| |
|
|
| Registros recuperados : 57 | |
| 22. |  | PINTON, E. N. S.; CAMARGO NETO, J.; VISOLI, M. C. Roda da Reprodução iOS: aplicativo móvel para gestão de rebanho leiteiro. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPCUÁRIA, 13., 2017, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2017. p. 55-60. Editores técnicos: Giampaolo Queiroz Pellegrino, Luciana Guilherme Sacomani Zenerato, Maria Fernanda Moura, Giulia croce, Poliana Fernanda Giachetto.| Biblioteca(s): Embrapa Agricultura Digital. |
|    |
| 26. | | QUEIROS, L. R.; LUCHIARI JUNIOR, A.; CAMARGO NETO, J.; MASSRUHA, S. M. F.; INAMASU, R. Y. Análise das possibilidades e tendências do uso das tecnologias da informação e comunicação em agricultura de precisão. In: BERNARDI, A. C. de C.; NAIME, J. de M.; RESENDE, A. V. de; BASSOI, L. H.; INAMASU, R. Y. (Ed.). Agricultura de precisão: resultados de um novo olhar. Brasília, DF: Embrapa, 2014. p. 97-108.| Biblioteca(s): Embrapa Instrumentação. |
| |
| 28. | | LUCHIARI JUNIOR, A.; QUEIRÓS, L. R.; CAMARGO NETO, J.; CHAIM, A. AgroICT in precision agriculture and agricultural automation. In: MASSRUHÁ, S. M. F. S.; LEITE, M. A. de A.; LUCHIARI JUNIOR, A.; ROMANI, L. A. S. (Ed.). Information and communication technologies and their relations with agriculture. Brasília, DF: Embrapa, 2016. ch. 10, p. 189-210.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Meio Ambiente. |
| |
| 29. | | LUCHIARI JUNIOR, A.; QUEIRÓS, L. R.; CAMARGO NETO, J.; CHAIM, A. AgroTIC em agricultura de precisão e automação agrícola. In: MASSRUHÁ, S. M. F. S.; LEITE, M. A. de A.; LUCHIARI JUNIOR, A.; ROMANI, L. A. S. (Ed.). Tecnologias da informação e comunicação e suas relações com a agricultura. Brasília, DF: Embrapa, 2014. Cap. 10. p. 191-213.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Meio Ambiente. |
| |
| 30. | | CHAIM, A.; PESSOA, M. C. P. Y.; CAMARGO NETO, J.; HERMES, L. C. Comparison of microscopic method and computational program for pesticide deposition evaluation of spraying. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 37, n. 4, p. 493-496, abr. 2002 Título em Português: Comparação de método microscópico e programa computacional para a estimativa da deposição de agrotóxicos pela pulverização aérea.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Meio Ambiente; Embrapa Unidades Centrais. |
| |
| 32. | | NAIME, J. de M.; CAMARGO NETO, J.; VAZ, C. M. P. Avaliação geral, resultados, perspectivas e uso de ferramentas de agricultura de precisão. In: INAMASU, R. Y.; NAIME, J. de M.; RESENDE, Á. V. de; BASSOI, L. H.; BERNARDI, A. C. de C. (Ed.). Agricultura de precisão: um novo olhar. São Carlos, SP: Embrapa Instrumentação, 2011. p. 69-72.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 33. | | NAIME, J. de M.; CAMARGO NETO, J.; VAZ, C. M. P. Avaliação geral, resultados, perspectivas e uso de ferramentas de agricultuta de precisão. In: INAMASU, R. Y.; NAIME, J. de M.; RESENDE, A. V. de; BASSOI, L. H.; BERNARDI, A. de C. (Ed.). Agricultura de precisão: um novo olhar. São Carlos, SP: Embrapa Instrumentação, 2011. p. 69-72.| Biblioteca(s): Embrapa Instrumentação. |
|  |
| 35. | | VASCONCELOS, G. T.; SOUZA, K. X. S. de; OLIVEIRA, S. R. de M.; CAMARGO NETO, J. Montagem de ambiente para classificação de solos usando ScikitLearn. In: MOSTRA DE ESTAGIÁRIOS E BOLSISTAS DA EMBRAPA INFORMÁTICA AGROPECUÁRIA, 14., 2018, Campinas. Resumos expandidos... Brasília, DF: Embrapa, 2018. p. 104-110. (Embrapa Informática Agropecuária. Eventos técnicos & científicos, 1). Editores técnicos: Carla Geovana do Nascimento Macário, Carla Cristiane Osawa, Flávia Bussaglia Fiorini, Maria Fernanda Moura, Poliana Fernanda Giachetto.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 37. | | LARBY, P. A.; EHSANI, R.; SALYANI, M.; MAJA, J. M.; MISHRA, A.; CAMARGO NETO, J. Multispectral-based leaf detection system for spot sprayer application to control citrus psyllids. Biosystems Engineering, London, v. 16, n. 4, p. 509-517, Dec. 2013.| Biblioteca(s): Embrapa Agricultura Digital. |
|  |
