Registro Completo |
Biblioteca(s): |
Embrapa Florestas. |
Data corrente: |
12/04/2016 |
Data da última atualização: |
12/04/2016 |
Autoria: |
COSENZA, D. N.; LEITE, H. G.; MARCATTI, G. E.; BINOTI, D. H. B.; ALCÂNTARA, A. E. M. de; RODE, R. |
Título: |
Classificação da capacidade produtiva de sítios florestais utilizando máquina de vetor de suporte e rede neural artificial. |
Ano de publicação: |
2015 |
Fonte/Imprenta: |
Scientia Forestalis, Piracicaba, v. 43, n. 108, p. 955-963, dez. 2015. |
Idioma: |
Português |
Conteúdo: |
Pesquisadores da área de mensuração florestal têm incluído com frequência em seus estudos o uso das técnicas de inteligência computacional (IC) para realização de trabalhos de modelagem por serem capazes de manipular um grande conjunto de dados e criar modelos robustos. Dentre essas técnicas, se destacam a Rede Neural Artificial (RNA) e a recente Máquina de Vetor de Suporte (MVS). Dessa forma, buscou-se nesse trabalho avaliar a aplicação dessas técnicas (RNA e MVS) no processo de classificação da capacidade produtiva de povoamentos florestais com a inclusão de variáveis edáficas, de manejo e do povoamento, comparando os seus resultados com os obtidos pelo método da curva guia. Foi possível concluir que as técnicas de IC avaliadas são capazes de classificar a capacidade produtiva do local de forma satisfatória, desde que utilizadas as variáveis adequadas; o uso conjunto das variáveis ?tipo de solo?, ?espaçamento do plantio?, ?idade? e ?altura dominante?, foi suficiente para classificar os sítios; a RNA foi mais precisa para classificar a capacidade produtiva do que a MVS; a inclusão de muitas variáveis pouco significativas pode prejudicar ou ser indiferente no desempenho das técnicas. |
Palavras-Chave: |
Classificação da capacidade produtiva; Inteligência computacional; Máquina de vetor de suporte; Redes neurais artificiais. |
Categoria do assunto: |
-- |
Marc: |
LEADER 02002naa a2200229 a 4500 001 2043195 005 2016-04-12 008 2015 bl uuuu u00u1 u #d 100 1 $aCOSENZA, D. N. 245 $aClassificação da capacidade produtiva de sítios florestais utilizando máquina de vetor de suporte e rede neural artificial. 260 $c2015 520 $aPesquisadores da área de mensuração florestal têm incluído com frequência em seus estudos o uso das técnicas de inteligência computacional (IC) para realização de trabalhos de modelagem por serem capazes de manipular um grande conjunto de dados e criar modelos robustos. Dentre essas técnicas, se destacam a Rede Neural Artificial (RNA) e a recente Máquina de Vetor de Suporte (MVS). Dessa forma, buscou-se nesse trabalho avaliar a aplicação dessas técnicas (RNA e MVS) no processo de classificação da capacidade produtiva de povoamentos florestais com a inclusão de variáveis edáficas, de manejo e do povoamento, comparando os seus resultados com os obtidos pelo método da curva guia. Foi possível concluir que as técnicas de IC avaliadas são capazes de classificar a capacidade produtiva do local de forma satisfatória, desde que utilizadas as variáveis adequadas; o uso conjunto das variáveis ?tipo de solo?, ?espaçamento do plantio?, ?idade? e ?altura dominante?, foi suficiente para classificar os sítios; a RNA foi mais precisa para classificar a capacidade produtiva do que a MVS; a inclusão de muitas variáveis pouco significativas pode prejudicar ou ser indiferente no desempenho das técnicas. 653 $aClassificação da capacidade produtiva 653 $aInteligência computacional 653 $aMáquina de vetor de suporte 653 $aRedes neurais artificiais 700 1 $aLEITE, H. G. 700 1 $aMARCATTI, G. E. 700 1 $aBINOTI, D. H. B. 700 1 $aALCÂNTARA, A. E. M. de 700 1 $aRODE, R. 773 $tScientia Forestalis, Piracicaba$gv. 43, n. 108, p. 955-963, dez. 2015.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Florestas (CNPF) |
|