-The objective of this work was to develop, validate, and compare 190 artificial intelligence-based models for predicting the body mass of chicks from 2 to 21 days of age subjected to different duration and intensities of thermal challenge. The experiment was conducted inside four climate-controlled wind tunnels using 210 chicks. A database containing 840 datasets (from 2 to 21-day-old chicks) -with the variables dry-bulb air temperature, duration of thermal stress (days), chick age (days), and the daily body mass of chicks -was used for network training, validation, and tests of models based on artificial neural networks (ANNs) and neuro-fuzzy networks (NFNs). The ANNs were most accurate in predicting the body mass of chicks from 2 to 21 days of age after they were subjected to the input variables, and they showed an R² of 0.9993 and a standard error of 4.62 g. The ANNs enable the simulation of different scenarios, which can assist in managerial decision-making, and they can be embedded in the heating control systems.Index terms: animal welfare, artificial neural network, broiler, modeling, neuro-fuzzy network, thermal comfort. Predição da massa corporal de pintinhos por meio de modelos baseados em inteligência artificialResumo -O objetivo deste trabalho foi desenvolver, validar e comparar 190 modelos baseados em inteligência artificial, para predizer a massa corporal de pintinhos de 2 a 21 dias de vida, submetidos a diferentes períodos e intensidades de estresse térmico. O experimento foi realizado com 210 pintinhos, em quatro túneis de vento climatizados. Um banco de dados com 840 conjuntos de dados (de aves de 2 a 21 dias) -com as variáveis temperatura de bulbo seco do ar, duração do estresse térmico (dias), idade das aves (dias) e a massa corporal diária dos pintinhos -foi utilizado para treinamento de rede, validação e testes dos modelos baseados em redes neurais artificiais (RNA) e redes "neuro-fuzzy" (RNF). As RNA mostraram-se mais precisas para se predizer a massa corporal de pintinhos de 2 a 21 dias de idade, submetidos às variáveis de entrada, e apresentaram R² de 0,9993 e erro-padrão de 4,62 g. As RNA propiciam a simulação de diversos cenários, que podem auxiliar na tomada de decisões em relação ao manejo, e podem ser incorporadas nos sistemas de controle de aquecimento.Termos para indexação: bem estar animal, redes neurais artificiais, frango, modelagem, redes neurais difusas, conforto térmico.
RESUMEN: Este artículo propone un programa holístico de metaescritura, el cual está conformado por cinco componentes: cognitivo, metacognitivo, afectivo-emocional, social y competencia textual, el substrato teórico se halla en los aportes de Van Dijk, Díaz, Flower y Hayes, entre otros. El método fue acción-participación. Se realizó en tres fases. 1. Diagnóstico: se identificaron los niveles de desempeño de la competencia textual de los estudiantes; 2. Diseño: Se usaron los ciclos característicos del método para el diseño y 3. Se identificaron las transformaciones producidas a raíz de su aplicación. Los resultados evidencian que la metodología implementada, ayudó a los estudiantes a emancipar pensamientos y sentimientos reprimidos, crear nuevas ideas y/o mundos, sentir que estaban vivos y que alguien los escuchaba a través de la voz de las letras. Igualmente, obtuvieron un aumento en su nivel de desempeño en la competencia textual, todo esto a través del uso de la Metacognición. Palabras-clave: Metacognición. Modelo Holístico. Metaescritura.
Dentro de un galpón avícola el ambiente térmico ejerce una gran influencia en el bienestar y la productividad de los animales. De esta manera, el propósito de este trabajo fue predecir la masa corporal de polluelos de 2 a 21 días de vida, sujetos a condiciones de confort y estrés calórico en diferentes intensidades (27; 30; 33 y 36 °C) y períodos de duración (1; 2; 3 y 4 días a partir del 2o día de vida) a través de redes neuronales artificiales (RNA). El experimento se llevó a cabo en Lavras, MG, Brasil. 210 pollitos de ambos sexos se utilizaron del 1 al 22 día de vida alojados en cuatro túneles de viento climatizados. Todos los días, todos los polluelos fueron pesados para acompañar su masa corporal. Las variables de entrada fueron: temperatura de bulbo seco del aire, duración del estrés térmico, edad de las aves y como variable de salida, la masa corporal diaria de los pollitos. Se obtuvo una base de datos de 840 observaciones, siendo 70% utilizado para el entrenamiento de la red, un 15% para la validación y un 15% para pruebas de modelos basados en RNA. Se demostró que las RNAs eran precisas para predecir la masa corporal de los pollitos sometidos a diferentes intensidades y duraciones de condiciones térmicas presentando un R2 de 0,9992 y error estándar de 5,23 G. Además, las RNAs propiciaron la simulación de varios escenarios, que pueden ayudar en la toma de decisiones con relación a la gestión, y pueden ser incorporados a los sistemas de control de calefacción.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.