In this study, PLSR and SVR were us

In this study, PLSR and SVR were used to build calibration models to assess egg freshness using a full spectral range. The calibration and prediction results obtained from various pre-treatment routines were compared in Table 1. When PLSR was used to establish a calibration model, the pre-treatment routines were R2 p = 0.78, and RMSEP = 5.30% using ‘Autoscale’, which improved predictive capacity compared to the original data (R2p = 0.68, RMSEP = 6.49%). When SVR was used to establish a calibration model, the pre-treatment routines were R2p = 0.85, RMSEP = 4.33% using ‘PCA’. The pre-treatment processes improved little predictive capacity compared to the original data, however, the discrepancy between R2c (1.00) and R2p (0.85) in the original data indicated that the model was over fit for the training samples,
resulting in a poor generalization ability. The above analysis suggests that the SVR calibration model delivers better outcomes, and the pre-treatment is effective and necessary to generate a suitable set of data. To evaluate how accurate the model predicts the value of a component, the root mean standard error value should be compared with the standard deviation of the reference data/

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ SVR และ PLSR ถูกใช้ในการสร้างแบบสอบเทียบเพื่อประเมินความสดของไข่โดยใช้ช่วงสเปกตรัมเต็มรูปแบบ ผลการสอบเทียบและการคาดเดาจากกิจวัตรต่าง ๆ รักษาก่อนมาเปรียบเทียบในตารางที่ 1 PLSR ใช้ในการสร้างแบบจำลองการสอบเทียบ งานประจำรักษาก่อนถูก R2 p = 0.78 และ RMSEP = 5.30% ใช้ 'ปรับมาตราส่วนอัตโนมัติ' ซึ่งระบบผลิตเปรียบเทียบกับข้อมูลเดิม (R2p = 0.68, RMSEP = 6.49%) SVR ถูกใช้เพื่อสร้างรูปแบบการสอบเทียบ งานประจำรักษาก่อนถูก R2p = 0.85, RMSEP = 4.33% ใช้ 'PCA' กระบวนการรักษาก่อนการปรับปรุงความจุคาดการณ์เล็กน้อยเมื่อเทียบกับข้อมูลเดิม อย่างไรก็ตาม ความขัดแย้งระหว่าง R2c (1.00) และ R2p (0.85) ในข้อมูลต้นฉบับระบุว่า เป็นแบบเกินพอดีสำหรับตัวอย่างการฝึกอบรมส่งผลให้ความสามารถลักษณะทั่วไปไม่ดี การวิเคราะห์ข้างต้นแสดงให้เห็นว่า แบบสอบเทียบ SVR ผล และการรักษาล่วงหน้าจำเป็นต้องสร้างชุดของข้อมูลที่เหมาะสม และมีประสิทธิภาพ การประเมินวิธีที่ถูกต้องแบบจำลองการคาดการณ์ค่าของส่วนประกอบ ข้อผิดพลาดมาตรฐานหมายถึงค่ารากควรเปรียบเทียบกับส่วนเบี่ยงเบนมาตรฐานของข้อมูลอ้างอิง /

ผลลัพธ์ (ไทย) 2:

ในการศึกษานี้ PLSR และ SVR ถูกนำมาใช้ในการสร้างแบบจำลองการสอบเทียบเพื่อประเมินความสดไข่โดยใช้ช่วงสเปกตรัมเต็มรูปแบบ สอบเทียบและการทำนายผลที่ได้รับจากการปฏิบัติต่าง ๆ การรักษาก่อนถูกนำมาเปรียบเทียบในตารางที่ 1 เมื่อ PLSR ถูกใช้ในการสร้างรูปแบบการสอบเทียบประจำการรักษาก่อนเป็น R2 p = 0.78 และ RMSEP = 5.30% โดยใช้ 'สเกลอัตโนมัติซึ่ง การปรับปรุงความจุทำนายเมื่อเทียบกับข้อมูลเดิม (R2P = 0.68, RMSEP = 6.49%) เมื่อ SVR ถูกใช้ในการสร้างรูปแบบการสอบเทียบประจำการรักษาก่อนเป็น R2P = 0.85 = 4.33 RMSEP% โดยใช้ 'PCA' กระบวนการรักษาก่อนการปรับปรุงกำลังการผลิตคาดการณ์เล็กน้อยเมื่อเทียบกับข้อมูลเดิม แต่ความแตกต่างระหว่าง R2C (1.00) และ R2P (0.85) ในข้อมูลเดิมที่ระบุว่ารูปแบบถูกกว่าเหมาะสำหรับตัวอย่างการฝึกอบรมที่
มีผลในการทั่วไปที่ไม่ดี ความสามารถ. การวิเคราะห์ข้างต้นแสดงให้เห็นว่ารูปแบบการสอบเทียบ SVR มอบผลลัพธ์ที่ดีกว่าและการรักษาก่อนที่มีประสิทธิภาพและจำเป็นที่จะต้องสร้างชุดที่เหมาะสมของข้อมูล เพื่อประเมินว่ามีความถูกต้องแบบจำลองคาดการณ์มูลค่าขององค์ประกอบรากหมายถึงค่าความผิดพลาดมาตรฐานควรนำมาเปรียบเทียบกับค่าเบี่ยงเบนมาตรฐานของข้อมูลอ้างอิง /