Interdisciplinary approaches in foo

Interdisciplinary approaches in food research require new methods in data analysis that are able to deal with
complexity and facilitate the communication among model users. Four parallel full factorial within-subject designs
were performed to examine the relative contribution to consumer product evaluation of intrinsic product properties
and information given on packaging. Detailed experimental designs and results obtained from analyses of variance
were published [1]. The data was analyzed again with the machine learning modelling technique Bayesian networks.
The objective of the current paper is to explain basic features of this technique and its advantages over the standard
statistical approach regarding handling of complexity and communication of results. With analysis of variance,
visualization and interpretation of main effects and interactions effects becomes difficult in complex systems. The
Bayesian network model offers the possibility to formally incorporate (domain) experts knowledge. By combining
empirical data with the pre-defined network structure, new relationships can be learned, thus generating an update of
current knowledge. Probabilistic inference in Bayesian networks allows instant and global use of the model; its
graphical representation makes it easy to visualize and communicate the results. Making use of the most of data from
one single experiment, as well as combining data of independent experiments makes Bayesian networks for analysing
these and similarly complex and rich data sets.

ผลลัพธ์ (ไทย) 1:

อาศัยแนวทางในการวิจัยอาหารต้องใช้วิธีการใหม่ในการวิเคราะห์ข้อมูลที่สามารถจัดการกับความซับซ้อน และช่วยในการติดต่อสื่อสารระหว่างผู้ใช้รุ่นนี้ 4 ขนานแฟกเต็มภายในเรื่องการออกแบบดำเนินการตรวจสอบส่วนจะสัมพันธ์กันให้ผู้บริโภคทดลองใช้ผลิตภัณฑ์ intrinsic คุณสมบัติและข้อมูลที่กำหนดบนบรรจุภัณฑ์ ผลลัพธ์ที่ได้จากผลต่างของการวิเคราะห์และออกแบบการทดลองโดยละเอียดได้เผยแพร่ [1] มีวิเคราะห์ข้อมูลอีกครั้งกับเครื่องเครือข่ายทฤษฎีเทคนิคการสร้างแบบจำลองการเรียนรู้วัตถุประสงค์ของกระดาษปัจจุบันจะอธิบายคุณสมบัติพื้นฐานของเทคนิคนี้และข้อดีที่เหนือมาตรฐานวิธีการทางสถิติเกี่ยวกับการจัดการความซับซ้อนและการสื่อสารผลการ มีผลต่างของการวิเคราะห์แสดงภาพประกอบเพลงและการตีความของลักษณะหลักและลักษณะการโต้ตอบจะยากในระบบที่ซับซ้อน ที่ทฤษฎีแบบจำลองเครือข่ายมีความสามารถในการรวบรวมความรู้ (โดเมน) ผู้เชี่ยวชาญอย่างเป็นกิจจะลักษณะ โดยรวมข้อมูลรวมกับโครงสร้างเครือข่ายที่กำหนดไว้ล่วงหน้า ความสัมพันธ์ใหม่สามารถจะเรียนรู้ สร้างการปรับปรุงดังนั้นรู้ปัจจุบัน ทฤษฎีเครือข่าย probabilistic ข้อให้ใช้ทันที และส่วนกลางของรูปแบบ ของรูปภาพทำให้ง่ายต่อการมองเห็นภาพ และผลการสื่อสาร ใช้ทำส่วนใหญ่ของข้อมูลจากทำให้เครือข่ายทฤษฎีสำหรับวิเคราะห์ทดลองหนึ่งเดียว เป็นการรวมข้อมูลของการทดลองอิสระthese and similarly complex and rich data sets.

