CV


HOMAYOUN FARHANGFAR

HOMAYOUN FARHANGFAR

Professor

Faculty: Agriculture

Department: Animal Sciences

Degree: Ph.D

Birth Year: 1967

CV
HOMAYOUN FARHANGFAR

Professor HOMAYOUN FARHANGFAR

Faculty: Agriculture - Department: Animal Sciences Degree: Ph.D | Birth Year: 1967 |

مقایسه ی دقت شبکه ی عصبی مصنوعی و مدل رگرسیون خطی در تخمین وزن بدن شتر یک کوهانه

Authorsحسین نعیمی پوریونسی,تیام رادین,سید همایون فرهنگ فر,محمدباقر منتظرتربتی
Conference Titleکنفرانس ملی نوآوری کشاورزی، علوم دامی و دامپزشکی
Holding Date of Conference2020-02-26
Event Placeتهران
Page number0-0
PresentationPOSTER
Conference LevelInternal Conferences

Abstract

ایجاد شبکه و استفاده از هوش مصنوعی و تکنولوژیهای نوین، بهرهوری شترداری در کشوررا فراهم میسازد.هدف از این تحقیقمقایسه دقتاستفاده از مدل رگرسیون خطی و شبکه عصبی مصنوعیدر تخمین وزن بدن با استفادهاز بسته nnetنرمافزارRدر شترهای یک کوهانه است. در این پژوهش ازابعاد بدنی21نفر شتر یک کوهانهنژادبلوچیکه توسط ایستگاه پرورش شتر در سال1398جمع آوری شده است، استفاده گردید. در مدل آماری، اثر طول گردن، دورگردن، طول دست، طول پا، ارتفاع شانه، ارتفاع کوهان، ارتفاع کپل، دور سینه، پهنای سینه، دور شکم، پهنای لگن،طول دم، ارتفاع پستان و دور پستانبر وزن بدن شترقرار داده شده است.نتایج آنالیز رگرسیوننشان داداثرات ارتفاع شانهدر سطح معنیداری (001/0P<) وارتفاع پستان، پهنای لگن، دور سینه در سطح معنیداری (05/0P<) بر صفت وزن بدن معنیدار بود. نتایج تحلیل شبکه عصبی مصنوعی نشان داددور سینه، دور شکم و ارتفاع شانه دارای بیشتریناهمیتو طول گردن،ارتفاعکپل و طول دم دارای کمتریناهمیتبر وزن بدنمیباشد.بررسیدقت و کاراییمدلهای رگرسیون خطی و شبکه عصبی مصنوعیدرهر دو مدل داری دقت قابل قبول در برآورد وزن میباشند. با این حال، مدل شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون خطای کمتری در برآوردوزن شترها داشت.

Paper URL