<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="en">
		<id>http://www.colloquiam.com/wd/index.php?action=history&amp;feed=atom&amp;title=Uvidia-Cabadiana_et_al_2023a</id>
		<title>Uvidia-Cabadiana et al 2023a - Revision history</title>
		<link rel="self" type="application/atom+xml" href="http://www.colloquiam.com/wd/index.php?action=history&amp;feed=atom&amp;title=Uvidia-Cabadiana_et_al_2023a"/>
		<link rel="alternate" type="text/html" href="http://www.colloquiam.com/wd/index.php?title=Uvidia-Cabadiana_et_al_2023a&amp;action=history"/>
		<updated>2026-05-11T10:01:32Z</updated>
		<subtitle>Revision history for this page on the wiki</subtitle>
		<generator>MediaWiki 1.27.0-wmf.10</generator>

	<entry>
		<id>http://www.colloquiam.com/wd/index.php?title=Uvidia-Cabadiana_et_al_2023a&amp;diff=268822&amp;oldid=prev</id>
		<title>Scipediacontent: Scipediacontent moved page Draft Content 662373363 to Uvidia-Cabadiana et al 2023a</title>
		<link rel="alternate" type="text/html" href="http://www.colloquiam.com/wd/index.php?title=Uvidia-Cabadiana_et_al_2023a&amp;diff=268822&amp;oldid=prev"/>
				<updated>2023-01-31T10:01:24Z</updated>
		
		<summary type="html">&lt;p&gt;Scipediacontent moved page &lt;a href=&quot;/public/Draft_Content_662373363&quot; class=&quot;mw-redirect&quot; title=&quot;Draft Content 662373363&quot;&gt;Draft Content 662373363&lt;/a&gt; to &lt;a href=&quot;/public/Uvidia-Cabadiana_et_al_2023a&quot; title=&quot;Uvidia-Cabadiana et al 2023a&quot;&gt;Uvidia-Cabadiana et al 2023a&lt;/a&gt;&lt;/p&gt;
&lt;table class=&quot;diff diff-contentalign-left&quot; data-mw=&quot;interface&quot;&gt;
				&lt;tr style='vertical-align: top;' lang='en'&gt;
				&lt;td colspan='1' style=&quot;background-color: white; color:black; text-align: center;&quot;&gt;← Older revision&lt;/td&gt;
				&lt;td colspan='1' style=&quot;background-color: white; color:black; text-align: center;&quot;&gt;Revision as of 10:01, 31 January 2023&lt;/td&gt;
				&lt;/tr&gt;&lt;tr&gt;&lt;td colspan='2' style='text-align: center;' lang='en'&gt;&lt;div class=&quot;mw-diff-empty&quot;&gt;(No difference)&lt;/div&gt;
&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;</summary>
		<author><name>Scipediacontent</name></author>	</entry>

	<entry>
		<id>http://www.colloquiam.com/wd/index.php?title=Uvidia-Cabadiana_et_al_2023a&amp;diff=268821&amp;oldid=prev</id>
		<title>Scipediacontent: Created page with &quot; == Abstract ==  El comportamiento de los componentes de las plantas proteicas es de vital importancia para los animales que los consumen en su dieta. La presente investigaci...&quot;</title>
		<link rel="alternate" type="text/html" href="http://www.colloquiam.com/wd/index.php?title=Uvidia-Cabadiana_et_al_2023a&amp;diff=268821&amp;oldid=prev"/>
				<updated>2023-01-31T10:01:21Z</updated>
		
		<summary type="html">&lt;p&gt;Created page with &amp;quot; == Abstract ==  El comportamiento de los componentes de las plantas proteicas es de vital importancia para los animales que los consumen en su dieta. La presente investigaci...&amp;quot;&lt;/p&gt;
&lt;p&gt;&lt;b&gt;New page&lt;/b&gt;&lt;/p&gt;&lt;div&gt;&lt;br /&gt;
== Abstract ==&lt;br /&gt;
&lt;br /&gt;
El comportamiento de los componentes de las plantas proteicas es de vital importancia para los animales que los consumen en su dieta. La presente investigación tiene como objetivo evaluar algoritmos de regresión, para determinar el comportamiento de las expresiones que mejor se adaptan a los procedimientos de un laboratorio tradicional y estimar los componentes químicos de plantas proteicas, en este sentido se ha utilizado la biblioteca MULAN de java, que contienen algoritmos de aprendizaje automático capaces de adaptarse a disímiles problemas. Se crearon tres conjuntos de datos para cada especie tratada en este trabajo; cada uno de estos incluye los elementos principales para ser evaluados en cada experimento, estos están delimitados por: metabolitos secundarios, componentes de la pared celular y digestibilidad para los ficheros de entrenamiento uno, dos y tres respectivamente, posteriormente, fueron evaluados a través del aprendizaje supervisado y una validación cruzada de cada uno para determinar el mejor ajuste por aRMSE (Error cuadrático medio de la raíz). Los resultados del aprendizaje fueron comparados con experimentos anteriores, donde se tenía una variante de aprendizaje que contenía en un solo dataset todos los componentes a evaluar en una sola predicción. El resultado de la comparación muestra que los algoritmos vagos basados en instancias tienen un mejor comportamiento en el aprendizaje que los otros evaluados.&lt;br /&gt;
&lt;br /&gt;
== Full document ==&lt;br /&gt;
&amp;lt;pdf&amp;gt;Media:Draft_Content_662373363-861-4142-document.pdf&amp;lt;/pdf&amp;gt;&lt;/div&gt;</summary>
		<author><name>Scipediacontent</name></author>	</entry>

	</feed>