Notice bibliographique
Résumé
Modeling of broiler chicken supply-chain economics depends on robust biological models of growth and yield of broiler chickens. In this paper, 8 dynamic nonlinear broiler carcass and carcass part yield models were evaluated statistically for their suitability for predicting weights of carcass parts. The analysis employed 4 sigmoidal (S) models (Gompertz, modified Gompertz, Richards, and Lopez) describing carcass part weight as a function of age, as well as 3 diminishing returns (DR) models (Lopez, Mitscherlich, and log linear), and a log-linear proportional yield (PY) model, which describe carcass part yield and weight, respectively, as a proportion of feather- and fat-free empty body mass (FFEBM). Three S models with a flexible point of inflection were better able to predict carcass part weights than a fixed point of inflection Gompertz model and, in general, the DR models. The log-linear models were the only models that converged in 100% of the evaluations. The allometric PY model predicted weights for most carcass parts with the smallest degree of error and with substantially less bias than the DR log-linear model. Estimates of the coefficients for the log-linear PY model are included for 12 key carcass parts. Estimates of carcass chemical composition are presented for the log-linear PY model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».