| 39. | | MEYER, G. E.; CAMARGO NETO, J.; JONES, D. D.; HINDMAN, T. W. Intensified fuzzy clusters for classifying plant, soil, and residue regions of interest from color images. Computers and Electronics in Agriculture, New York, v. 42, p. 161-180, 2004.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 57 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
06/12/2019 |
|
Data da última atualização: |
19/12/2019 |
|
Tipo da produção científica: |
Boletim de Pesquisa e Desenvolvimento |
|
Autoria: |
SOUZA, K. X. S. de; CAMARGO NETO, J. |
|
Afiliação: |
KLEBER XAVIER SAMPAIO DE SOUZA, CNPTIA; JOAO CAMARGO NETO, CNPTIA. |
|
Título: |
Uso de redes neurais multicamadas para classificação de perfis de solos. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Campinas: Embrapa Informática Agropecuaria, 2019. |
|
Páginas: |
23 p. |
|
Descrição Física: |
il. |
|
Série: |
(Embrapa Informática Agropecuária. Boletim de pesquisa e desenvolvimento, 45). |
|
ISSN: |
1677-9266 |
|
Idioma: |
Português |
|
Conteúdo: |
Resumo - O processo de classificação de solos executado por especialistas é uma tarefa laboriosa, que envolve várias etapas de coleta e a aplicação de regras de classificação de acordo com o Manual do Sistema Brasileiro de Classificação de Solos (SiBCS). Este trabalho relata a aplicação de redes neurais do tipo perceptron multicamadas na classificação de solos, nos níveis categóricos 1 a 4. Os dados de perfis de solo utilizados vieram de uma base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE). A otimiza-ção da função de custo de entropia cruzada, usada no treinamento da rede neural, foi realizada por meio do algoritmo de stochastic gradient descent. As redes apresentaram resultados de acurácia que variam de 63,38 a 27,79, tendo o valor maior sido obtido para o primeiro nível e o menor para o quarto nível de classificação. Os resultados mostraram o alto potencial de uso do perceptron multicamadas para a classificação de perfis de solo, resultado que pode ser ainda melhorado caso se disponha de um conjunto maior e mais balanceado de perfis de solos previamente classificados. |
|
Palavras-Chave: |
Amostras de solo; Aprendizado profundo; Classificação de solos; Deep learning; Perceptron multicamadas; Redes neurais multicamadas. |
|
Thesaurus NAL: |
Neural networks; Soil classification. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/206400/1/Boletim-45.pdf
|
|
Marc: |
LEADER 01966nam a2200253 a 4500
001 2116239
005 2019-12-19
008 2019 bl uuuu u0uu1 u #d
022 $a1677-9266
100 1 $aSOUZA, K. X. S. de
245 $aUso de redes neurais multicamadas para classificação de perfis de solos.$h[electronic resource]
260 $aCampinas: Embrapa Informática Agropecuaria$c2019
300 $a23 p.$cil.
490 $a(Embrapa Informática Agropecuária. Boletim de pesquisa e desenvolvimento, 45).
520 $aResumo - O processo de classificação de solos executado por especialistas é uma tarefa laboriosa, que envolve várias etapas de coleta e a aplicação de regras de classificação de acordo com o Manual do Sistema Brasileiro de Classificação de Solos (SiBCS). Este trabalho relata a aplicação de redes neurais do tipo perceptron multicamadas na classificação de solos, nos níveis categóricos 1 a 4. Os dados de perfis de solo utilizados vieram de uma base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE). A otimiza-ção da função de custo de entropia cruzada, usada no treinamento da rede neural, foi realizada por meio do algoritmo de stochastic gradient descent. As redes apresentaram resultados de acurácia que variam de 63,38 a 27,79, tendo o valor maior sido obtido para o primeiro nível e o menor para o quarto nível de classificação. Os resultados mostraram o alto potencial de uso do perceptron multicamadas para a classificação de perfis de solo, resultado que pode ser ainda melhorado caso se disponha de um conjunto maior e mais balanceado de perfis de solos previamente classificados.
650 $aNeural networks
650 $aSoil classification
653 $aAmostras de solo
653 $aAprendizado profundo
653 $aClassificação de solos
653 $aDeep learning
653 $aPerceptron multicamadas
653 $aRedes neurais multicamadas
700 1 $aCAMARGO NETO, J.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
