شبکه های عصبی مصنوعی در اصلاح نباتات

برای بهبود صفت پیچیده ای مانند عملکرد، یکی از موثرترین روش ها در گزینش ژنوتیپ های مطلوب در اصلاح نباتات، استفاده از گزینش غیرمستقیم برای عملکرد از طریق اجزای عملکرد و صفات وابسته به عملکرد می باشد. دسترسی به مدل هایی که با دقت بالا بتوانند متغیرهای موثر عملکرد را شناسایی کنند، راندمان برنامه های اصلاحی را با تعیین معیار انتخاب مناسب، بهبود می بخشد. شبکه های عصبی مصنوعی به عنوان یکی از روش های نوین مدل سازی در سال های اخیر مورد توجه ویژه قرار گرفته است. این مدل ها برای پیش بین ی و طبقه بندی در مواردی که روش های کلاسیک آماری به خاطر محدودیت هایشان قابل استفاده نیستند، کاربرد دارند. نتایج مربوط روش های مختلف آماری به منظور مقایسه قدرت پیش بینی مدل ها، بیانگر این مطلب است که مدل شبکه های عصبی عملکرد برتری را نسبت به سایر مدل های آماری و از کارایی بیشتری برای گزینش غیرمستقیم برای عملکرد، برخوردار است. بنابراین استفاده از شبکه های عصبی مصنوعی در تحقیقات کشاورزی توصیه می شود.

Keywords:

اصلاح نباتات , عملکرد , گزینش غیرمستقیم , پیش بینی , شبکه های عصبی مصنوعی