل چربی تولیدی (کیلوگرم)، کل پروتئین تولیدی (کیلوگرم)، روزهای شیردهی (روز)، شیر تصحیح شده (کیلوگرم)، چربی تصحیح شده (کیلوگرم)، پروتئین تصحیح شده (کیلوگرم) مورد بررسی قرار گرفت. دادهها مربوط به 15465 رأس گاو بود که تاریخ زایش آنها در بازه بین سالهای 1368 تا 1393 قرار داشت. جهت کاهش ابعاد دادههای مورد استفاده در آموزش شبکه عصبی مصنوعی از دو رویکرد حذف همبستگی بالا و تحلیل مؤلفه اصلی استفاده شد. سپس به ازای هر تلقیح، یک شبکه عصبی آموزش داده شد. برای بررسی کارایی شبکه عصبی از معیارهای ضریب تعیین و جذر میانگین مربعات خطا استفاده شد. میزان رابطهی خطی و غیرخطی بین متغیرهای ورودی با فاصله گوسالهزایی نیز با معیار ضریب اطلاعات بیشین بررسی گردید.. یافتهها: مقادیر مشابه معیارهای ضریب تعیین و جذر میانگین مربعات خطا حاصل از شبکه عصبی مصنوعی نشان داد که ارتباط بین متغیرهای ورودی و فاصله گوسالهزایی در تلقیحهای مختلف از روند تقریباً یکسانی پیروی میکند. مقادیر بزرگتر جذر میانگین مربعات خطا حاصل از رویکرد تحلیل مولفه اصلی نسبت به رویکرد حذف همبستگی بالا نشان داد که استفاده از رویکرد حذف همبستگی بالا مناسبتر میباشد. معیار ضریب اطلاعات بیشین روند تقریباً یکسانی در میزان رابطهی خطی و غیرخطی متغیرهای مختلف و فاصله گوسالهزایی در تلقیحهای مختلف نشان داد. در این راستا روزهای شیردهی و تولید شیر بیشترین ارتباط را با فاصله گوسالهزایی داشتند. نتیجهگیری کلی: نتایج نشان داد که معیارهای ضریب تعیین و جذر میانگین مربعات خطا در تلقیحهای مختلف تقریباً یکسان هستند. از اینرو نباید انتظار داشت که رابطه بین متغیرهای ورودی به کار رفته در این تحقیق با فاصله گوسالهزایی در تلقیحهای مختلف متفاوت باشد. بر اساس نتایج این مطالعه مشخص گردید که متغیرهای به کار رفته در این مطالعه پیشبینی خوبی از فاصله گوسالهزایی را نشان میدهند. همچنین میتوان چنین استنباط کرد که شرایط محیطی – مدیریتی در تلقیحهای مختلف اثر ناچیزی روی ارتباط بین فاصله گوسالهزایی و سایر متغیرها داشته است.
similar resources
اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textپیشبینی ارتباط بین بازده سهام و عدم تقارن اطلاعاتی با استفاده از شبکه-های عصبی مصنوعی
با توجه به اهمیت بازده در مطالعات سرمایهگذاری، برآورد رابطهی آن با عدم تقارن اطلاعاتی از مسائل مهم و ضروری است. تغییرات زمانی بازده، عدم کفایت مطالعات صورت گرفته و وجود عوامل تاثیرگذار بر میزان بازده سهام باعث توسعهی روشهای نوین و هوشمند در تخمین و برآورد بازده سهام شرکتهای بورسی شده است. هدف از این تحقیق پیشبینی بازده سهام با استفاده از عدم تقارن اطلاعاتی با رویکرد شبکههای عصبی مصنوعی ...
full textمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textمدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...
full textتعیین ارزش داراییهای نامشهود با استفاده از شبکه عصبی مصنوعی
درک عوامل موثر بر ارزش شرکت برای سرمایهگذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایهگذاری یا اعطای تسهیلات، امری حیاتی است. از آنجایی که اقتصاد دانشمحور در حال تکامل یافتن است، روش ایجاد ارزش شرکتی از شیوه سنتی مبتنی بر داراییهای فیزیکی به دانش نامشهود منتقل شده است. از اینرو در آینده نه چندان دور، ارزشگذاری داراییهای نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن ...
full textMy Resources
Journal title
volume 3 issue 4
pages 169- 188
publication date 2016-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023