Chemometric Investigation of Barley and Malt Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several hundred samples of barleys and corresponding pilot scale malts were analyzed for eight barley parameters and 15 malt parameters. Principal components analysis (PCA) was applied to the barley and malt data sets. The barley data had three significant PCs, corresponding to kernel size, germination rate and protein content, and moisture. The malt data had 5 significant components, largely corresponding to modification, extract, enzyme activity, nitrogenous substances, and wort pH. Pattern recognition of the barley and malt data sets was carried out with Linear Discriminant Analysis (LDA), k-Nearest Neighbor analysis (k-NN) and SIMCA. Classification of the barley samples into 2- or 6-row, winter or spring, origin country and cultivar was fairly successful. Classification of the malt samples into hulled or hull-less barleys, country of origin, and cultivar was quite successful; classification by crop year and 2- or 6-row barley was less successful. Models of malt parameters as a function of multiple barley measurements were constructed using partial least squares regression (PLSR). An excellent model of malt total protein (R2 = 0.74) was obtained. Fair models of friability, fine and coarse extract, soluble protein, Kolbach index, diastatic power and α-amylase activity were produced. Only poor models of the other parameters were obtained.
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.
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 | 0,001 | 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) | 0,000 | 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 découle