کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6540655 | 158864 | 2015 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Investigating the use of gradient boosting machine, random forest and their ensemble to predict skin flavonoid content from berry physical-mechanical characteristics in wine grapes
ترجمه فارسی عنوان
بررسی استفاده از دستگاه تقویت کننده شیب، جنگل تصادفی و گروه آن برای پیش بینی محتوای فلاونوئیدهای پوستی از ویژگی های فیزیکی مکانیکی توت در انگور شراب
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
RFEchewinessFskCARTWskGBMcohesiveness - انسجامResilience - انعطاف پذیریTexture analysis - تجزیه و تحلیل بافتRandom forest - جنگلهای تصادفی یا جنگلهای تصمیم تصادفیRecursive feature elimination - حذف ویژگی های بازگشتیRegression tree - درخت رگرسیونGradient Boosting Machine - دستگاه تقویت گرادیانHardness - سختیskin thickness - ضخامت پوستClassification and regression tree - طبقه بندی و درخت رگرسیونFlavonoids - فلاونوئیدها
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Whole berry and skin texture analysis was applied to berries from 22 red wine grape cultivars and linked to the total flavonoid content. Three machine-learning techniques (regression tree, random forest and gradient boosting machine) were then applied. Models reached a high accuracy both in the external and internal validation. The R2 ranged from 0.75 to 0.85 for the external validation and from 0.65 to 0.75 for the internal validation, while RMSE (Root Mean Square Error) went from 0.95 mg gâ1 to 0.7 mg gâ1 in the external validation and from 1.3 mg gâ1 to 1.1 mg gâ1 in the internal validation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers and Electronics in Agriculture - Volume 117, September 2015, Pages 186-193
Journal: Computers and Electronics in Agriculture - Volume 117, September 2015, Pages 186-193
نویسندگان
Luca Brillante, Federica Gaiotti, Lorenzo Lovat, Simone Vincenzi, Simone Giacosa, Fabrizio Torchio, Susana RÃo Segade, Luca Rolle, Diego Tomasi,