• جزئیات بیشتر مقاله
    • تاریخ ارائه: 1391/03/31
    • تاریخ انتشار در تی پی بین: 1391/03/31
    • تعداد بازدید: 1343
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    هدف از این مطالعه، مقایسه مدلهای رگرسیون مختلف و شبکه عصبی مصنوعی در پیش بینی وزن بدن در سنین بالاتر توسط رکوردهای وزن سنین پائینتر بود. از پنج مدل غیرخطی (ون برتالانفی، گومپرتز، برودی، لجستیک و ریچاردز) و دو مدل چند جمله ای خطی با درجات برازش دو و سه و شبکه عصبی مصنوعی برای مدل سازی و پیش بینی رشد استفاده شد. داده های وزن بدن 2071 بره بلوچی از تولد تا سن 428 روزگی مورد استفاده قرار گرفت. مقایسه مدل ها توسط میانگین مربعات خطا (mse) انجام شد. نتایج حاصل نشان می دهد که مدل های رشد ون برتالانفی و برودی با داشتن کمترین خطا بهتر از سایر مدل ها می توانند رشد را در سنین بالاتر پیش بینی کنند. مدل چند جمله ای درجه سه بیشترین میانگین مربعات خطا و پائینترین دقت را داشت. شبکه عصبی مصنوعی و مدل های گومپرتز و ریچاردز دارای برآوردهای مشابهی از میانگین مربعات خطا بودند. نتایج نشان داد که از شبکه عصبی مصنوعی می توان بطور کارآمد در پیش بینی وزن بدن در سنین بالاتر استفاده کرد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها