پیش بینی میزان اسیدهای آمینه ضروری در دو نمونه غله با استفاده از روش شبکه عصبی مصنوعی
Abstract(in Persian; no English abstract is available)
هدف از این تحقیق، بررسی کاربرد شبکه های عصبی مصنوعی در برآورد میزان اسید های آمینه ضروری با استفاده از مواد مغذی موجود در گندم و ذرت بود. شبکه عصبی رگرسیون عمومی ، تابع پایه شعاعی و شبکه عصبی پرسپترون سه لایه مدل های مورد استفاده در این تحقیق بودند. شبکه های عصبی طراحی شده در این مطالعه توسط داده های آموزشی و آزمایشی مورد ارزیابی قرار گرفتند. در مدل های عصبی بکار رفته، متغیرهای ورودی شامل میزان پروتئین خام، چربی خام، فیبر خام، فسفر و خاکستر و متغیرهای خروجی شامل پروفیل اسید های آمینه ضروری (متیونین، سیستئین، متیونین + سیستئین، لوسین، فنیل آلانین، تریپتوفان، والین، آرژنین، لایزین، هیستیدین و ترئونین) مربوط به ترکیب این دو نوع ماده خوراکی بود. ضریب تبیین (r2) برای هر کدام از مواد مغذی محاسبه شد. هر سه نوع شبکه توانستند ارتباط بین متغیرهای ورودی و خروجی را به دست آورند. نتایج نشان داد که در گندم و ذرت با استفاده از شبکه عصبی پرسپترون سه لایه و ورودی همزمان پروتئین خام + فسفر ضریب تبیین به مراتب بالاتر بود. در ذرت برای والین ضریب تبیین 98/0 و درگندم برای سیستئین ضریب تبیین 98/0 برآورد شد. همچنین، در گندم به استثناء متیونین، لایزین و ترئونین در سایر موارد پروتئین خام با استفاده از شبکه عصبی رگرسیون عمومی و شبکه عصبی پرسپترون سه لایه عملکرد بهتری داشت. تابع پایه شعاعی در گندم عملکرد خوبی نداشت. اما در ذرت نتایج برعکس بود. به استثناء تریپتوفان، آرژنین و لایزین در سایر موارد تابع پایه شعاعی با ورودی خاکستر عملکرد بهتری داشت. با استفاده از نتایج این تحقیق توصیه می شود که شبکه های عصبی مصنوعی را می توان به عنوان یک ابزار قدرتمند برای مدل سازی، پیش بینی و برآورد مواد مغذی ترکیب مواد خوراکی طیور به کار برد.