No abstract

No abstract

No abstract

SummaryThis study was conducted to determine effect of different fattening systems on fattening performance and body measurements of Hemsin male lambs. The materials of the study were consisted 39 male lambs weaned at 3 months of age (approximately live weight of 23 kg). In this study, Hemsin lambs were used in three group of extensive (n=13), semi-intensive (n=13) and intensive (n=13). The experiment was conducted for 90 days. Final live weights of groups of extensive, semi-intensive and intensive were 33.32, 41.16 and 42.09 kg, respectively, and for daily live weight gain (DLWG) were 121.11, 201.89 and 213.00 g, respectively. For semi-intensive and intensive of group, feed conversion ratios were 3.44 and 5.35 kg, respectively. As a result, intensive and semi-intensive groups of fattening performance were higher than that of extensive group. The differences among intensive and semi-intensive groups of fattening performance were not statistically significant (P>0.05). The results of this study suggest that semi-intensive group might be appropriate for fattening male Hemsin lambs. Hemsin lambs had a generally similar or lower fattening performance compared to local sheep breeds. Keywords: Hemsin lamb, Fattening systems, Fattening performance, Body measurements Hemşin Erkek Kuzularında Farklı Besi Sistemlerinin Besi Performansı ve Vücut Ölçülerine Etkisi ÖzetBu araştırma, Hemşin erkek kuzularında besi performansı ve vücut ölçülerine farklı besi sistemlerinin etkisini belirlemek için yapılmıştır. Araştırmanın hayvan materyalini, 3 aylık yaşta sütten kesilmiş, 39 baş Hemşin erkek kuzu oluşturmuştur (Yaklaşık 23 kg canlı ağırlığında). Araştırmadaki kuzulara ekstansif (n=13), yarı entansif (n=13) ve entansif (n=13) olmak üzere 3 farklı besi yapılmıştır. Araştırma 90 günde tamamlanmıştır. Ekstansif, yarı entansif ve entansif besi gruplarında besi sonu canlı ağırlıkları sırasıyla 33.32, 41.16 ve 42.09 kg, günlük canlı ağırlık artışları sırasıyla 121.11, 201.89 ve 213.00 g olarak belirlenmiştir. Yarı entansif ve entansif besi gruplarında yemden yararlanma oranları ise sırasıyla 3.44 ve 5.35 kg olarak tespit edilmiştir. Sonuç olarak, entansif ve yarı entansif besi gruplarının besi performansı, ekstansif besi grubundan yüksek bulunmuştur. Besi performansı bakımından entansif ve yarı entansif besi grupları arasında istatistiki bir fark bulunmamıştır (P>0.05). Bu sonuçlara göre Hemşin erkek kuzularında yarı entansif besinin en uygun olacağı ortaya çıkmıştır. Besi performansı bakımından, genel olarak Hemşin erkek kuzuların diğer yerli ırklara göre benzer ve biraz düşük olduğu söylenebilir.

It is not always possible to solve a large size of data via traditional statistical techniques. In order to solve these kinds of data special tactics like data mining are needed. Data mining may meet these kinds of needs with both categorizing and piling tactic. In this study, we have used data mining by using Rural Development Investment Support Program (RDISP) data with various categorizing algorithms. The most prospering categorizing algorithm was tried to determine by using present data. At the end of analysis, it has been understood that MLP (multilayer perceptron), a nerve net model, is the best algorithm that makes the best categorizing. Keywords: Data mining, MLP, Nerve net model, RDISP, Rural development Kırsal Kalkınma Yatırımlarının Desteklenmesi Programı Verileri Kullanılarak Seçilen Algoritmalarının Sınıflandırma Performanslarının Karşılaştırılması ÖzetKapsamlı verileri geleneksel istatistiksel teknikler yardımıyla değerlendirmek mümkün değildir. Bu tür kapsamlı verileri değerlendirmek için "Veri Madenciliği" gibi özel tekniklere ihtiyaç vardır. Veri madenciliği kapsamlı verileri hem sınıflandırarak hem de kümeleyerek değerlendirmeyi kolaylaştırmaktadır. Bu çalışmada, Kırsal Kalkınma Yatırım Destekleme Programı (KKYDP) verilerinde çeşitli kategorize algoritmaları yardımıyla veri madenciliği tekniği kullanılmıştır. Çalışmada en uygun kategorize algoritma mevcut veriler kullanarak belirlenmeye çalışılmıştır. Sonuç olarak; analizlerde en iyi kategorizasyon yapan algoritma modelinin Çok Katmanlı Algılayıcı (ÇKA) yapay sinir ağ modeli olduğu belirlenmiştir.