مقایسه مدل های مختلف رشد و شبکه عصبی مصنوعی در برازش منحنی رشد در گوسفند لریبختیاری
نویسنده
چکیده مقاله:
هدف از این مطالعه مقایسهی مدلهای مختلف رگرسیون غیرخطی، خطی و شبکهی عصبی مصنوعی در برازش منحنی رشد در گوسفند لری بختیاری بود. شش مدل غیرخطی شامل نمایی منفی، برودی، ون برتالانفی، گومپرتز، لجستیک، ریچاردز و دو مدل چند جملهای خطی با درجات برازش دو و سه و شبکهی عصبی مصنوعی مورد استفاده قرار گرفت. از 29517 رکورد وزن بدن متعلق به 6320 بره لری بختیاری از تولد تا سن یکسالگی، جمعآوری شده در ایستگاه پرورش و اصلاح نژاد گوسفند لریبختیاری شهرستان شهرکرد استفاده شد. مقایسه مدلها توسط ضریب تعیین، میانگین مربعات خطا، میانگین قدر مطلق انحرافات و میانگین قدر مطلق درصد خطاها انجام شد. براساس مقایسه مدلها توسط شاخصهای مختلف نیکویی برازش، همه مدلهای بررسی شده در پژوهش حاضر به خوبی توانایی برازش منحنی رشد را در گوسفندان لری بختیاری داشتند. نتایج حاصل نشان داد که شبکهی عصبی مصنوعی بهتر از مدلهای غیرخطی و خطی توانست رشد را در گوسفندان لری بختیاری برازش کند و میتواند به عنوان جایگزینی برای مدلهای غیرخطی و خطی باشد. از لحاظ برازش منحنی رشد مدلهای مختلف پس از شبکهی عصبی مصنوعی به ترتیب شامل برودی، چند جملهای درجه سه، چند جملهای درجه دو، ون برتالانفی، گومپرتز، ریچاردز، لجستیک و نمایی منفی بود. به هر حال، مدلهای رشد غیرخطی برای توصیف رشد کاربرد بیشتری نسبت به مدلهای خطی و شبکههای عصبی مصنوعی خواهند داشت زیرا مدلهای غیرخطی میتوانند پدیده رشد را در قالب چندین پارامتر دارای تفسیر زیستی خلاصه کنند. در میان مدلهای غیرخطی و خطی به ترتیب مدل برودی و چند جملهای درجه سه بهتر از سایر مدلها بودند. در پژوهش حاضر همبستگی بین پارامترهای وزن بلوغ مجانبی و نرخ بلوغ در هر شش مدل رشد غیرخطی، منفی بدست آمد. رابطه منفی بین این دو پارامتر نشان دهنده این است که دامهای با وزن بلوغ کمتر زودتر نیز بالغ خواهند شد. تجزیه واریانس پارامترهای منحنی رشد برودی نشان داد که جنس بره و سال تولد بر کلیه پارامترهای مورد بررسی اثر معنیدار (01/0P
منابع مشابه
مقایسه مدل های مختلف رشد و شبکه عصبی مصنوعی در برازش منحنی رشد در گوسفند لری بختیاری
هدف از این مطالعه مقایسه ی مدل های مختلف رگرسیون غیر خطی، خطی و شبکه ی عصبی مصنوعی در برازش منحنی رشد در گوسفند لری بختیاری بود. شش مدل غیرخطی شامل نمایی منفی، برودی، ون برتالانفی، گومپرتز، لجستیک، ریچاردز و دو مدل چند جمله ای خطی با درجات برازش دو و سه و شبکه ی عصبی مصنوعی مورد استفاده قرار گرفت. از 29517 رکورد وزن بدن متعلق به 6320 بره لری بختیاری از تولد تا سن یک سالگی، جمع آوری شده در ایستگ...
متن کاملمدل 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...
متن کاملبرازش منحنی های رشد در آمیخته های دی آلل بلدرچین ژاپنی و مقایسه الگوهای رشد آمیخته ها
The main part of growth performance in birds is as a result of gene combination effects, which their changes require an optimal mating system in order to use general and specific gene combination ability. The purpose of the present study was to evaluate the growth patterns of four strains combination Japanese quail in a partial di-allele cross. For this purpose, four strains of Italian Speckled...
متن کاملمدل 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...
متن کاملارائه مدل منحنی رشد بر مبنای شبکه عصبی مصنوعی و بهبود آن توسط الگوریتم های ژنتیک
منحنی رشد بر اساس داده های توزین حیوان در سنین مختلف با صرف وقت و هزینه های مادی بسیاری بدست می آید. با توجه به اهمیت منحنی رشد در مباحث بیولوژی پیش بینی این منحنی از لحاظ سلامتی و اقتصادی بسیار حائز اهمیت است. به علت عملکرد مطلوب شبکه های عصبی مصنوعی به عنوان یکی از روش های بدیع و پر کاربرد در مسائل پیش بینی، در این پژوهش از شبکه عصبی مصنوعی برای پیش بینی منحنی رشد استفاده شده است. بهینه سازی ...
مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 3 شماره 2
صفحات 125- 148
تاریخ انتشار 2015-08-23
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023