|
|
Registros recuperados : 12 | |
5. | | FRAISSE, C.; PERONDI, D.; KARREI, M.; FARIAS, J. R. B.; BENITEZ, D. Seguro paramétrico como nova ferramenta para gerenciar o risco climático na cultura da soja. In: CONGRESSO BRASILEIRO DE SOJA, 9., 2022, Foz do iguaçu, PR. Desafios para a produtividade sustentável no Mercosul: resumos. Brasília, DF: Embrapa, 2022. Regina Maria Villas Bôas de Campos Leite, Adeney de Freitas Bueno, editores técnicos. resumo 266. p. 291. Biblioteca(s): Embrapa Soja. |
| |
6. | | FAVRETTO, K.; PAVAN, W.; FERNANDES, J. M. C.; CERVI, C. R.; DALBOSCO, J.; FRAISSE, C. W. Um protótipo de ambiente de desenvolvimento Web para a linguagem R. Hífen, Uruguaiana, v. 32, n. 62, p. 278-285, 2008. Biblioteca(s): Embrapa Trigo. |
| |
7. | | PERONDI, D.; PAVAN, W.; ROSA, R. S. da; FERNANDES, J. M. C.; FRAISSE, C. W. Uma solução computacional de aquisição, tratamento, armazenamento, disponibilização e apresentação de dados meteorológicos. In: CONGRESSO BRASILEIRO DE AGROINFORMÁTICA, 10., 2015, Ponta Grossa. Uso de VANTs e sensores para avanços no agronegócio: anais. Ponta Grossa: Universidade Estadual de Ponta Grossa, 2015. p. 765-772. Biblioteca(s): Embrapa Trigo. |
| |
9. | | WAGNER, A. P. L.; FONTANA, D. C.; FRAISSE, C.; WEBER, E. J.; HASENACK, H. Tendências temporais de índices de vegetação nos campos do Pampa do Brasil e do Uruguai. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 48, n. 9, p. 1192-1200, set. 2013. Título em inglês: Temporal trends of vegetation indices on Pampa grasslands in Brazil and Uruguay. Biblioteca(s): Embrapa Unidades Centrais. |
| |
10. | | LAZZARETTI, A. T.; SCHNEIDER, V. R.; WIEST, R.; LAU, D.; FERNANDES, J. M. C.; FRAISSE, C. W.; CERBARO, V. A.; KARREI, M. Z. Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos. Revista Brasileira de Computação Aplicada, v. 15, n. 3, p. 25-37, nov. 2023. Biblioteca(s): Embrapa Trigo. |
| |
11. | | RODRIGUES, R. de A.; PEDRINI, J. E.; FRAISSE, C. W.; FERNANDES, J. M. C.; JUSTINO, F. B.; HEINEMANN, A. B.; COSTA, L. C.; VALE, F. X. R. do. Utilization of the cropgro-soybean model to estimate yield loss caused by Asian rust in cultivars with different cycle. Bragantia, Campinas, v. 71, n. 2, p. 308-317, 2012. Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Trigo. |
| |
12. | | RODRIGUES, R. de A.; JULIATTI, F. C.; PEDRINI, J. E.; FERNANDES, J. M. C.; JUSTINO, F. B.; HEINEMANN, A. B.; FRAISSE, C. W.; FARIAS, J. R. B.; PAVAN, W.; COSTA, L. C.; VALE, F. X. R. do; REZENDE, A. A. Asian soybean rust: modeling the impact on soybean grain yield in the Triângulo Mineiro/Alto Paranaíba region, Minas Gerais, Brazil. Bioscience Journal, Uberlândia, v. 29, n. 2, p. 264-279, Mar./Apr. 2013. Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Soja; Embrapa Trigo. |
| |
Registros recuperados : 12 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Trigo. |
Data corrente: |
11/12/2023 |
Data da última atualização: |
11/12/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 3 |
Autoria: |
LAZZARETTI, A. T.; SCHNEIDER, V. R.; WIEST, R.; LAU, D.; FERNANDES, J. M. C.; FRAISSE, C. W.; CERBARO, V. A.; KARREI, M. Z. |
Afiliação: |
ALEXANDRE TAGLIARI LAZZARETTI, Instituto Federal Sul-Riograndense; VINICIUS RAFAEL SCHNEIDER, Instituto Federal Sul-Riograndense; ROBERTO WIEST, Instituto Federal Sul-Riograndense; DOUGLAS LAU, CNPT; JOSE MAURICIO CUNHA FERNANDES, CNPT; CLYDE W. FRAISSE, Universidade da Flórida; VINÍCIUS ANDREI CERBARO, Universidade da Flórida; MAURÍCIO Z. KARREI, Universidade da Flórida. |
Título: |
Implementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Revista Brasileira de Computação Aplicada, v. 15, n. 3, p. 25-37, nov. 2023. |
DOI: |
https://doi.org/10.5335/rbca.v15i3.13467 |
Idioma: |
Português |
Conteúdo: |
Resumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipitation, temperature, number of days when it rains in the week and climatic phenomena such as El niño and La niña have an influence on the aphid population. During the work, four models were developed in order to predict the population of these insects. The accuracy of the prediction model developed were 11.4% for Linear Regression; 26.4% for the Artificial Neural Network model; 29.3% for Decision Tree and 41.4% for Random Forest. MenosResumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipit... Mostrar Tudo |
Palavras-Chave: |
Artificial neural networks; Árvore de decisão; Decision tree; Exploratory Data; Extração de conhecimento; Knowledge extraction; Linear Regression; Random Forest; Redes Neurais Artificiais. |
Thesagro: |
Afídeo; Análise de Dados; Praga de Planta; Pulgão; Regressão Linear. |
Thesaurus NAL: |
Plant pests; Plants (botany). |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1159411/1/Implementacao-e-comparacao-de-tecnicas-de-machine-learning-LAU.pdf
|
Marc: |
LEADER 03226naa a2200409 a 4500 001 2159411 005 2023-12-11 008 2023 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.5335/rbca.v15i3.13467$2DOI 100 1 $aLAZZARETTI, A. T. 245 $aImplementação e comparação de técnicas de machine learning aplicadas à predição do desenvolvimento de populações de afídeos.$h[electronic resource] 260 $c2023 520 $aResumo: Os insetos ao atingirem um determinado nível populacional podem causar danos às plantas, sendo considerados pragas. Afídeos ou pulgões apresentam um alto potencial biótico e podem causar diferentes tipos de dano às plantas. Fatores meteorológicos como precipitações, ventos e temperatura interferem no crescimento populacional destes insetos. Este trabalho aplicou diferentes técnicas de machine learning com o objetivo de verificar a correlação existente entre variáveis meteorológicas e a dinâmica populacional dos afídeos. Foram implementados 4 (quatro) modelos obtendo-se as acurácias de 11,4% para Regressão Linear; 26,4% para o modelo de Rede Neural Artificial; 29,3% para Árvore de decisão e 41,4% para random forest. Abstract: Insects have an important degree of collaboration for the maintenance of the ecosystem on the planet. However, after reaching a certain population level and causing damage to plants, some insects are considered as pests and represent a threat to agriculture. Aphids insects that has characteristics to reach this state as it has a high biotic potential and can cause different types of damage to plants. Climatic data as precipitation, winds and temperatures affect the population quantity of these insects. Therefore, this work proposes to apply different machine learning techniques with the objective to verify the existing correlation between climatic variables and the population dynamics of aphids. It can be concluded that variables such as precipitation, temperature, number of days when it rains in the week and climatic phenomena such as El niño and La niña have an influence on the aphid population. During the work, four models were developed in order to predict the population of these insects. The accuracy of the prediction model developed were 11.4% for Linear Regression; 26.4% for the Artificial Neural Network model; 29.3% for Decision Tree and 41.4% for Random Forest. 650 $aPlant pests 650 $aPlants (botany) 650 $aAfídeo 650 $aAnálise de Dados 650 $aPraga de Planta 650 $aPulgão 650 $aRegressão Linear 653 $aArtificial neural networks 653 $aÁrvore de decisão 653 $aDecision tree 653 $aExploratory Data 653 $aExtração de conhecimento 653 $aKnowledge extraction 653 $aLinear Regression 653 $aRandom Forest 653 $aRedes Neurais Artificiais 700 1 $aSCHNEIDER, V. R. 700 1 $aWIEST, R. 700 1 $aLAU, D. 700 1 $aFERNANDES, J. M. C. 700 1 $aFRAISSE, C. W. 700 1 $aCERBARO, V. A. 700 1 $aKARREI, M. Z. 773 $tRevista Brasileira de Computação Aplicada$gv. 15, n. 3, p. 25-37, nov. 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Trigo (CNPT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|