| تعداد نشریات | 282 |
| تعداد نشریات سازمان | 80 |
| تعداد شمارهها | 3,188 |
| تعداد مقالات | 35,336 |
| تعداد مشاهده مقاله | 51,460,292 |
| تعداد دریافت فایل اصل مقاله | 91,332,364 |
استفاده از شبکهی عصبی مصنوعی در توصیف رشد شتر تک کوهانه ایرانی (Camelus dromedarius) | ||
| علوم و فنون دامپروری | ||
| دوره 10، شماره 39، شهریور 1400، صفحه 83-88 اصل مقاله (1008.72 K) | ||
| نوع مقاله: مقاله آموزشی ، پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/aasrj.2021.124939 | ||
| نویسنده | ||
| محمدرضا بحرینی بهزادی* | ||
| دانشیار ژنتیک و اصلاح دام، گروه علوم دامی، دانشکده کشاورزی، دانشگاه یاسوج | ||
| چکیده | ||
| گونههای حیوانی بومی به عنوان بخشی از سرمایه ملی در نظر گرفته شده و حفاظت از آنها دارای اهمیت بسیار زیادی است. شتر سازگاری بسیار زیادی برای زندگی در شرایط نامساعد آب و هوایی کویری دارد. شتر تک کوهانه بهترین منبع گوشت و شیر در این گونه نواحی است، به طوری که عملکرد تولیدی سایر حیوانات اهلی در این شرایط سخت تحت تاثیر قرار میگیرد. هدف از این مطالعه مقایسه دو نوع شبکهی عصبی مصنوعی پرسپترون چند لایه و شعاع مبنا و مدل رشد غیرخطی برودی در برازش منحنی رشد در شتر تک کوهانه ایرانی (Camelus dromedarius) بود. برای مقایسه مدلها از معیار ضریب همبستگی بین مقادیر مشاهده شده و پیشبینی شده وزن بدن استفاده شد. نتایج حاصل از این پژوهش نشان داد که دو نوع شبکهی عصبی مورد استفاده کارایی نسبتاً مشابهی در برازش رشد داشتند. با توجه به اینکه نتایج بخش آزمون شبکه دارای اهمیت بیشتری میباشد، میتوان چنین نتیجهگیری کرد که کارایی مدل رشد غیرخطی برودی اندکی بهتر از دو شبکهی عصبی مورد استفاده در پژوهش حاضر است. هر دو شبکهی عصبی مصنوعی به خوبی مدل رشد غیرخطی برودی توانستند رشد را در شتر تک کوهانه ایرانی برازش کنند و میتوانند به عنوان جایگزینی برای مدلهای رشد غیرخطی باشند. به هر حال، مدلهای ریاضی برای توصیف رشد کاربرد بیشتری نسبت به شبکههای عصبی مصنوعی خواهند داشت زیرا مدلهای رشد غیرخطی میتوانند پدیده رشد را در قالب چندین پارامتر دارای تفسیر زیستی خلاصه کنند. | ||
| کلیدواژهها | ||
| رشد؛ شبکه ی عصبی مصنوعی؛ شتر | ||
| عنوان مقاله [English] | ||
| The Use of Artificial Neural Networks to Describe Growth of Iranian One Humped Camel (Camelus dromedarius) | ||
| نویسندگان [English] | ||
| M. R. Bahreini Behzadi | ||
| چکیده [English] | ||
| Indigenous animal species are considered as part of the national asset and their preservation is very important. Camel is known to be of highest adaptability to the harsh conditions of the desert. The dromedary camel is a best source of milk and meat for these areas where production performance of other animals is adversely affected by the harsh environmental conditions. The objective of this study was to compare two types of artificial neural network (ANN) included multilayer perceptron (MLP) and radial basis function (RBF) and growth model of Brody in growth curve fitting of Iranian one humped camel (Camelus dromedarius). The models were compared by criteria of correlation coefficient between observed and predicted body weight values. The results of this study showed that two artificial neural networks had similar performance of fitting growth curve. Because of the importance of test section result of neural networks, it is concluded that the accuracy of nonlinear Brody growth model was slightly better than two used neural networks. Two artificial neural networks well expressed the growth pattern of Iranian one humped camel as good as nonlinear Brody growth model and could be used as an alternative method for nonlinear growth models. However, mathematical models used to describe the growth will be applicable than the artificial neural networks. Nonlinear growth models can summarize the growth phenomena in terms of several parameters, with biological interpretation. | ||
| کلیدواژهها [English] | ||
| Artificial neural network, Camel, Growth | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 266 تعداد دریافت فایل اصل مقاله: 269 |
||