پیشبینی جرم پرتقال تامپسون با استفاده از روشهای عصبی – فازی و SPSS

هوش مصنوعی بخشی از علم کامپیوتر است که علاقمند به طراحی سیستم‌های هوشمند کامپیوتری می‌باشد. هوش مصنوعی دارای چندین شاخه، مانند سیستم‌های خبره، شبکه‌های عصبی مصنوعی، الگوریت ژنتیک ،‌منطق فازی و سیستم‌های هیبرید مختلفی که ترکیبی از دو و یا چند شاخه ذکر شده در بالا می‌باشد است. پرتقال ایرانی استفاده شده در این مطالعه شامل رقم‌های تامپسون می‌باشد که از کرمانضاه تهیه گردید 100 نمونه بصورت رندم انتخاب گردید. خصوصیاتی که اندازه‌گیری شدند شامل طول، عرض، ضخامت، حجم، جرم، قطر متوسط هندسی، کرویت و سطح تصویر بود. روش‌های عصبی – فازی، عصبی – ژنتیک و SPSS برای پیش‌بینی جرم براساس ورودی ‌های کرویت، متوسط سطوح تصویر و قطر متوسط هندسی بکار برده شدند. در روش‌های عصبی – فازی، عصبی – ژنتیک،‌نمونه‌ها به دو مجموعه تقسیم شدند و یعنی 70 درصد برای مجموعه آموزش و 30 درصد برای مجموعه آزمایش، ضریب تعیین برای روش‌های عصبی – فازی، و SPSS به ترتیب 99/0 و 932/0 بود. بنابراین نشان می‌دهد که تخمین جرم براساس مدل عصبی – فازی بهتر از مدل SPSS می‌باشد.

کلیدواژه ها:

عصبی - فازی ، SPSS ، پرتقال تامپسون