Regression and artificial neural ne

Regression and artificial neural network (ANN) (5, 39) were used as
complementary approaches to model the relationship between gray leaf spot
severity and the predictors. As a preliminary step, Mallow's Cp (28) variable
selection criterion was used to determine the best subset of the 11 predictor
variables (selected based on correlation coefficient) to be used in the input layer of
the ANN. Variable selection prior to model development is useful for removing
redundant predictors from the model, reducing noise in the data set due to
unnecessary predictors, and avoiding problems of collinearity caused by having too
many variables fulfilling the same function in the model (15). To identify the best
subset of potentially useful predictors, all-subset regressions by leaps and bounds
(17) was performed using the /eaps function in S-plus 6.1 (Academic Site Edition,
Insightful, Corp. Seattle, WA). Using this modeling approach, different numbers and
combinations of input variables were used to develop regression models, and the
best model was selected based on Mallow's Cp criteria defined as:

ผลลัพธ์ (ไทย) 1:

ถดถอยและโครงข่ายประสาทเทียม (แอน) (5, 39) ถูกใช้เป็น เสริมวิธีการโมเดลความสัมพันธ์ระหว่างจุดใบสีเทา ความรุนแรงและการทำนาย เป็นขั้นตอนเบื้องต้น ตัวแปรของชบา Cp (28) เกณฑ์การเลือกถูกใช้เพื่อกำหนดว่าชุดย่อยที่สุดของ 11 predictor ตัวแปร (เลือกตามสัมประสิทธิ์สหสัมพันธ์) เพื่อใช้ในชั้นอินพุตของ การเลือกตัวแปร ANN. ก่อนที่จะพัฒนารูปแบบจะเป็นประโยชน์สำหรับการลบ ตั้งซ้ำซ้อนทำนายจากแบบจำลอง การลดเสียงรบกวนในข้อมูลเนื่องจาก ทำนายไม่จำเป็น และปัญหาที่หลีกเลี่ยงของมีมากเกินไป ตัวแปรจำนวนมากที่ทำหน้าที่เหมือนในรูป (15) การระบุที่ดีสุด ย่อยของประโยชน์อาจทำนาย การแสดงชุดย่อยทั้งหมด โดยไปมาก (17) ทำโดยใช้ฟังก์ชัน /eaps ใน 6.1 S plus (ฉบับเว็บไซต์วิชาการ ลึกซึ้ง Corp. Seattle, WA) ใช้วิธีการสร้างโมเดล หมายเลขที่แตกต่างกันนี้ และ ใช้ชุดของตัวแปรอินพุตในการพัฒนาแบบจำลองถดถอย และ รุ่นที่ดีที่สุดเลือกของชบา Cp เกณฑ์กำหนดเป็น:

ผลลัพธ์ (ไทย) 2:

การถดถอยและเครือข่ายประสาทเทียม (ANN) (5, 39) ถูกนำมาใช้เป็น
แนวทางประกอบกับรูปแบบความสัมพันธ์ระหว่างสีเทาจุดใบ
รุนแรงและพยากรณ์ เป็นขั้นตอนเบื้องต้นของ Cp ลโลว์ (28) ตัวแปร
เกณฑ์ในการเลือกถูกใช้ในการตรวจสอบระบบย่อยที่ดีที่สุดของตัวทำนายที่ 11
ตัวแปร (เลือกขึ้นอยู่กับค่าสัมประสิทธิ์สหสัมพันธ์) เพื่อนำมาใช้ในชั้นการป้อนข้อมูลของ
แอน เลือกตัวแปรก่อนที่จะมีรูปแบบการพัฒนาจะเป็นประโยชน์สำหรับการลบ
พยากรณ์ซ้ำซ้อนจากแบบจำลองการลดเสียงรบกวนในข้อมูลที่กำหนดเนื่องจากการ
ทำนายที่ไม่จำเป็นและหลีกเลี่ยงปัญหาการ collinearity เกิดจากมีมากเกินไป
หลายตัวแปรตอบสนองการทำงานที่เหมือนกันในรูปแบบ (15) เพื่อระบุที่ดีที่สุด
ส่วนหนึ่งของการพยากรณ์ที่มีประโยชน์ที่อาจเกิดขึ้นทุกกลุ่มย่อยถดถอยโดย leaps และขอบเขต
(17) ได้รับการดำเนินการโดยใช้ฟังก์ชั่น / EAPs ใน S-บวก 6.1 (นักวิชาการเว็บไซต์ฉบับ
ลึกซึ้งคอร์ป Seattle, WA) โดยใช้วิธีการสร้างแบบจำลองนี้ตัวเลขที่แตกต่างกันและ
การรวมกันของตัวแปรที่ใช้ในการพัฒนารูปแบบการถดถอยและ
รูปแบบที่ดีที่สุดได้รับการคัดเลือกตามเกณฑ์ที่ Cp ลโลว์ของหมายถึง:

ผลลัพธ์ (ไทย) 3:

การถดถอยและแบบจำลองโครงข่ายประสาทเทียม ( ANN ) ( 5 , 39 ) ถูกใช้เป็นซึ่งวิธีการแบบจำลองความสัมพันธ์ระหว่างโรคใบจุดสีเทาความรุนแรงและพยากรณ์ เป็นขั้นตอนเบื้องต้น แมลโล่ของ CP ( 28 ) ตัวแปรเกณฑ์การคัดเลือกที่ใช้ตรวจสอบย่อย 11 ตัวที่ดีที่สุดของตัวแปร ( เลือกตามค่าสัมประสิทธิ์สหสัมพันธ์ ) เพื่อใช้ในการเข้าชั้นส่วน แอน การเลือกตัวแปรก่อน รูปแบบการพัฒนาจะเป็นประโยชน์สำหรับการลบคำทำนายจากแบบจำลอง , การลดเสียงรบกวนในชุดข้อมูลเนื่องจากไม่จำเป็น พยากรณ์ และหลีกเลี่ยงปัญหาของ collinearity เกิดจากมีมากเกินไปหลายตัวแปรตอบสนองฟังก์ชันเดียวกันในรุ่น ( 15 ) หาที่ดีที่สุดบางส่วนของประโยชน์ที่อาจส่งผลต่อทุกสับเซตสมการถดถอยโดย leaps และขอบเขต( 17 ) คือการใช้ฟังก์ชัน / กระบวนการตกตะกอนใน s-plus 6.1 ( รุ่นเว็บไซต์ทางวิชาการลึกซึ้ง , สถาบัน Seattle , WA ) การใช้แบบจำลองตัวเลขที่แตกต่างกันและการรวมกันของตัวแปรที่ใช้ในการพัฒนาตัวแบบการถดถอยและรุ่นที่ดีที่สุด คือ เลือกตามจำพวกของ CP หลักเกณฑ์ดังนี้