MétaCan
Menu
Retour à la cohorte
Enregistrement W3145424792 · doi:10.4141/cjas2012-020

Evaluating the egg production of broiler breeder hens in response to dietary nutrient intake from 31 to 60 weeks of age through neural network models

2012· article· en· W3145424792 sur OpenAlexaffvenue
A. Faridi, Abolghasem Golian, J. France

Notice bibliographique

RevueCanadian Journal of Animal Science · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAnimal Nutrition and Physiology
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBroilerNutrientAnimal scienceBreeder (animal)BiologyEcology

Résumé

récupéré en direct d'OpenAlex

Faridi, A., Golian, A. and France, J. 2012. Evaluating the egg production of broiler breeder hens in response to dietary nutrient intake from 31 to 60 weeks of age through neural network models. Can. J. Anim. Sci. 92: 473–481. The aim of this study was to evaluate the response of broiler breeder hens in terms of egg production to dietary nutrient intake. Using neural network (NN) models and breaking down the collected data from 98 commercial broiler breeder houses into 3-wk intervals, 10 NN-based models were developed from 31 to 60 wk of age. The data lines were divided into two random subsets of training (n=64) and testing (n=34) sets. The variables of interest for developing the models were metabolizable energy (ME; kcal bird−1 d−1), and crude protein (CP), total sulphur amino acids (TSAA), lysine (Lys), calcium (Ca) and available phosphorus (AP), all in g bird−1 d−1. The random optimization algorithm was applied to the constructed models to find the optimal level of the input variables which maximized egg production during the different intervals. The high R 2 values in all the developed models for both the training and testing sets indicate the accuracy of NN-based models in estimating egg production. The optimization results revealed that breeder hens consuming 485, 473, 471, 466, 460, 452, 448, 442, 437 and 445 kcal of ME bird−1 d−1 showed the highest egg production during the 10 consecutive 3-wk intervals from 31 to 60 wk of age, respectively. Moreover, the optimal performance of hens required the following average intakes from 31 to 60 wk of age (g bird−1 d−1): CP: 23.7; TSAA: 1.05; Lys: 1.07; Ca: 4.91; and AP: 0.58. The results show that energy (kcal bird−1 d−1) and other nutrient requirements (g bird−1 d−1) of broiler breeder hens from 31 to 60 wk of age do not change in consort together with age; therefore using different diets with different dietary nutrient levels during the production cycle may help the nutritionists better meet the requirements of broiler breeder hens. Based on the present study, it appears that company guideline recommendations may underestimate the nutrient requirements of hens during these weeks when egg production is declining gradually.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,121
Tête enseignante GPT0,311
Écart entre enseignants0,190 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations7
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Animal ScienceMême sujetAnimal Nutrition and PhysiologyTravaux en français237 207