|
|
Registro Completo |
Biblioteca(s): |
Embrapa Tabuleiros Costeiros; Embrapa Territorial. |
Data corrente: |
20/12/2023 |
Data da última atualização: |
29/12/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
SILVA, M. A. S. da; MATOS, L. N.; MIRANDA JUNIOR, G. F.; SANTOS, F. E. de O.; DOMPIERI, M. H. G.; MOURA, F. R. de; RESENDE, F. K. S. |
Afiliação: |
MARCOS AURELIO SANTOS DA SILVA, CPATC; LEONARDO NOGUEIRA MATOS, UFS; GASTÃO FLORÊNCIO MIRANDA JUNIOR, UFS; FLAVIO EMANUEL DE OLIVEIRA SANTOS, UFS; MARCIA HELENA GALINA DOMPIERI, CNPM; FÁBIO RODRIGUES DE MOURA; FABRÍCIA KAROLLYNE SANTOS RESENDE, UFS. |
Título: |
Evaluating autoencoders as a dimensionality reduction mechanism to support clustering Brazilian Agricultural Diversity. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Revista Brasileira de Cartografia, v. 75, 2023. |
ISSN: |
1808-0936 |
DOI: |
http://dx.doi.org/10.14393/rbcv75n0a-68733 |
Idioma: |
Português |
Conteúdo: |
Brazilian agricultural production presents high spatial diversity, challenging the conception of public policies. This article proposes an approach for grouping Brazilian municipalities according to their agricultural production. We combine a feature extraction using autoencoders and clustering based on k-means and Self-Organizing Maps. We used panel data from IBGE’s annual estimates of the production value of permanent and temporary crops, animal products, aquaculture, plant extractivism, forestry, planted areas, and herd population between 1999 and 2018. We analyzed different structures of simple stacked and incomplete autoencoders, varying the number of layers and neurons in each, and evaluated the asymmetric exponential linear loss function to handle the sparse data. We applied the Isomap, Kernel PCA, Truncated SVD, and MDS dimensionality reduction methods for comparative purposes. Results showed that the autoencoders could extract characteristics from the transformed raw data to allow the clustering of municipalities to reveal regional and even intra-regional patterns. The autoencoders improved comparative performance as the intrinsic dimensionality increased.
A produção agrícola brasileira apresenta elevada diversidade espacial, o que desafia a concepção de políticas públicas. Este artigo propõe uma abordagem de agrupamento dos municípios brasileiros segundo sua produção agrícola. Combinamos extração de características utilizando autoencoders e clusterização baseada em k-médias e Mapas Auto Organizáveis. Utilizamos os dados em painel, entre 1999 e 2018, das estimativas anuais do IBGE sobre valor da produção de culturas permanentes, temporárias, produtos de origem animal, aquicultura, extrativismo vegetal, silvicultura, área plantada e efetivo de animais. Analisamos diferentes estruturas de autoencoders simples empilhados e incompletos, variando o número de camadas e neurônios em cada uma delas, e avaliamos a função de perda linear exponencial assimétrica para lidar com os dados esparsos. Comparamos os autoencoders com os métodos de redução de dimensionalidade Isomap, Kernel PCA, Truncated SVD e MDS. Os resultados mostraram que os autoencoders conseguiram extrair características dos dados brutos de forma a permitir a clusterização dos municípios revelasse padrões regionais e intra-regionais. Os autoencoders melhoram o desempenho comparativo à medida que a dimensionalidade intrínseca aumenta MenosBrazilian agricultural production presents high spatial diversity, challenging the conception of public policies. This article proposes an approach for grouping Brazilian municipalities according to their agricultural production. We combine a feature extraction using autoencoders and clustering based on k-means and Self-Organizing Maps. We used panel data from IBGE’s annual estimates of the production value of permanent and temporary crops, animal products, aquaculture, plant extractivism, forestry, planted areas, and herd population between 1999 and 2018. We analyzed different structures of simple stacked and incomplete autoencoders, varying the number of layers and neurons in each, and evaluated the asymmetric exponential linear loss function to handle the sparse data. We applied the Isomap, Kernel PCA, Truncated SVD, and MDS dimensionality reduction methods for comparative purposes. Results showed that the autoencoders could extract characteristics from the transformed raw data to allow the clustering of municipalities to reveal regional and even intra-regional patterns. The autoencoders improved comparative performance as the intrinsic dimensionality increased.
