Numer: 03/2024 Str. 202
Autorzy: Darunee Watnakornbuncha , Noppadol Am-Dee , Adisak Sangsongfa :
Tytuł: Adaptacyjne głębokie uczenie się z optymalizacją Hybrydowa splotowa sieć neuronowa i rekurencyjna sieć neuronowa do przewidywania dojrzałości owoców cytryny
Streszczenie: Cytryna to owoc należący do bardzo pożytecznej rodziny cytrusów, ale aby można było z niej korzystać w celu maksymalizacji korzyści płynących z cytryny, konieczne jest wybranie zachowania przydatności do spożycia. Dlatego w tym badaniu przewidywanie przydatności cytryny jest podzielone na 4 klasy przy użyciu obrazów jako danych do badań. Wyniki predykcji w badaniach z wykorzystaniem połączonej sieci neuronowej pomiędzy Convulotinal Nerual Network i Recurrent Nerual Network z optymalizacją parametrów algorytmem Particle Swarm Optimization, wyniki eksperymentalne porównano z wykorzystaniem wyłącznie Convulotinal Nerual Network. Dla predykcji wynik treningu to 89,83%, a wynik testu to 66,06%, natomiast wynik kombinacji wyników treningu to 91,58% i wynik testu to 86,76%.
Słowa kluczowe: Cytryna, Konwolucyjna sieć neuronowa, Rekurencyjna sieć neuronowa