摘要
本文旨在探究利用前馈神经网络(FNN)预测杜洛克公猪的眼肌面积(LDA)与背膘厚(BFT)的育种值,以确定预测模型的最佳宽度与深度.采集广西某猪场 2 000 头杜洛克公猪的LDA和BFT数据,使用5 次 5 折交叉验证方法,探究宽度在 2～1 024 个神经元、隐藏层在 1～31 层的神经网络的预测准确性.结果表明:在预测LDA性状时,宽度为 1 024、深度为 16 的FNN模型的准确性最高;在预测BFT性状时,宽度为32、深度为 1 的FNN模型表现最佳;神经网络模型(ANN)的预测准确性与参数量相关,但两者并非正相关关系,且模型在宽度较窄和隐藏层较深时易出现模型失效现象.模型训练时间与参数量呈现明显的正相关关系.本研究通过探索FNN模型结构和参数,为提升杜洛克公猪的眼肌面积与背膘厚的预测准确性提供新思路,并为构建更复杂的模型提供了一定的参考.
国家科技期刊平台
NSTL
万方数据