CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله مقایسه توان پیش بینی شبکه عصبی مصنوعی ورگرسیون خطی چندگانه جهت پیش بینی وزن یک سالگی بزهای نژاد رائینی

عنوان مقاله: مقایسه توان پیش بینی شبکه عصبی مصنوعی ورگرسیون خطی چندگانه جهت پیش بینی وزن یک سالگی بزهای نژاد رائینی
شناسه (COI) مقاله: AFPICONF02_361
منتشر شده در دومین همایش ملی پژوهش های کاربردی در علوم کشاورزی در سال ۱۳۹۳
مشخصات نویسندگان مقاله:

سمیه رحیم نهال - دانشجوی دکتری اصلاح نژاد دام، دانشگاه کشاورزی و منابع طبیعی رامین خوزستان
جمال فیاضی - دانشیار گروه علوم دامی دانشگاه کشاورزی و منابع طبیعی رامین خوزستان

خلاصه مقاله:
به منظور مقایسه دو روش شبکه های عصبی مصنوعی و رگرسیون خطی چندگانه جهت پیش بینی وزن یک سالگی بزهای نژاد رائینی از رکورد 736 راس بز نژاد رائینی استفاده شد. اثرات و متغیر های مورد بررسی موثر بر صفت افزایش وزن این دام عبارت بودنداز:جنس دام، تیپ تولد، گله، فصل تولد، سال تولد وصفات مربوط به وزن تولد، سه ماهگی، شش ماهگی ونه ماهگی. به منظور پردازش داده ها با استفاده از شبکه های عصبی مصنوعی، 3مدل شبکه ی پرسپترون چند لایه هرکدام با تعداد و نوع ورودی متفاوت ایجاد و استفاده شد. مدل سازی داده ها با استفاده از نرم افزار شبکه های عصبی STATISTICA 7 انجام شد. داده ها درمدل رگرسیونی چندگانه با استفاده از نرم افزار SAS 9.1.3Portable با روش رگرسیون گام به گام آنالیز شدند ومدل مناسب با توجه به معیار مورد نظر انتخاب شد. نتایج این پژوهش نشان داد که شبکه های عصبی مصنوعی دارای دقت و صحت (میزان R در شبکه های ساخته شده ی 1 تا 3 به ترتیب برابر با 0.998، 0.997 و میزان RMSE به ترتیب برابر با 0.96،0.97،و1.22) بالاتری نسبت به روش های رگرسیونی برای پیش بینی وزن یک سالگی این دام ها می باشند.

کلمات کلیدی:
بز رائینی، مدل های رگرسیونی، شبکه عصبی مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-AFPICONF02-AFPICONF02_361.html