| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrobiologia. |
|
Data corrente: |
18/01/2022 |
|
Data da última atualização: |
18/01/2022 |
|
Tipo da produção científica: |
Video/DVD |
|
Autoria: |
ARAUJO, E. da S. |
|
Afiliação: |
EDNALDO DA SILVA ARAUJO, CNPAB. |
|
Título: |
Manejo ecológico do solo: Fazendinha Agroecológica KM 47. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Bacabal: Universidade Federal do Maranhão. 2021. |
|
Idioma: |
Português |
|
Notas: |
Live transmitida no youtube em 14 de junho de 2021. |
|
Conteúdo: |
Este vídeo nos traz uma perspectiva/alternativa para o manejo ecológico do solo a partir da realidade maranhense. |
|
Thesagro: |
Manejo do Solo. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://www.youtube.com/watch?v=r9QwV8BBVGA
|
|
Marc: |
LEADER 00558nam a2200133 a 4500
001 2139168
005 2022-01-18
008 2021 bl --- 0-- m #d
100 1 $aARAUJO, E. da S.
245 $aManejo ecológico do solo$bFazendinha Agroecológica KM 47.$h[electronic resource]
260 $aBacabal: Universidade Federal do Maranhão. 2021.$c2021
500 $aLive transmitida no youtube em 14 de junho de 2021.
520 $aEste vídeo nos traz uma perspectiva/alternativa para o manejo ecológico do solo a partir da realidade maranhense.
650 $aManejo do Solo
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrobiologia (CNPAB) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
21/09/2018 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
VASCONCELOS, G. T.; OLIVEIRA, S. R. de M. |
|
Afiliação: |
GABRIEL TESTON VASCONCELOS, Bolsista CNPq (PIBIC); STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA. |
|
Título: |
Avaliação da eficiência de algoritmos de aprendizado de máquina para classificação automática de solos. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 12., 2018, Campinas. Anais... [S.l: s.n], 2018. |
|
Páginas: |
Não paginado. |
|
ISBN: |
978-85-7029-145-5 |
|
Idioma: |
Português |
|
Notas: |
CIIC 2018. Nº 17603. |
|
Conteúdo: |
RESUMO - Técnicas de mineração de dados têm sido usadas, estrategicamente, para transformar dados em informações e conhecimentos visando subsidiar o processo decisório em vários domínios. Na agricultura, em particular, essas técnicas são eficientes para selecionar um conjunto de atributos relevantes no processo de geração de modelos preditivos em bancos de dados com muitas variáveis. Este trabalho tem por objetivo avaliar a eficiência de diferentes algoritmos de Aprendizado de Máquina (AM) para classificação automática de solos, no 1º nível categórico do Sistema Brasileiro de Classificação de Solos (SiBCS). Os dados foram obtidos do projeto Mapeamento de Recursos Naturais do Brasil, liderado pelo Instituo Brasileiro de Geografia e Estatística (IBGE). Alguns algoritmos de AM (árvore de decisão, SVM, kNN) foram utilizados para classificação de solos de acordo com o SiBCS. Os resultados obtidos são promissores e abrem perspectivas para a classificação automática de solos, a partir de critérios definidos e de informações organizadas em bancos de dados. |
|
Palavras-Chave: |
Algoritmo k-vizinhos mais próximos; Aprendizado de máquina; Árvores de decisão; Atributos de solos; Classificação de solos; Data mining; Decision trees; Máquinas de Vetores Suporte; Mineração de dados; Soil attributes. |
|
Thesaurus NAL: |
Soil classification; Support vector machines. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/183363/1/18603.pdf
|
|
Marc: |
LEADER 02143nam a2200301 a 4500
001 2096175
005 2020-01-21
008 2018 bl uuuu u00u1 u #d
020 $a978-85-7029-145-5
100 1 $aVASCONCELOS, G. T.
245 $aAvaliação da eficiência de algoritmos de aprendizado de máquina para classificação automática de solos.$h[electronic resource]
260 $aIn: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 12., 2018, Campinas. Anais... [S.l: s.n]$c2018
300 $aNão paginado.
500 $aCIIC 2018. Nº 17603.
520 $aRESUMO - Técnicas de mineração de dados têm sido usadas, estrategicamente, para transformar dados em informações e conhecimentos visando subsidiar o processo decisório em vários domínios. Na agricultura, em particular, essas técnicas são eficientes para selecionar um conjunto de atributos relevantes no processo de geração de modelos preditivos em bancos de dados com muitas variáveis. Este trabalho tem por objetivo avaliar a eficiência de diferentes algoritmos de Aprendizado de Máquina (AM) para classificação automática de solos, no 1º nível categórico do Sistema Brasileiro de Classificação de Solos (SiBCS). Os dados foram obtidos do projeto Mapeamento de Recursos Naturais do Brasil, liderado pelo Instituo Brasileiro de Geografia e Estatística (IBGE). Alguns algoritmos de AM (árvore de decisão, SVM, kNN) foram utilizados para classificação de solos de acordo com o SiBCS. Os resultados obtidos são promissores e abrem perspectivas para a classificação automática de solos, a partir de critérios definidos e de informações organizadas em bancos de dados.
650 $aSoil classification
650 $aSupport vector machines
653 $aAlgoritmo k-vizinhos mais próximos
653 $aAprendizado de máquina
653 $aÁrvores de decisão
653 $aAtributos de solos
653 $aClassificação de solos
653 $aData mining
653 $aDecision trees
653 $aMáquinas de Vetores Suporte
653 $aMineração de dados
653 $aSoil attributes
700 1 $aOLIVEIRA, S. R. de M.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
