Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva
Objetivo del presente trabajo fue predecir por redes neuronales artificiales (RNA) el peso corporal de caprinos en crianza semiextensiva. Se utilizó 40 caprinos criollos mejorados desde el nacimiento hasta las seis semanas de edad. El 80% de la data fue utilizada para entrenar la red y el 20 % para...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | Spanish |
Published: |
Universidad Nacional de Trujillo
2018-12-01
|
Series: | Agroindustrial Science |
Subjects: | |
Online Access: | http://revistas.unitru.edu.pe/index.php/agroindscience/article/view/2248/2134 |
id |
doaj-05fd2d3e951c4ca08e986d2f5880e3c8 |
---|---|
record_format |
Article |
spelling |
doaj-05fd2d3e951c4ca08e986d2f5880e3c82020-11-24T21:32:34ZspaUniversidad Nacional de TrujilloAgroindustrial Science2226-29892226-29892018-12-018216717510.17268/agroind.sci.2018.02.13Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensivaMiguel Callacná-Custodio0Joan Díaz-Huamanchumo1Victor Vásquez-Villalobos2Universidad Nacional de TrujilloUniversidad Nacional de TrujilloUniversidad Nacional de TrujilloObjetivo del presente trabajo fue predecir por redes neuronales artificiales (RNA) el peso corporal de caprinos en crianza semiextensiva. Se utilizó 40 caprinos criollos mejorados desde el nacimiento hasta las seis semanas de edad. El 80% de la data fue utilizada para entrenar la red y el 20 % para validarla. El tipo de RNA usada fue del tipo feedforward (FF), con algoritmo de entrenamiento Backpropagation (BP) y ajuste de pesos Levenberg–Marquardt (LM), topología que presento el mejor resultado: 3 entradas, seis salidas lineales (purelin), capa oculta con 42 neuronas, tasa de aprendizaje de 0,01, coeficiente de momento de 0,5, meta del error de 0,0001 y 100 etapas de entrenamiento. Comparativamente el error porcentual promedio de los valores predichos por la RNA fue de 7,51 y por la regresión múltiple de 7,80 no existiendo diferencia significativa entre ambos (p > 0,05). Así mismo, el porcentaje de aciertos de la RNA fue de 50% y de la regresión múltiple de 50%, mostrando en ambos casos un rendimiento similar. http://revistas.unitru.edu.pe/index.php/agroindscience/article/view/2248/2134Redes neuronales artificialescaprinos criollos mejoradossistema de crianzapeso corporalregresión múltiple |
collection |
DOAJ |
language |
Spanish |
format |
Article |
sources |
DOAJ |
author |
Miguel Callacná-Custodio Joan Díaz-Huamanchumo Victor Vásquez-Villalobos |
spellingShingle |
Miguel Callacná-Custodio Joan Díaz-Huamanchumo Victor Vásquez-Villalobos Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva Agroindustrial Science Redes neuronales artificiales caprinos criollos mejorados sistema de crianza peso corporal regresión múltiple |
author_facet |
Miguel Callacná-Custodio Joan Díaz-Huamanchumo Victor Vásquez-Villalobos |
author_sort |
Miguel Callacná-Custodio |
title |
Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva |
title_short |
Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva |
title_full |
Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva |
title_fullStr |
Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva |
title_full_unstemmed |
Predicción por redes neuronales artificiales del peso corporal de Capra hircus en crianza semiextensiva |
title_sort |
predicción por redes neuronales artificiales del peso corporal de capra hircus en crianza semiextensiva |
publisher |
Universidad Nacional de Trujillo |
series |
Agroindustrial Science |
issn |
2226-2989 2226-2989 |
publishDate |
2018-12-01 |
description |
Objetivo del presente trabajo fue predecir por redes neuronales artificiales (RNA) el peso corporal de caprinos en crianza semiextensiva. Se utilizó 40 caprinos criollos mejorados desde el nacimiento hasta las seis semanas de edad. El 80% de la data fue utilizada para entrenar la red y el 20 % para validarla. El tipo de RNA usada fue del tipo feedforward (FF), con algoritmo de entrenamiento Backpropagation (BP) y ajuste de pesos Levenberg–Marquardt (LM), topología que presento el mejor resultado: 3 entradas, seis salidas lineales (purelin), capa oculta con 42 neuronas, tasa de aprendizaje de 0,01, coeficiente de momento de 0,5, meta del error de 0,0001 y 100 etapas de entrenamiento. Comparativamente el error porcentual promedio de los valores predichos por la RNA fue de 7,51 y por la regresión múltiple de 7,80 no existiendo diferencia significativa entre ambos (p > 0,05). Así mismo, el porcentaje de aciertos de la RNA fue de 50% y de la regresión múltiple de 50%, mostrando en ambos casos un rendimiento similar.
|
topic |
Redes neuronales artificiales caprinos criollos mejorados sistema de crianza peso corporal regresión múltiple |
url |
http://revistas.unitru.edu.pe/index.php/agroindscience/article/view/2248/2134 |
work_keys_str_mv |
AT miguelcallacnacustodio prediccionporredesneuronalesartificialesdelpesocorporaldecaprahircusencrianzasemiextensiva AT joandiazhuamanchumo prediccionporredesneuronalesartificialesdelpesocorporaldecaprahircusencrianzasemiextensiva AT victorvasquezvillalobos prediccionporredesneuronalesartificialesdelpesocorporaldecaprahircusencrianzasemiextensiva |
_version_ |
1725956948381138944 |