The use of decision support systems

The use of decision support systems by the wine industry is mainly focused
on the wine production phase [10]. Despite the potential of DM techniques to
predict wine quality based on physicochemical data, their use is rather scarce
and mostly considers small datasets. For example, in 1991 the famous “Wine”
dataset was donated into the UCI repository [2]. The data contain 178 examples
with measurements of 13 chemical constituents (e.g. alcohol, Mg) and the goal
is to classify three cultivars from Italy. This dataset is very easy to discriminate
and has been mainly used as a benchmark for new DM classifiers. In 1997 [22],
a NN fed with 15 input variables (e.g. Zn and Mg levels) was used to predict six
geographic wine origins. The data included 170 samples from Germany and a
100% predictive rate was reported. In 2001 [24], NNs were used to classify three
sensory attributes (e.g. sweetness) of Californian wine, based on grape maturity
levels and chemical analysis (e.g. titrable acidity). Only 36 examples were used
and a 6% error was achieved. More recently, mineral characterization (e.g. Zn
and Mg) was used to discriminate 54 samples into two red wine classes [17]. A
probabilistic NN was adopted, attaining 95% accuracy. As a powerful learning
tool, SVM has outperformed NN in several applications, such as predicting meat
preferences [6]. Yet, in the field of wine quality only one application has been
reported, where spectral measurements from 147 bottles were successfully used
to predict 3 categories of rice wine age

ผลลัพธ์ (ไทย) 1:

ส่วนใหญ่จะเน้นการใช้ระบบสนับสนุนการตัดสินใจโดยอุตสาหกรรมไวน์ในระยะการผลิตไวน์ [10] แม้ศักยภาพของ DM เทคนิคการทำนายคุณภาพไวน์ physicochemical ข้อมูล การใช้จะค่อนข้างหายากและส่วนใหญ่พิจารณา datasets ขนาดเล็ก ตัวอย่าง ในปีพ.ศ. 2534 "ไวน์"ชุดข้อมูลที่บริจาคเข้าคลัง UCI [2] ข้อมูลประกอบด้วยตัวอย่าง 178มีการวัดของ 13 constituents เคมี (เช่นแอลกอฮอล์ Mg) และเป้าหมายคือการ จัดประเภท 3 พันธุ์จากอิตาลี ชุดข้อมูลนี้เป็นเรื่องง่ายมากที่จะถือเขาถือเราและส่วนใหญ่ใช้เป็นเกณฑ์มาตรฐานสำหรับคำนามภาษา DM ใหม่ ในปี 1997 [22],NN ที่เลี้ยงกับตัวแปรอินพุต 15 (เช่น Mg และ Zn ระดับ) ใช้ในการทำนาย 6ต้นกำเนิดไวน์ทางภูมิศาสตร์ ข้อมูลรวม 170 ตัวอย่างจากประเทศเยอรมนีและมีรายงานอัตรางาน 100% ในปีค.ศ. 2001 [24], NNs ถูกใช้เพื่อจัดประเภทสามคุณลักษณะทางประสาทสัมผัส (เช่นความหวานหอม) ละม้ายไวน์ ตามวันครบกำหนดองุ่นระดับและการวิเคราะห์ทางเคมี (เช่น titrable มี) ใช้ตัวอย่างเพียง 36และมีข้อผิดพลาด 6% สำเร็จ เพิ่มเติมล่าสุด จำแนกแร่ (เช่น Znและ Mg) ใช้ในการเหยียดตัวอย่าง 54 ออกเป็น 2 ประเภทไวน์แดง [17] Aprobabilistic NN หมายถึง การบรรลุความแม่นยำ 95% เป็นการเรียนรู้ที่มีประสิทธิภาพเครื่องมือ SVM มี outperformed NN ในการใช้งาน คาดการณ์เนื้อลักษณะ [6] ยัง ไวน์ในด้าน แอพลิเคชันเดียวเท่านั้นของคุณภาพแล้วรายงาน ที่วัดสเปกตรัมจาก 147 ขวดเรียบร้อยใช้การทำนายประเภท 3 อายุข้าวไวน์

ผลลัพธ์ (ไทย) 2:

