Wykorzystanie SSN do wyznaczania twardości ziarna pszenicy

W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do wyznaczania twardości ziarna pszenicy (odmiany Mewa, Korweta, Sakwa, Symfonia, Zyta i Elena). Po przebadaniu 100 sieci wybrano jako model sieć typu perceptron trójwarstwowy. Jako dane wejściowe istotne okazały się: grubości i szerokości ziarna oraz zawartości białka. Wybrana sieć neuronowa zachowała zdolność generalizacji - średni błąd względny dla danych testujących (nie wykorzystywanych w procesie uczenia) były nieznacznie większy niż dla danych walidacyjnych.

The paper presents developed models using artificial neural networks (ANN) to determine wheat grain hardness (Mewa, Korweta, Sakwa, Symfonia, Zyta and Elena varieties). A three-layer perceptron-type network was selected as a model after having tested 100 networks. Grain thickness and width and protein content turned out to be important as input data. Selected neural network maintained its ability to generalize - average relative error for testing data (not being used in learning process) was slightly higher than for validation data.