| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,081 |
| تعداد مقالات | 34,377 |
| تعداد مشاهده مقاله | 48,005,741 |
| تعداد دریافت فایل اصل مقاله | 78,922,778 |
پیش بینی میزان پروفیل اسیدهای آمینه در دانه ذرت و گندم با استفاده از دو مدل شبکه عصبی مصنوعی و رگرسیونی خطی چند گانه | ||
| علوم دامی | ||
| مقاله 19، دوره 27، شماره 103، شهریور 1393، صفحه 195-204 اصل مقاله (1.24 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/asj.2014.100626 | ||
| نویسندگان | ||
| فاطمه سارانی* 1؛ حمیدرضا میرزایی2؛ مصطفی یوسف الهی3؛ کاوه اکبرزاده4؛ محمد صالحی دیندارلو5 | ||
| 1دانش آموخته کارشناسی ارشد، دانشگاه زابل | ||
| 2دانشیار ، دانشگاه زابل | ||
| 3استادیار، دانشگاه زابل | ||
| 4مربی، دانشگاه امام رضا علیه السلام | ||
| 5دانش‌آموخته کارشناسی ارشد | ||
| چکیده | ||
| تعیین مقدار اسیدهای آمینه مواد خوراکی بعلت آنالیزهای شیمیایی و صرف زمان در آزمایشگاه گران و وقت گیر است. در روشهای آزمایشگاهی کنونی روش هضمی1 NIRS به طور گستردهای برای این هدف استفاده میشود. ولی این روش دارای محدودیتهای تکنیکی است. بنابراین یافتن روشی مناسب برای تخمین میزان اسیدهای آمینه دارای اهمیت میباشد. شبکه عصبی مصنوعی (ANN) میتواند انعکاس بهتر و دقیقتری را از رابطه میان ترکیبات تجزیه تقریبی خوراک و مقدار یک ماده مغذی خاص در آن خوراک ارائه کند. از اینرو مطالعهای جهت تخمین میزان اسیدهای آمینه دانه ذرت و گندم با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه (MLR) انجام شد. در مدلعصبی بکار رفته در این تحقیق، متغیرهای ورودی شامل میزان پروتئین خام، چربی خام، الیاف خام، فسفر و خاکستر و متغیر خروجی شامل پروفیل اسیدهای آمینه مربوط به ترکیب این دو نوع ماده خوراکی بود. نتایج نشان داد که بین اسیدهای آمینه در ذرت و گندم و ترکیبات شیمیایی آن ارتباط قابل توجهی وجود دارد. همچنین ارزیابی آماری نشان داد که مدل ANN در مقایسه با MLR دارای قدرت تخمین بیشتری برای برآورد میزان هریک از اسیدهای آمینه ضروری بود. با استفاده از نتایج این تحقیق توصیه میشود که شبکههای عصبی مصنوعی را میتوان به عنوان روش محاسباتی با دقت و صحت کافی برای مدل سازی، پیش بینی و برآورد مواد مغذی ترکیب مواد خوراکی مورد استفاده در طیور به کار برد. | ||
| عنوان مقاله [English] | ||
| Prediction of amino acids contents in corn and wheat by using artificial neural network model and multiple linear regression | ||
| نویسندگان [English] | ||
| F. sarani1؛ H. R. Mirzaei2؛ M. Yosefollahi3؛ K. Akbarzadeh4؛ M. Salehi Dindarlo5 | ||
| چکیده [English] | ||
| To determine the amount of food amino acid and to spend time in the laboratories are expensive & time-consuming due to a chemical analysis. In the current laboratories, digestion NIRS method is widely used for this purpose. But this method has technical limitation. Therefor is important find appropriate method for estimate amount of amino acids. Artificial Neural Network (ANN) can provide a better reflection of the relationship between approximation feed composition and particular nutrient amount in that feed. Therefore, this study was performed to estimate amino acids corn and wheat by using artificial neural networks and multiple linear regression (MLR). In neural models used in the study, input variables include crude protein, crude fat, crude fibre, phosphorus and ash, and output variables includ profiles of amino acids relevant to combination of these two types of feed. The Results showed that there is a significant relationship Between amino acids in corn and wheat and its chemical composition. Also The statistical evaluation showed that the ANN model compared with MLR was a stronger estimation for prediction the amount of each amino acids. Hence the artificial neural network as a powerful tool for modelling, forecasting and estimating the nutrient composition of foods used poultry. Using the results of this study, it is recommended that artificial neural network can be used as a computational method with sufficient accuracy for modelling, prediction and estimation of the nutrient composition of foods used in poultry. | ||
|
آمار تعداد مشاهده مقاله: 1,985 تعداد دریافت فایل اصل مقاله: 1,474 |
||