本文關(guān)鍵詞：基于改進人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定，由筆耕文化傳播整理發(fā)布。

文檔介紹：
2013年2月農(nóng)業(yè)機械學(xué)報第44卷第2期doi:10.6041/j.issn.1000鄄1298.2013.02.037基于改進人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定*郭孝玉1搖孫玉軍1搖王軼夫1搖林靜媛2(1.北京林業(yè)大學(xué)省部共建森林培育與保護教育部重點實驗室,北京100083;2.福建農(nóng)林大學(xué)園林學(xué)院,福州350002)摘要:葉面積作為植物光合作用的重要指標,是研究作物及林木生產(chǎn)力的基礎(chǔ)。采用LM算法和貝葉斯規(guī)則相結(jié)合的網(wǎng)絡(luò)訓(xùn)練模式,以毛竹葉面積為研究對象,綜合優(yōu)化其人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建最優(yōu)的葉面積預(yù)測模型。研究結(jié)果顯示,模型的最佳預(yù)測變量為葉片寬度和葉片長度變量組合,而增加葉片形狀指數(shù)未提高葉面積預(yù)測模型精度;所建神經(jīng)網(wǎng)絡(luò)模型性能好、預(yù)測精度高,決定系數(shù)達0郾992,平均相對預(yù)測誤差為4郾28%,可以準確估測毛竹葉面積。關(guān)鍵詞:毛竹搖葉面積搖人工神經(jīng)網(wǎng)絡(luò)搖貝葉斯規(guī)則搖測定中圖分類號:TP183;S758文獻標識碼:A文章編號:1000鄄1298(2013)workforDeterminationofPlantLeafAreaGuoXiaoyu1搖SunYujun1搖WangYifu1搖LinJingyuan2(1.TheKeyLaboratoryforSilvicultureandConservationofMinistryofEducation,BeijingForestryUniversity,Beijing100083,China2.CollegeofLandscapeArchitecture,FujianAgricultureandForestr... 內(nèi)容來自轉(zhuǎn)載請標明出處.

  本文關(guān)鍵詞：基于改進人工神經(jīng)網(wǎng)絡(luò)的植物葉面積測定，，由筆耕文化傳播整理發(fā)布。