- همه نشریات
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- مجلات ترویجی کشاورزی
- نشریات انجمن ها
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
آمار
| تعداد نشریات | 278 |
| تعداد نشریات سازمان | 77 |
| تعداد شماره‌ها | 2,103 |
| تعداد مقالات | 24,240 |
| تعداد مشاهده مقاله | 13,096,253 |
| تعداد دریافت فایل اصل مقاله | 10,526,412 |
مقایسه مدل‌سازی شبکه عصبی مصنوعی و مدل خطی چندگانه در برآورد وزن دنبه نژادهای دنبه دار و آمیخته های آنها با نژاد بدون دنبه | ||
| علوم دامی (پژوهش و سازندگی) | ||
| دوره 33، شماره 129، زمستان 1399، صفحه 167-182 اصل مقاله (1.61 MB) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/asj.2020.128001.2003 | ||
| نویسندگان | ||
کریم نوبری  1؛ محمود وطن خواه2؛ سید داود شریفی3؛ ناصر امام جمعه کاشان3؛ مهدی مومن4؛ عبداله کاویان1
| ||
| 1بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گلستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، گرگان، ایران. | ||
| 2بخش تحقیقات علوم دامی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی چهار محال و بختیاری، سازمان تحقیقات، آموزش و ترویج کشاورزی، شهرکرد، ایران. | ||
| 3گروه علوم دام و طیور، پردیس ابوریحان، دانشگاه تهران، تهران، ایران | ||
| 4گروه علوم دامی، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
| چکیده | ||
| همه نژادهای گوسفندان بومی ایران بجز نژاد زل، دنبه‌دار هستند و علیرغم درصد چربی لاشه کمتر بره‌های نر نسبت به ماده‌ها، دارای وزن دنبه بیشتری می‌باشند. استفاده از میزان تنوع درون‌نژادی جهت تغییر ژنتیکی مستلزم اندازهگیری دقیق وصحیح وزن دنبه در دام‌های تحت انتخاب می‌باشد. هدف این مطالعه مقایسه روش‌های مدل‌سازی شبکه عصبی مصنوعی (ANN) و مدل خطی جهت پیش‌بینی وزن دنبه در گوسفند از روی وزن بدن و اندازه‌های مختلف ابعاد دنبه بود. برای مدل‌سازی جهت برآورد وزن دنبه، تعداد 32 بره از نژادهای شال و زندی، آمیخته‌های زندی×شال، زل×زندی و زل×شال تهیه گردید. ورودی‌های مدل شامل نوع تولد، جنسیت، نژاد، عرض بالای دنبه، عرض میانی دنبه، عرض پایین دنبه، ارتفاع دنبه و وزن بدن قبل از کشتار و خروجی مدل وزن دنبه بود. صفات وزن بدن، نژاد و عرض میانی دنبه به ترتیب با مقادیر 83/0، 82/0- و 80/0 دارای بیشترین همبستگی با وزن دنبه داشتند. پارامترهای برازش بهترین مدل شبکه عصبی‌مصنوعی دارای ضرایب تبیین 99/0 و مجذور میانگین مربعات خطای(RMSE) 3/70 گرم بودند. میزان پارامترهای مذکور در مدل خطی به ترتیب 89/0 و 86/263 گرم بود. نتایج حاصل از بسط مطالعه اصلی، وجود پیچیدگی روابط متقابل بین‌ورودی‌های مدل را نشان داد. این پژوهش امکان پیش‌بینی دقیق و صحیح وزن دنبه نژادها و آمیخته‌های مختلف را با استفاده از شبکه عصبی به اثبات رساند. این مطالعه همچنین نشان داد که برآورد وزن دنبه از روی صفات قابل اندازهگیری در گوسفند با استفاده از مدل شبکه عصبی مصنوعی با صحت و دقت بیشتری نسبت به مدل خطی انجام می‌شود. | ||
| کلیدواژه‌ها | ||
| مدل‌سازی؛ شبکه عصبی؛ آمیخته؛ وزن دنبه؛ کیفیت لاشه | ||
| عنوان مقاله [English] | ||
| Comparison of Artificial Neural Network and Multiple Linear Models in Estimation of Fat-tail weight on Fat-tailed Breeds and their Crosses | ||
| نویسندگان [English] | ||
| Karim Nobari1؛ Mahmoud Vatankhah2؛ Sayed Davood Sharifi3؛ Nasser Emam Jomea Kashan3؛ Mehdi Momen4؛ abdollah kavian1 | ||
| 1Department of Animal Science, Golestan Agricultural and Natural Resources Research and Education, AREEO, Gorgan, Iran | ||
| 2Agricultural and Natural Resources Research and Education Center ShahrKord | ||
| 3Department of Animal Science, Abureyhan College of Agriculture, Tehran University, Tehran, Iran | ||
| 4Department of Animal Science, Faculty of Agriculture, Shahid Bahonar University of Kerman(SBUK), Iran | ||
| چکیده [English] | ||
| All breeds of Irannians sheep except Zel has a fat tail, and despite their lower carcass fat percentage, male lambs have higher fat-tail weight. Using within breed genetic variation requires accurate and precise measuring of fat tail weight on candidates of selection. The aime of this study was comparision of artificial neural network (ANN) modeling and linear modeling methods to prediction of fat tail weight, using body weight and different tail dimensions. 32 lambs of Chal and Zandi breeds,crosses of Zandi×Chal,Zel×Zandi and Zel×Chal hybrids were used for modeling to an estimation of fat-tail weight. Inputs of the model was birth type, sex, breed, upper width , mid width and lower width of fat tail,fat tail height and body weight, output of the model was fat tail weight. body weight, genotype, and fat tail mid-width had the largest positive correlations with fat-tail weight,0.83,-0.82 and0.80,respectively. The adequacy parameters of the best artificial neural network model had a coefficient determination of 0.99 and a mean squared error(RMSE)of 70.3g. The values of these estimated parameters by the multiple linear model were 0.891 and 263.86, respectively. The results of the extension of the original study showed the complexity of the interactions between the model inputs. Present research approved to accurate and unbiased estimation of tail weight of different breeds and crosses using artificial neural network. Furthermore, present study showed that ANN model can be used for accurate and presise estimation of fat tail weight using measured traits on sheep,than linear model. | ||
| کلیدواژه‌ها [English] | ||
| Modeling, Neural Network, Crossbreed, Fat-tail weight, Carcass quality | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 21 تعداد دریافت فایل اصل مقاله: 22 |
||
