The aim of this study was to assess

The aim of this study was to assess the suitability of a static neural network (SANN), a MLR model, and a nonlinear auto regressive model with exogenous input (NARX) for the prediction of total daily herd milk yield (DHMY) over varying forecast horizons. The most successful model was selected according to its abilities to generate the most accurate forecast using very limited training data in low volumes over a long- (305 d), medium- (30 to 50 d), and short-term (10 d) horizon.

ผลลัพธ์ (ไทย) 1:

จุดมุ่งหมายของการศึกษานี้เป็นการ ประเมินความเหมาะสมของเครือข่ายประสาทคง (SANN), แบบ MLR และรูปแบบถอยหลังอัตโนมัติเชิงเส้นกับข้อมูลภายนอก (NARX) สำหรับการประมาณผลฝูงนมทุกวันรวม (DHMY) เหนือขอบเขตการคาดการณ์ที่แตกต่างกัน เลือกรูปแบบประสบความสำเร็จตามความสามารถในการสร้างการคาดการณ์ที่แม่นยำที่สุดโดยใช้ข้อมูลการฝึกอบรมจำกัดในปริมาณต่ำยาว - (305 d), ปานกลาง (30-50 d), และขอบฟ้า (10 d) ระยะสั้น

ผลลัพธ์ (ไทย) 2:

จุดมุ่งหมายของการศึกษาครั้งนี้เพื่อประเมินความเหมาะสมของโครงข่ายประสาทเทียมแบบคงที่ (Sann) ซึ่งเป็นรูปแบบการคิดอัตราดอกเบี้ย MLR และไม่เชิงเส้นอัตโนมัติรุ่นถอยหลังด้วยการป้อนข้อมูลจากภายนอก (NARX) สำหรับการคาดการณ์ของอัตราผลตอบแทนฝูงนมทุกวันรวม (DHMY) ในช่วงที่แตกต่างกันการคาดการณ์ อันไกลโพ้น รูปแบบที่ประสบความสำเร็จมากที่สุดได้รับเลือกตามความสามารถในการสร้างการคาดการณ์ที่ถูกต้องที่สุดโดยใช้ข้อมูลการฝึกอบรมที่ จำกัด มากในปริมาณต่ำกว่ายาว (305 D) กลาง (30-50 D) และระยะสั้น (10 D) ขอบฟ้า

ผลลัพธ์ (ไทย) 3:

จุดมุ่งหมายของการศึกษานี้เพื่อประเมินความเหมาะสมของโครงข่ายประสาทเทียมแบบคงที่ ( Sann ) , MLR และไม่เชิงเส้นแบบอัตโนมัติ ( narx เข้าถอยหลังแบบภายนอก ) เพื่อทำนายผลผลิตน้ำนมรวมฝูงทุกวัน ( dhmy ) มากกว่าการปรับขอบเขต รุ่นที่ประสบความสำเร็จมากที่สุด คือ เลือกตามความสามารถของตนเพื่อสร้างการคาดการณ์ที่ถูกต้องมากที่สุดข้อมูลการใช้ จำกัด มากในปริมาณต่ำกว่า ยาว ( 305 ) ขนาดกลาง ( 30 ถึง 50 D ) และระยะสั้น ( 10 วัน ) ขอบฟ้า