| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
21/11/2013 |
|
Data da última atualização: |
22/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
DI GIROLAMO NETO, C.; RODRIGUES, L. H. A.; THAMADA, T. T.; MEIRA, C. A. A. |
|
Afiliação: |
CESARE DI GIROLAMO NETO, Colaborador CNPTIA; LUIZ HENRIQUE ANTUNES RODRIGUES, Feagri/Unicamp; THIAGO TOSHIYUKI THAMADA, Colaborador CNPTIA; CARLOS ALBERTO ALVES MEIRA, CNPTIA. |
|
Título: |
Potencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro. |
|
Ano de publicação: |
2013 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 9., 2013, Cuiabá. Agroinformática: inovação para a sustentabilidade do agronegócio brasileiro: anais. Cuiabá: Universidade Federal de Mato Grosso, 2013. |
|
Páginas: |
Não paginado. |
|
Idioma: |
Português |
|
Notas: |
SBIAgro 2013. |
|
Conteúdo: |
Resumo. Este trabalho procurou avaliar o potencial de técnicas de mineração de dados no desenvolvimento de modelos de alerta da ferrugem do cafeeiro. Foram avaliadas quatro técnicas: Redes Neurais Artificiais, Árvores de Decisão, Support Vector Machines e Random Forest. A avaliação dos modelos gerados mostrou que as duas últimas técnicas geram modelos com maior taxa de acerto e melhores medidas de sensitividade e especificidade. As Redes Neurais Artificiais geraram modelos com alto valor de sensitividade, enquanto que as Árvores de Decisão obtiveram desempenho inferior quando comparadas às demais técnicas. O balanceamento de classes se mostrou um procedimento fundamental na melhora da taxa de acerto dos modelos. |
|
Palavras-Chave: |
Árvore de decisão; Coffee rust; Data mining; Decision tree; Ferrugem do cafeeiro; Mineração de dados; Modelos de alerta; Random forest; Redes neurais. |
|
Thesaurus Nal: |
Neural networks; support vector machines. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/92847/1/117553.pdf
|
|
Marc: |
LEADER 01787nam a2200301 a 4500
001 1971782
005 2020-01-22
008 2013 bl uuuu u00u1 u #d
100 1 $aDI GIROLAMO NETO, C.
245 $aPotencial de técnicas de mineração de dados para modelos de alerta da ferrugem do cafeeiro.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 9., 2013, Cuiabá. Agroinformática: inovação para a sustentabilidade do agronegócio brasileiro: anais. Cuiabá: Universidade Federal de Mato Grosso$c2013
300 $aNão paginado.
500 $aSBIAgro 2013.
520 $aResumo. Este trabalho procurou avaliar o potencial de técnicas de mineração de dados no desenvolvimento de modelos de alerta da ferrugem do cafeeiro. Foram avaliadas quatro técnicas: Redes Neurais Artificiais, Árvores de Decisão, Support Vector Machines e Random Forest. A avaliação dos modelos gerados mostrou que as duas últimas técnicas geram modelos com maior taxa de acerto e melhores medidas de sensitividade e especificidade. As Redes Neurais Artificiais geraram modelos com alto valor de sensitividade, enquanto que as Árvores de Decisão obtiveram desempenho inferior quando comparadas às demais técnicas. O balanceamento de classes se mostrou um procedimento fundamental na melhora da taxa de acerto dos modelos.
650 $aNeural networks
650 $asupport vector machines
653 $aÁrvore de decisão
653 $aCoffee rust
653 $aData mining
653 $aDecision tree
653 $aFerrugem do cafeeiro
653 $aMineração de dados
653 $aModelos de alerta
653 $aRandom forest
653 $aRedes neurais
700 1 $aRODRIGUES, L. H. A.
700 1 $aTHAMADA, T. T.
700 1 $aMEIRA, C. A. A.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 7 | |
| Registros recuperados : 7 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