การใช้งานของระบบสนับสนุนการตัดสินใจโดยอุตสาหกรรมไวน์ส่วนใหญ่จะเน้นในขั้นตอนการผลิตไวน์ [10]
แม้จะมีศักยภาพของเทคนิค DM เพื่อทำนายไวน์คุณภาพบนพื้นฐานของข้อมูลทางเคมีกายภาพการใช้งานของพวกเขาค่อนข้างหายากและส่วนใหญ่คิดว่าชุดข้อมูลขนาดเล็ก ยกตัวอย่างเช่นในปี 1991 ที่มีชื่อเสียง "ไวน์" ชุดข้อมูลที่ได้รับบริจาคเข้ามาในพื้นที่เก็บข้อมูล UCI [2] ข้อมูลที่มี 178 ตัวอย่างด้วยการวัดจาก13 องค์ประกอบทางเคมี (เช่นเครื่องดื่มแอลกอฮอล์, Mg) และเป้าหมายคือการจำแนกสายพันธุ์ที่สามจากอิตาลี ชุดนี้เป็นเรื่องง่ายมากที่จะเห็นความแตกต่างและได้รับส่วนใหญ่ที่ใช้เป็นมาตรฐานสำหรับ DM ลักษณนามใหม่ ในปี 1997 [22], NN เบื่อกับ 15 ตัวแปร (เช่นสังกะสีและระดับ Mg) ถูกนำมาใช้ในการทำนายหกต้นกำเนิดไวน์ทางภูมิศาสตร์ ข้อมูลที่รวม 170 ตัวอย่างจากเยอรมนีและอัตราการทำนาย 100% ได้รับการรายงาน ในปี 2001 [24], NNs ถูกนำมาใช้ในการจำแนกสามคุณลักษณะทางประสาทสัมผัส(เช่นความหวาน) ของไวน์แคลิฟอร์เนียขึ้นอยู่กับการครบกําหนดองุ่นระดับและการวิเคราะห์ทางเคมี(เช่นความเป็นกรด titrable) เพียง 36 ตัวอย่างที่ถูกนำมาใช้และข้อผิดพลาด6% ก็ประสบความสำเร็จ เมื่อเร็ว ๆ นี้ลักษณะแร่ (เช่นสังกะสีและแมกนีเซียม) ถูกนำมาใช้ในการแยกแยะ 54 ตัวอย่างเป็นสองชั้นไวน์แดง [17] น่าจะถูกนำมาใช้ NN บรรลุความถูกต้อง 95% ในฐานะที่เป็นการเรียนรู้ที่มีประสิทธิภาพเครื่องมือ SVM มีประสิทธิภาพสูงกว่า NN ในการใช้งานหลายอย่างเช่นการทำนายเนื้อตั้งค่า[6] แต่ในด้านของคุณภาพไวน์เพียงหนึ่งใบสมัครได้รับรายงานที่วัดสเปกตรัมจาก 147 ขวดถูกนำมาใช้ประสบความสำเร็จที่จะคาดการณ์3 ประเภทอายุไวน์ข้าว

ผลลัพธ์ (ไทย) 3:

การใช้ระบบสนับสนุนการตัดสินใจโดยอุตสาหกรรมไวน์จะเน้นหลักในการผลิตไวน์
เฟส [ 10 ] แม้ศักยภาพของเทคนิค DM
ทำนายคุณภาพไวน์บนพื้นฐานของข้อมูลและใช้พวกเขาจะค่อนข้างหายาก และส่วนใหญ่จะพิจารณา
ข้อมูลขนาดเล็ก ตัวอย่างเช่น ในปี 1991 มีชื่อเสียง " ไวน์ "
วันที่บริจาคเข้าคลัง UCI [ 2 ] ข้อมูลประกอบด้วย
178 ตัวอย่างด้วยการวัด 13 องค์ประกอบทางเคมี ( เช่น แอลกอฮอล์ มก. ) และเป้าหมาย
เป็นแบ่ง 3 พันธุ์จาก อิตาลี ข้อมูลนี้เป็นเรื่องง่ายที่จะแยกแยะ
และได้รับส่วนใหญ่ใช้เป็นมาตรฐานสำหรับคำลักษณนาม DM ใหม่ ใน พ.ศ. 2540 [ 22 ] ,
NN ที่ได้รับ 15 ตัวแปร ( เช่นสังกะสีและแมกนีเซียมระดับ ) ถูกใช้เพื่อทำนายหก
กำเนิดไวน์ทางภูมิศาสตร์ ข้อมูลรวม 170 คน จากเยอรมนีและ
100% ในการทำนายคะแนนรายงาน ในปี พ.ศ. 2544 [ 24 ] nns ถูกใช้เพื่อจำแนกคุณลักษณะทางประสาทสัมผัส 3
( เช่น ความหวานของแคลิฟอร์เนียไวน์ ขึ้นอยู่กับระดับวุฒิภาวะ
องุ่นและการวิเคราะห์ทางเคมี เช่น กรด titrable ) ใช้แค่ 36 ตัวอย่างและข้อผิดพลาด %
6 พบว่า เมื่อเร็วๆ นี้ แร่คุณสมบัติ ( เช่นสังกะสี
และ Mg ) ถูกใช้เพื่อแยกแยะเป็น 2 ชั้น 54 ตัวอย่างไวน์แดง [ 17 ]
เป็น11 ต. บุญธรรมบรรลุความถูกต้อง 95% . เป็นเครื่องมือการเรียนรู้
ที่มีประสิทธิภาพ , SVM สูงกว่าดินในการใช้งานหลายประการ เช่น ทำนายลักษณะเนื้อ
[ 6 ] แต่ในด้านคุณภาพของไวน์เพียงหนึ่งใบสมัครได้รับ
รายงาน ซึ่งการวัดสเปกตรัมจาก 147 ขวดถูกใช้ประสบความสำเร็จ
ทำนาย 3 ประเภทอายุไวน์