بهکارگیری سیستم استنتاج عصبی-فازی سازگار و شبکههای عصبی مصنوعی در پیشبینی و مدلسازی تغییرات کیفی زالزالک (Crataegus pinnatifida) طی شرایط مختلف انبارمانی
Publish place: Journal of Agricultural Machinery، Vol: 11، Issue: 2
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 334
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-11-2_016
تاریخ نمایه سازی: 6 دی 1399
Abstract:
در دهههای اخیر، از سیستمهای هوش مصنوعی برای ایجاد مدلهای پیشبینی جهت تخمین و پیشبینی بسیاری از فرآیندهای کشاورزی استفاده شده است. در این مطالعه، خصوصیات فیزیکی و شیمیایی میوه زالزالک طی نگهداری در شرایط مختلف با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج عصبی-فازی سازگار پیشبینی گردید. از دادههای تجربی حاصل از نگهداری میوه، برای آموزش و آزمایش این شبکهها استفاده شد. تعداد کل لایههای پنهان و تعداد نورون در هر لایه پنهان به روش سعی و خطا انتخاب گردید. شبکه عصبی و سیستم استنتاج عصبی-فازی سازگار طراحی شده دارای ورودی شامل زمان نگهداری، رطوبت اولیه و دمای نگهداری و یک متغیر در لایههای خروجی ( ، ، ، و ) بود. مقادیر R2 بالا و RMSE کم گویای کارایی بالای مدل شبکه عصبی مصنوعی و سیستم استنتاج عصبی-فازی سازگار در پیشبینی خصوصیات کیفی زالزالک طی فرآیند نگهداری میباشد. نتایج نشان داد که شبکه عصبی پرسپترون چندلایه با الگوریتم یادگیری مومنتوم و تابع آستانهای تاناکسون بهترین شبکه برای پیشبینی خصوصیات کیفی زالزالک در شرایط مختلف بود. نتایج مدلسازی با انفیس نشان داد که توابع عضویت ذوزنقهای و گوسی بهترین عملکرد را بهترتیب در پیشبینی پارامترهای رنگی و فیزیکی داشت. با مقایسه نتایج حاصل از مدلسازی با شبکه عصبی مصنوعی و انفیس، تفاوت زیادی از نظر دقت و کارایی در پیشبینی مشاهده نشد، اگرچه شاخص RMSE در مدلسازی با کمک انفیس کمتر از شبکه عصبی مصنوعی بود که خود نمایانگر دقت بالاتر آن میباشد.
Keywords:
Authors
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :