List of Articles اندازه‌های بدنی

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - مقایسه شبکه عصبی مصنوعی و مدل‌های رگرسیونی برای پیش‌بینی وزن بدن در بز کرکی راینی
  م. خورشیدی-جلالی م.ر. محمدآبادی ع. اسمعیلی‌زاده ا. برازنده ُ.ا. بابنکو
  شبکه­های عصبی مصنوعی الگوریتم­های آموزشی و مدل­های ریاضی هستند که توانایی تقلید از مغز انسان در پردازش اطلاعات را دارند و می­توانند داده­های پیچیده و غیر خطی را مورد استفاده قرار دهند. هدف این پژوهش مقایسه شبکه عصبی مصنوعی و مدل­های رگرسیونی برای More

  شبکه­های عصبی مصنوعی الگوریتم­های آموزشی و مدل­های ریاضی هستند که توانایی تقلید از مغز انسان در پردازش اطلاعات را دارند و می­توانند داده­های پیچیده و غیر خطی را مورد استفاده قرار دهند. هدف این پژوهش مقایسه شبکه عصبی مصنوعی و مدل­های رگرسیونی برای پیش‌بینی وزن بدن در بز کرکی راینی بود. داده­های 1389 بز برای وزن بدن، ارتفاع جدوگاه، طول بدن و قفسه سینه مورد استفاده قرار گرفت. مدل­های رگرسیونی مختلف با تمام فاکتورهای ثابت برای بیشتر حالت­های ممکن و با درجه­های مختلف محاسبه شدند و دو شبکه عصبی مصنوعی با لایه­های مخفی متفاوت، توابع آموزش و توابع انتقال گوناگون استفاده شدند. در نهایت، مدل پرسپترون چند لایه با یک لایه مخفی به همراه نرون­ها انتخاب و استفاده شد. همبستگی بین وزن بدن و اندازه‌گیری­هایش نشان داد که می­توان از اندازه­های بدن برای پیش‌بینی وزن بدن استفاده کرد و هرچه اندازه­های بیشتری استفاده شوند پیش‌بینی دقیق­تری انجام خواهد شد. براساس پارامترهای R2و MSE، بهترین معادله رگرسیون فیت شده برای پیش‌بینی وزن بدن با استفاده از اندازه‌گیری­های ابعاد بدن انتخاب شد. در حالیکه هر سه اندازه در مدل اثر معنی‌داری داشتند (0001/0P<)، ارتفاع جدوگاه بالاترین ضریب را داشت (65/0)، بنابراین می­تواند بیشترین اثر را در پیش‌بینی داشته باشد. مقایسه دو مدل نشان داد که هر دو مدل می­توانند به خوبی وزن بدن را، نزدیک به وزن واقعی آن پیش‌بینی کنند، اما توانایی شبکه عصبی مصنوعی بالاتر است (R2 برای شبکه عصبی مصنوعی 86/0 و برای مدل­های رگرسیونی 76/0) و به ورن واقعی بدن نزدیک­تر می­باشد. با این وجود، اگر اندازه­های مرتبط بیشتری رکورد‌برداری شوند می­توان نتایج مطلوب­تری را با شبکه عصبی مصنوعی به دست آورد. بنابراین، از شبکه عصبی مصنوعی می­توان به جای روش­های سنتی مرسوم برای پیش‌بینی وزن واقعی بدن با استفاده از اندازه­های بدن استفاده کرد. Manuscript profile