The ability to predict meat drip lo

The ability to predict meat drip loss by using either near infrared spectra (SPECTRA) or different meat
quality (MQ) measurements, such as pH24, Minolta L*, a*, b*, along with different chemometric approach,
was investigated. Back propagation (BP) and counter propagation (CP) artificial neural networks (ANN)
were used and compared to PLS (partial least squares) regression.

ผลลัพธ์ (ไทย) 1:

ความสามารถในการทำนายเนื้อหยดน้ำสูญเสีย โดยใช้อย่างใดอย่างหนึ่ง ใกล้อินฟราเรดสเปกตรัม (สเปกตรัม) หรือเนื้อสัตว์อื่นการวัดคุณภาพ (MQ) เช่น pH24, Minolta L * เป็น *, b * พร้อม ด้วยวิธีการที่แตกต่างกัน chemometricรับการตรวจสอบ การเผยแพร่ (BP) และเคาน์เตอร์การเผยแพร่ (CP) ประดิษฐ์เครือข่ายประสาท (แอน)ใช้ และเมื่อเทียบกับถดถอย PLS (บางส่วนกำลังสองน้อยสุด)

ผลลัพธ์ (ไทย) 2:

ความสามารถในการคาดการณ์การสูญเสียน้ำหยดเนื้อโดยใช้สเปกตรัมใกล้อินฟราเรด (SPECTRA) หรือเนื้อสัตว์ที่แตกต่างกัน
ที่มีคุณภาพ (MQ) วัดเช่น pH24, MINOLTA L * a * b * พร้อมกับวิธีการ chemometric ที่แตกต่างกัน
ได้รับการตรวจสอบ กลับขยายพันธุ์ (BP) และการขยายพันธุ์เคาน์เตอร์ (CP) เครือข่ายประสาทเทียม (ANN)
ถูกนำมาใช้และเมื่อเทียบกับ PLS (สี่เหลี่ยมอย่างน้อยบางส่วน) ถดถอย

ผลลัพธ์ (ไทย) 3:

ความสามารถในการทำนายการสูญเสียเลือดเนื้อ โดยใช้ทั้งใกล้อินฟราเรดสเปกตรัม ( Spectra ) หรือเนื้อสัตว์ต่าง ๆคุณภาพ ( MQ ) การวัด เช่น ph24 , MINOLTA L * a * b * พร้อมกับแตกต่างคีโมเมตริกซ์วิธีการถูกตรวจสอบ ชนิดแพร่กลับ ( BP ) และเคาน์เตอร์ขยายพันธุ์ ( CP ) โครงข่ายประสาทเทียม ( ANN )และเคยใช้เทียบกับ PLS ( กำลังสองน้อยที่สุดบางส่วน ) การถดถอย