The use of ANN in plant pathology-r

The use of ANN in plant pathology-related research has increased over the past few years and has been shown to be superior to conventional modeling approaches in several cases. Batchelor et al. (2) used ANN to predict soybean rust epidemics and compared their results with those obtained using regression and simulation models for the same dataset. They found that their best ANN model resulted in higher coefficient of multiple determination than the regression and imulation models, even when validated on an independent data set. De Wolf and Francl (16) reported superior performance of BPNN over logistic regression for the classification of incidence of tan spot of wheat, and over stepwise logistic regression and multivariate discriminant analysis for the detection of infection periods for the same disease (15). Similarly, Yang and Batchelor (68) reported that BPNN's performed better than conventional modeling approaches in predicting wheat scab epidemics, while Francl and Panigrahi (19) showed the superiority of the same class
of ANN's over discriminant analysis in predicting the wetness status of wheat leaves.

ผลลัพธ์ (ไทย) 1:

แอนน์ใช้ในงานวิจัยที่เกี่ยวข้องกับพยาธิวิทยาพืชได้เพิ่มขึ้นมากกว่าปีผ่านมา และได้รับการแสดงที่จะดีกว่าวิธีการสร้างโมเดลทั่วไปในหลายกรณี แบทเชเลอร์ et al. (2) ใช้แอนทำนายโรคระบาดถั่วเหลืองสนิม และเปรียบเทียบผลกับผู้ใช้แบบจำลองการถดถอยและการจำลองสำหรับชุดข้อมูลเดียวกัน พวกเขาพบว่าดีสุดรุ่นแอนส่งผลให้สัมประสิทธิ์สูงของหลายความมุ่งมั่นกว่ารุ่นถดถอยและ imulation แม้ว่าจะตรวจสอบการตั้งค่าข้อมูลอิสระ หมาป่า de และ Francl (16) รายงานประสิทธิภาพที่เหนือกว่าของ BPNN ถดถอยโลจิสติกสำหรับการจัดประเภทของอุบัติการณ์ของตาลจุด ของข้าวสาลี และการถดถอยโลจิสติกศและวิเคราะห์ตัวแปรพหุ discriminant สำหรับการตรวจสอบของรอบระยะเวลาของการติดเชื้อโรคเดียวกัน (15) ในทำนองเดียวกัน ยางและแบทเชเลอร์ (68) รายงานว่า ของ BPNN ทำได้ดีกว่าวิธีทั่วไปการสร้างโมเดลในการทำนายโรคระบาด scab ข้าวสาลี ในขณะที่ Francl และ Panigrahi (19) พบว่าที่เหนือกว่าของประเภทเดียวกัน ของแอนน์มากกว่าการวิเคราะห์ discriminant ในการทำนายความเปียกชื้นที่ สถานะของข้าวสาลีใบ

ผลลัพธ์ (ไทย) 2:

การใช้งานของแอนในการวิจัยทางพยาธิวิทยาที่เกี่ยวข้องกับพืชได้เพิ่มขึ้นในช่วงไม่กี่ปีที่ผ่านมาและได้รับการแสดงจะดีกว่าวิธีการสร้างแบบจำลองการชุมนุมในหลายกรณี Batchelor et al, (2) ใช้ ANN ที่จะคาดการณ์การระบาดของโรคราสนิมถั่วเหลืองและเมื่อเทียบกับผลของพวกเขามีผู้ที่ได้รับโดยใช้การถดถอยและการจำลองรูปแบบการชุดเดียวกัน พวกเขาพบว่ารูปแบบที่ดีที่สุดของพวกเขาแอนส่งผลให้ค่าสัมประสิทธิ์ที่สูงขึ้นของความมุ่งมั่นกว่าหลายถดถอยและ imulation รุ่นแม้ในขณะที่การตรวจสอบในชุดข้อมูลที่เป็นอิสระ De หมาป่าและ Francl (16) รายงานผลการดำเนินงานที่เหนือกว่าของ BPNN มากกว่าการถดถอยโลจิสติกสำหรับการจำแนกประเภทของการเกิดจุดสีน้ำตาลของข้าวสาลีและมากกว่าการถดถอยโลจิสติกแบบขั้นตอนและการวิเคราะห์จำแนกหลายตัวแปรในการตรวจหาการติดเชื้อของระยะเวลาในการเกิดโรคเดียวกัน (15) ในทำนองเดียวกันยางและ Batchelor (68) รายงานว่า BPNN ของการดำเนินการที่ดีกว่าการสร้างแบบจำลองการชุมนุมแนวทางในการทำนายโรคระบาดข้าวสาลีตกสะเก็ดขณะ Francl และ Panigrahi (19) แสดงให้เห็นว่าเหนือกว่าของชนชั้นเดียวกัน
ของแอนมากกว่าการวิเคราะห์จำแนกในการทำนายสถานะความชื้นแฉะของใบข้าวสาลี .

ผลลัพธ์ (ไทย) 3:

ใช้แอนโรคพืชในการวิจัยที่เกี่ยวข้องได้เพิ่มขึ้นกว่าไม่กี่ปีที่ผ่านมา และได้ถูกแสดงให้เหนือกว่าปกติการสร้างแบบจำลองในหลายกรณี . Batchelor et al . ( 2 ) ใช้แอนทำนายสนิมถั่วเหลืองโรคระบาดและเปรียบเทียบผลของการวิเคราะห์การถดถอยและการจำลองแบบสำหรับข้อมูลเดียวกัน พวกเขาพบว่าพวกเขาที่ดีที่สุด แอน รุ่นให้สูงกว่าค่าสัมประสิทธิ์การตัดสินใจหลายกว่าโมเดลการถดถอยและ imulation แม้ว่าการตรวจสอบที่เป็นอิสระชุดข้อมูล เดอหมาป่า และ francl ( 16 ) รายงานประสิทธิภาพที่เหนือกว่าของแบบจำลองผ่านถดถอยโลจิสติกสำหรับการเกิดจุดตันของข้าวสาลี และวิเคราะห์ถดถอยโลจิสติกและการวิเคราะห์จำแนกตัวแปรหลายตัวสำหรับการตรวจหาการติดเชื้อโรคสำหรับระยะเวลาเดียวกัน ( 15 ) นอกจากนี้ยังและ Batchelor ( 68 ) รายงานว่าแบบจำลองทำมาดีกว่าแบบธรรมดาที่ใช้ในการพยากรณ์โรคระบาดและข้าวสาลี ในขณะที่ francl panigrahi ( 19 ) แสดงความเหนือกว่าของระดับเดียวกันของแอนมากกว่าการวิเคราะห์ในการทำนายความสถานะของข้าวสาลีใบ