ผลลัพธ์ (ไทย) 2:

วิธีสหวิทยาการในการวิจัยอาหารต้องใช้วิธีการใหม่ในการวิเคราะห์ข้อมูลที่มีความสามารถที่จะจัดการกับ
ความซับซ้อนและอำนวยความสะดวกในการติดต่อสื่อสารระหว่างผู้ใช้รูปแบบ ปัจจัยสี่ขนานเต็มรูปแบบภายในเรื่องการออกแบบที่
ได้ดำเนินการในการตรวจสอบผลงานเมื่อเทียบกับการประเมินผลงานของผู้บริโภคสินค้าของคุณสมบัติที่แท้จริง
และข้อมูลที่ได้รับบนบรรจุภัณฑ์ การออกแบบการทดลองรายละเอียดและผลที่ได้จากการวิเคราะห์ความแปรปรวน
ถูกตีพิมพ์ [1] วิเคราะห์ข้อมูลอีกครั้งกับเบย์การเรียนรู้เทคนิคการสร้างแบบจำลองเครื่องเครือข่าย.
วัตถุประสงค์ของกระดาษในปัจจุบันคือการอธิบายคุณสมบัติพื้นฐานของเทคนิคนี้และข้อได้เปรียบกว่ามาตรฐาน
วิธีการทางสถิติเกี่ยวกับการจัดการความซับซ้อนและการสื่อสารของผลลัพธ์ ด้วยการวิเคราะห์ความแปรปรวน,
การแสดงและการแปลความหมายของผลกระทบที่สำคัญและผลกระทบที่มีปฏิสัมพันธ์กลายเป็นเรื่องยากในระบบที่ซับซ้อน
รูปแบบเครือข่ายแบบเบย์มีความเป็นไปได้อย่างเป็นทางการรวม (โดเมน) ผู้เชี่ยวชาญด้านความรู้ โดยการรวม
ข้อมูลเชิงประจักษ์ที่มีโครงสร้างเครือข่ายที่กำหนดไว้ล่วงหน้า, ความสัมพันธ์ใหม่สามารถเรียนรู้ได้จึงสร้างการปรับปรุง
ความรู้ในปัจจุบัน น่าจะเป็นข้อสรุปในเครือข่ายแบบเบย์ช่วยให้การใช้ทันทีและทั่วโลกของรูปแบบ; ของ
การแสดงกราฟิกทำให้ง่ายต่อการมองเห็นภาพและการสื่อสารผล การใช้มากที่สุดของข้อมูลจาก
การทดลองหนึ่งเดียวเช่นเดียวกับการรวมข้อมูลจากการทดลองที่เป็นอิสระทำให้เครือข่ายแบบเบย์สำหรับการวิเคราะห์
ชุดข้อมูลเหล่านี้และในทำนองเดียวกันที่มีความซับซ้อนและอุดมไปด้วย

ผลลัพธ์ (ไทย) 3:

แนวทางสหวิทยาการในการวิจัยอาหารต้องใช้วิธีการใหม่ในการวิเคราะห์ข้อมูลที่สามารถจัดการกับความซับซ้อนและอำนวยความสะดวกในการสื่อสารระหว่าง
ผู้ใช้แบบ สี่กลุ่มในวิชาออกแบบ
แบบเต็มจำนวนเพื่อตรวจสอบความสัมพันธ์ระหว่างการประเมินผลผลิตของผู้บริโภคที่แท้จริง และข้อมูลที่ระบุในคุณสมบัติ
ผลิตภัณฑ์บรรจุภัณฑ์การออกแบบการทดลองและการวิเคราะห์ข้อมูลจากผลของความแปรปรวน
ตีพิมพ์ [ 1 ] วิเคราะห์ข้อมูลอีกครั้งด้วยเทคนิคการเรียนรู้แบบเบส์เครื่องเครือข่าย .
วัตถุประสงค์ของกระดาษในปัจจุบันคือการอธิบายลักษณะพื้นฐานของเทคนิคนี้และข้อดีของมันเกินมาตรฐาน
วิธีการทางสถิติเกี่ยวกับการจัดการความซับซ้อนและการสื่อสารของผลลัพธ์ด้วยการวิเคราะห์ความแปรปรวน และการตีความผลหลัก
การแสดงผลและปฏิสัมพันธ์จะยากในระบบที่ซับซ้อน
รูปแบบเครือข่ายแบบเบย์มีความเป็นไปได้ที่จะเป็นรวม ( โดเมน ) ความรู้ผู้เชี่ยวชาญ โดยการรวมข้อมูลเชิงประจักษ์ด้วย
แบ่งโครงสร้างเครือข่ายความสัมพันธ์ใหม่สามารถเรียนรู้ได้ ดังนั้นการสร้างการปรับปรุง
ความรู้ในปัจจุบัน