À propos de FAO Actualités Multimédia Principaux sujets Statistiques Membres Publications

FAO AGRIS - Système international des sciences et technologies agricoles

Recherche avancée

Comparative analysis of modified partial least squares regression and hybrid deep learning models for predicting protein content in Perilla (Perilla frutescens L.) seed meal using NIR spectroscopy

2024

Les 2 versions

Kaur, Simardeep | Singh, Naseeb | Dagar, Preety | Kumar, Amit | Jaiswal, Sandeep | Singh, Binay K. | Bhardwaj, Rakesh | Chand Rana, Jai | Riar, Amritbir

Mots clés AGROVOC
india infrared spectrophotometry neural networks perilla protein content
Informations bibliographiques
Volume 61 ISSN 2212-4292
Editeur
Elsevier
Langue
anglais
Licence
Limited Access, Copyrighted; all rights reserved
Type
Journal Article; Journal Part
Source
Kaur, S.; Singh, N.; Dagar, P.; Kumar, A.; Jaiswal, S.; Singh, B.K.; Bhardwaj, R.; Chand Rana, J.; Riar, A. (2024) Comparative analysis of modified partial least squares regression and hybrid deep learning models for predicting protein content in Perilla (Perilla frutescens L.) seed meal using NIR Spectroscopy. Food Bioscience 61: 104821. ISSN: 2212-4292
2024-10-31
2026-02-03
MODS
Fournisseur de données

Cette notice bibliographique a été fournie par International Livestock Research Institute

Découvrez la collection de ce fournisseur de données dans AGRIS

Liens
DOI
Consulter Google Scholar
Si vous remarquez des informations incorrectes dans cette référence bibliographique, veuillez nous contacter à l'adresse [email protected]