A produção agrícola brasileira apresenta elevada diversidade espacial, o que desafia a concepção de políticas públicas. Este artigo propõe uma abordagem de agrupamento dos municípios brasileiros segundo sua produção agrícola. Combinamos extração de características utilizando autoencoders e clusterização baseada e... Mostrar Tudo |
Palavras-Chave: |
Analise espacial; Divisão espacial. |
Thesagro: |
Mapa; Políticas Públicas; Produção Agrícola; Zoneamento Agrícola. |
Thesaurus Nal: |
Geospatial data processing; Spatial data. |
Categoria do assunto: |
Z Localizações Geográficas |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160100/1/Evaluating-autoencoders...2023.pdf
|
Marc: |
LEADER 03462naa a2200313 a 4500 001 2160100 005 2023-12-29 008 2023 bl uuuu u00u1 u #d 022 $a1808-0936 024 7 $ahttp://dx.doi.org/10.14393/rbcv75n0a-68733$2DOI 100 1 $aSILVA, M. A. S. da 245 $aEvaluating autoencoders as a dimensionality reduction mechanism to support clustering Brazilian Agricultural Diversity.$h[electronic resource] 260 $c2023 520 $aBrazilian agricultural production presents high spatial diversity, challenging the conception of public policies. This article proposes an approach for grouping Brazilian municipalities according to their agricultural production. We combine a feature extraction using autoencoders and clustering based on k-means and Self-Organizing Maps. We used panel data from IBGE’s annual estimates of the production value of permanent and temporary crops, animal products, aquaculture, plant extractivism, forestry, planted areas, and herd population between 1999 and 2018. We analyzed different structures of simple stacked and incomplete autoencoders, varying the number of layers and neurons in each, and evaluated the asymmetric exponential linear loss function to handle the sparse data. We applied the Isomap, Kernel PCA, Truncated SVD, and MDS dimensionality reduction methods for comparative purposes. Results showed that the autoencoders could extract characteristics from the transformed raw data to allow the clustering of municipalities to reveal regional and even intra-regional patterns. The autoencoders improved comparative performance as the intrinsic dimensionality increased. A produção agrícola brasileira apresenta elevada diversidade espacial, o que desafia a concepção de políticas públicas. Este artigo propõe uma abordagem de agrupamento dos municípios brasileiros segundo sua produção agrícola. Combinamos extração de características utilizando autoencoders e clusterização baseada em k-médias e Mapas Auto Organizáveis. Utilizamos os dados em painel, entre 1999 e 2018, das estimativas anuais do IBGE sobre valor da produção de culturas permanentes, temporárias, produtos de origem animal, aquicultura, extrativismo vegetal, silvicultura, área plantada e efetivo de animais. Analisamos diferentes estruturas de autoencoders simples empilhados e incompletos, variando o número de camadas e neurônios em cada uma delas, e avaliamos a função de perda linear exponencial assimétrica para lidar com os dados esparsos. Comparamos os autoencoders com os métodos de redução de dimensionalidade Isomap, Kernel PCA, Truncated SVD e MDS. Os resultados mostraram que os autoencoders conseguiram extrair características dos dados brutos de forma a permitir a clusterização dos municípios revelasse padrões regionais e intra-regionais. Os autoencoders melhoram o desempenho comparativo à medida que a dimensionalidade intrínseca aumenta 650 $aGeospatial data processing 650 $aSpatial data 650 $aMapa 650 $aPolíticas Públicas 650 $aProdução Agrícola 650 $aZoneamento Agrícola 653 $aAnalise espacial 653 $aDivisão espacial 700 1 $aMATOS, L. N. 700 1 $aMIRANDA JUNIOR, G. F. 700 1 $aSANTOS, F. E. de O. 700 1 $aDOMPIERI, M. H. G. 700 1 $aMOURA, F. R. de 700 1 $aRESENDE, F. K. S. 773 $tRevista Brasileira de Cartografia$gv. 75, 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Tabuleiros Costeiros (CPATC) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 1 | |
Registros recuperados : 1 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|