- Tytuł:
-
Detection of heifers with dystocia using artificial neural networks with regard to ERalpha-BGLI, ERalpha-SNABI and CYP19-PVUII genotypes
Detekcja jałówek z trudnymi porodami za pomocą sztucznych sieci neuronowych z uwzględnieniem genotypów ERalfaBGLI, ERalfa-SNABI i CYP19-PVUII - Autorzy:
-
Zaborski, D.
Grzesiak, W. - Powiązania:
- https://bibliotekanauki.pl/articles/44944.pdf
- Data publikacji:
- 2011
- Wydawca:
- Zachodniopomorski Uniwersytet Technologiczny w Szczecinie. Wydawnictwo Uczelniane ZUT w Szczecinie
- Tematy:
-
detection
heifer
dairy heifer
dystocia
artificial neural network
genotype
cattle
Holstein-Friesian breed
Black-and-White breed - Opis:
-
The aim of this study was to detect heifers with dystocia using artificial neural networks
(ANN). A total of 531 calving records of Holstein-Friesian heifers of Black-and-White
strain and 8 diagnostic variables were used. The output variable was the class of calving difficulty:
difficult or easy. Perceptrons with one (MLP1) and two (MLP2) hidden layers and radial
basis function (RBF) networks were investigated. The root mean square error and the structure
of selected ANN (number of neurons in the input, hidden and output layers) were 0.22, 10-4-1;
0.25, 10-17-17-1 and 0.19, 10-25-1 for MLP1, MLP2 and RBF, respectively. The percentage of
correctly recognized heifers with difficult and easy calvings and that of correctly diagnosed
heifers from both categories for the training and validation sets were approx. 90%. The same values
for the test set were 75-83%, 82–88% and 82–86%, respectively. In both cases, no significant
differences in these proportions were found. The following variables contributed most to
the detection of heifers with dystocia: gestation length, BCS index, CYP19-PvuII and ERα-BglI
genotypes and percentage of HF genes in heifer’s genotype.
Celem niniejszej pracy była detekcja jałówek z trudnymi porodami przy użyciu sztucznych sieci neuronowych (SSN).Wykorzystano w tym celu dane o 531 wycieleniach jałówek rasy polskiej holsztyńsko-fryzyjskiej odmiany czarno-białej oraz 8 zmiennych diagnostycznych. Zmienną wyjściową była klasa trudności porodu: trudny lub łatwy. Analizowano perceptrony z jedną (MLP1) i dwoma (MLP2) warstwami ukrytymi oraz sieci o radialnych funkcjach bazowych (RBF). Pierwiastek błędu średniokwadratowego oraz struktura wybranych SSN (liczba neuronów w warstwach wejściowej, ukrytej i wyjściowej) były następujące: 0,22, 10-4-1; 0,25, 10-17-17-1 i 0,19, 10-25-1 odpowiednio dla MLP1, MLP2 i RBF. Odsetek prawidłowo rozpoznanych jałówek z trudnymi i łatwymi porodami oraz odsetek prawidłowo zdiagnozowanych jałówek z obu kategorii dla zbioru uczącego i walidacyjnego wynosiły ok. 90%.Wartości te dla zbioru testowego wynosiły odpowiednio: 75–83%, 82–88% i 82–86%. W obu przypadkach nie stwierdzono istotnych statystycznie różnic między tymi proporcjami. Następujące zmienne miały największy wkład w detekcję jałówek z trudnymi porodami: długość ciąży, indeks BCS, genotypy CYP19-PvuII i ERα-BglI oraz procentowy udział genow hf w genotypie jałówki. - Źródło:
-
Acta Scientiarum Polonorum. Zootechnica; 2011, 10, 2
1644-0714 - Pojawia się w:
- Acta Scientiarum Polonorum. Zootechnica
- Dostawca treści:
- Biblioteka Nauki
Artykuł