Wyznaczanie gęstości nasion jęczmienia jarego przy wykorzystaniu sztucznych sieci neuronowych

W pracy opracowano modele wykorzystujące sztuczne sieci neuronowe do wyznaczenia gęstości nasion jęczmienia jarego (odmiany Stratus i Rodos). Po przebadaniu 200 sieci wybrano jako modele dwie sieci typu perceptron trójwarstwowy. Jako dane wejściowe istotne okazały się mass ziarna, długości i jeden z wymiarów poprzecznych (grubość albo szerokość). Wybrane sieci neuronowe zachowały zdolność generalizacji - średnie błędy względne dla danych testujących (nie wykorzystywanych w procesie uczenia) były nieznacznie większe niż dla danych walidacyjnych.

---

The study involved development of models using artificial neuron networks to determine spring barley seeds density (Stratus and Rodos varieties). After having tested 200 networks, two three-layer perception-type networks were selected for models. Important input data were: seed weight, seed length, and one of crosswise dimensions (thickness or width). Selected neuron networks maintained their generalization ability - mean relative errors for testing data (not used in learning process) were slightly higher than for validation data.