MétaCan
Menu
Retour à la cohorte
Enregistrement W2996301144 · doi:10.3382/ps/pex299

A sinusoidal function and the Nelder-Mead simplex algorithm applied to growth data from broiler chickens

2018· article· en· W2996301144 sur OpenAlexaff
H. Darmani Kuhi, Arezu Shabanpour, Ardeshir Mohit, S. Falahi, J. France

Notice bibliographique

RevuePoultry Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésGompertz functionBroilerLogistic functionFunction (biology)MathematicsGrowth curve (statistics)Growth functionAlgorithmSimplex algorithmStatisticsApplied mathematicsBiologyAnimal scienceLinear programming

Résumé

récupéré en direct d'OpenAlex

There has been much recent interest in mathematical developments for the analysis of growth in poultry. In this paper, we present a sinusoidal function to describe the evolution of growth as a function of time based on real life experiments. The function was evaluated with regard to its ability to describe the relationship between body weight and age in broilers and was compared to 4 standard growth functions: Gompertz, logistic, Lopez, and Richards. In order to estimate the model parameters, we adopted a global optimization method based on a direct search method instead of using gradient-based techniques. The results of this study show that both the sinusoidal function and the direct search method precisely describe the growth dynamics of broiler chickens. Fitting the growth functions to different data profiles nearly always led to the same or less maximized log-likelihood values for the sinusoidal equation, which is an indication of its superiority in describing growth data from broiler chickens.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,248
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePoultry ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207