文献

J-GLOBAL ID：202202228810709118   整理番号：22A1117037

産業用麻(Cannabis sativa L.)のin vitro発芽と成長指数を最適化するための機械学習(ML)アルゴリズムと人工ニューラルネットワーク【JST・京大機械翻訳】

Machine learning (ML) algorithms and artificial neural network for optimizing in vitro germination and growth indices of industrial hemp (Cannabis sativa L.)

著者 (9件)： Aasim Muhammad (Department of Plant Protection, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Katirci Ramazan (Department of Metallurgical and Materials Engineering, Faculty of Engineering and Natural Sciences, Sivas University of Science and Technology, Sivas, Turkey) ,  Akgur Ozlem (Department of Plant Protection, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Yildirim Busra (Department of Agricultural Sciences, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Mustafa Zemran (Department of Plant Production and Technologies, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Nadeem Muhammad Azhar (Department of Plant Protection, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Baloch Faheem Shahzad (Department of Plant Protection, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Karakoy Tolga (Department of Plant Protection, Faculty of Agricultural Science and Technologies, Sivas University of Science and Technology, Sivas, Turkey) ,  Yilmaz Guengor (Department of Field Crops, Faculty of Agriculture, Yozgat Bozok University, Yozgat, Turkey)
資料名： Industrial Crops and Products  (Industrial Crops and Products)
巻： 181  ページ： Null  発行年： 2022年 
JST資料番号： W0732A  ISSN： 0926-6690  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 麻のin vitro発芽は,低い発芽と高い汚染率のために困難である。in vitro殺菌の確立の成功は植物組織培養研究の必要条件である。人工ニューラルネットワーク(ANN)と機械学習(ML)アルゴリズムの分野における最近の進歩は,持続可能で正確な農業のために新しい層を開く。ANNとMLアルゴリズムは,結果を評価し,植物組織培養の分野で,特に工業目的に対して,より正確で高精度な予測を行うための強力なツールである。本研究では,MLアルゴリズムを用いて,in vitro成長麻苗の発芽および形態学的形質に対する過酸化水素(H_2O_2)の可変濃度の可能な応答を検討するために,研究を行った。出力変数の予測を評価するために用いた5つの異なるMLアルゴリズムは,サポートベクトル分類器(SVC),Gaussプロセス(GP),極端勾配ブースティング(XGBoost),ランダムフォレスト(RF)モデル,および多層パーセプトロン(MLP)ニューラルネットワークを用いて,精度,F1スコア,精度,および再現値を用いた。試験したモデルの中で,RFモデルは,0.98~1.00の範囲の高いF1スコアで出力変数のより良い予測を示した。他のモデルのF1スコアは0.69と0.86の間であった。H_2O_2の最適濃度を計算するために用いた応答曲面法(RSM)は,in vitro発芽と実生成長に及ぼすH_2O_2の統計的に有意な影響を明らかにした。最大発芽と実生に対するH_2O_2の最適値はRSMを用いて約ΔΨ2.2%に最適化された。本研究は,植物組織培養における異なるMLとANNモデルの適用に関する事例研究であり,多くの他の経済的作物への適用の可能性を明らかにした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *最適化 ,  濃度 ,  殺菌 ,  農作物 ,  過酸化水素 ,  *発芽 ,  事例研究 ,  実生 ,  *in vitro実験 ,  *機械学習 ,  応答曲面法 ,  モルフォロジー
準シソーラス用語： ブースティング ,  ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 大麻 ,  過酸化水素 ,  機械学習 ,  人工ニューラルネットワーク ,  応答曲面法

分類 (1件)： 植物の生化学  (EH01050J)

タイトルに関連する用語 (11件)： 産業 ,  麻 ,  Cannabis ,  発芽 ,  成長 ,  指数 ,  最適化 ,  機械学習 ,  ML ,  アルゴリズム ,  人工ニューラルネットワーク