Kullanım Kılavuzu
Neden sadece 3 sonuç görüntüleyebiliyorum?
Sadece üye olan kurumların ağından bağlandığınız da tüm sonuçları görüntüleyebilirsiniz. Üye olmayan kurumlar için kurum yetkililerinin başvurması durumunda 1 aylık ücretsiz deneme sürümü açmaktayız.
Benim olmayan çok sonuç geliyor?
Birçok kaynakça da atıflar "Soyad, İ" olarak gösterildiği için özellikle Soyad ve isminin baş harfi aynı olan akademisyenlerin atıfları zaman zaman karışabilmektedir. Bu sorun tüm dünyadaki atıf dizinlerinin sıkça karşılaştığı bir sorundur.
Sadece ilgili makaleme yapılan atıfları nasıl görebilirim?
Makalenizin ismini arattıktan sonra detaylar kısmına bastığınız anda seçtiğiniz makaleye yapılan atıfları görebilirsiniz.
  Atıf Sayısı 2
 Görüntüleme 25
 İndirme 3
Use of Neural Network Model to Predict of Egg Yield
2018
Dergi:  
Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi
Yazar:  
Özet:

A neural network is a mathematical model of information processing based on the work of the human brain. An artificial neural network (ANN) is composed of a number of simple processing elements connected together in a network. In this study, the egg yield was predicted based on the individually collected hatching period, line, body weight (BW), age at sexual maturity (ASM) and body weight at sexual maturity (BWSM) records of layers using neural network model. A multilayer perceptron (MLP) ANN model trained by back propagation algorithm is developed for feed-forward neural network learning. From the available data set, training and testing sets were extracted. Goodness of fit of the model was determined with the coefficient of determination (R2), root mean square error (RMSE) and Mean Absolute Deviation (MAD) values. The R2 for training and test sets were estimated to be 0.80 and 0.82, respectively. Lower RMSE and MAD values were obtained. The empirical result shows that neural network can be used for the prediction of egg yield.

Anahtar Kelimeler:

Atıf Yapanlar
Dikkat!
Yayınların atıflarını görmek için Sobiad'a Üye Bir Üniversite Ağından erişim sağlamalısınız. Kurumuzun Sobiad'a üye olması için Kütüphane ve Dokümantasyon Daire Başkanlığı ile iletişim kurabilirsiniz.
Kampüs Dışı Erişim
Eğer Sobiad Abonesi bir kuruma bağlıysanız kurum dışı erişim için Giriş Yap Panelini kullanabilirsiniz. Kurumsal E-Mail adresiniz ile kolayca üye olup giriş yapabilirsiniz.
Benzer Makaleler










Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi

Dergi Türü :   Uluslararası

Metrikler
Makale : 594
Atıf : 2.999
Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi