مدل سازی اثر غلظت های مختلف فیتواستروژن ها بر سطوح هورمون پروژسترون در فیل ماهی (Huso huso) ماده پرورشی با استفاده از شبکه عصبی مصنوعی

تحقیق حاضر با هدف مدلسازی اثر غلظت های مختلف فیتواستروژن های جنیستین و اکوال بر روند تغییراتهورمون پروژسترون طی رشد تولیدمثلی و زمان های مختلف انجام شد. پس از تجزیه وتحلیل آماری نتایج حاصل ازآزمایش ها روی 54 قطعه فیل ماهی ماده پرورشی، داده های حاصل از اثرات غلظت های 0/2، 0/4، 0/8 و 1/6 گرم بر کیلوگرم از فیتواستروژن های جنیستین و اکوال بر سطوح پروژسترون در مدل سازی با شبکه های عصبی مصنوعیاستفاده شد. به طور مشخص ویژگی هایی نظیر نوع فیتواستروژن ها، غلظت های مختلف جنیستین و اکوال و زمانبه عنوان داده های ورودی شبکه عصبی مورد استفاده قرار گرفته (به عنوان یک تابع انتقالی) تا با استفاده از مدلبهینه مقادیر خروجی (سطوح پروژسترون) که طی یک سری عملیات پردازشی به دست آمد را در اختیار ما قراردهد. در نهایت عملکرد و دقت روش با مقادیر واقعی (داده های آزمون) سنجیده شد. در این تحقیق، از پرسپترونچند لایه (MLP) با الگوریتم یادگیری پس انتشار خطا (توابع یادگیری لونبرگ مارکوارت و ممنتوم) و تابع فعال سازی هلالی (سیگموئید) برای مدل سازی شبکه ها در محیط NeuroSolutions نسخه 6 استفاده شد. برای ارزیابی کارایی مدل شبکه عصبی از آماره های ضریب همبستگی ((R(2) و ضریب میانگین مربع خطا (MSE) استفادهشد. نتایج مدلسازی اثرات غلظت های مختلف جنیستین و اکوال بر تغییرات سطوح پروژسترون پلاسما با استفادهاز شبکه عصبی مصنوعی با دقت r=0/930741517 و MSE=0/000131686 پیش بینی گردید. بنابراین، با توجه به نتایج حاصل، می توان گفت قابلیت پیش بینی اثرات فیتواستروژن های جنیستین و اکوال بر سطوحپروژسترون با دقت بالایی مطابق با داده های واقعی در این گونه و سایر گونه های مشابه وجود دارد که مزیت هایفراوانی در زمینه صرفه جویی در زمان، هزینه های انجام تحقیقات و ارزیابی نتایج پژوهش های تحقیقاتی دارد.

کلیدواژه ها:

مدل سازی ، شبکه عصبی مصنوعی ، فیتواستروژن ها ، پروژسترون ، فیل ماهی