| |
|
|
| Registros recuperados : 396 | |
| 69. |  | SOUZA, L. J. P.; PEREIRA, S. A.; LEMOS, M. B. N. Contribuição ao conhecimento da madeira de Rhizophora mangle. Silvicultura em São Paulo, São Paulo, v. 16-A, pt. 1, p. 269-279, 1982. Edição dos Anais do Congresso Nacional sobre Essências Nativas, 1982, Campos do Jordão.| Biblioteca(s): Embrapa Florestas. |
|   |
| 70. | | FERREIRA FILHO, W. M.; ENGAS DA SILVA, F. O.; PEREIRA, S. M. R.; TORREAO, T. R. Contribuicao a utilizacao de modelos hidrologicos para estudos de cheias no semi-arido nordestino. In: SIMPOSIO DE RECURSOS HIDRICOS DO NORDESTE, 1., 1992, Recife, PE. Anais... Recife: Ed. Universitaria da UFPE, Grupo de Recursos Hidricos e Engenharia Ambiental, 1992. v.2, p.179-183.| Biblioteca(s): Embrapa Semiárido. |
| |
| 75. | | KORASAKI, V.; PASINI, A.; BROWN, G. G.; LOPES, J.; PEREIRA, S. D. Entomofauna de solo em fragmentos florestais, Londrina-PR. In: CONGRESSO BRASILEIRO DE ENTOMOLOGIA, 21, 2006, Recife. Entomologia: da academia à transferência de tecnologia: resumos. Recife: SEB: UFRPE, 2006. 1 CD-ROM. Resumo n. 943-1 - Área Biodiversidade.| Biblioteca(s): Embrapa Soja. |
| |
| Registros recuperados : 396 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Amazônia Oriental. |
|
Data corrente: |
10/09/2021 |
|
Data da última atualização: |
22/09/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 5 |
|
Autoria: |
SILVA, W. D.; PEREIRA, S. S. L.; PEREIRA, D. S.; COSTA, M. O. X. D. |
|
Afiliação: |
WESKLEY DAMASCENO SILVA, IFCE; SILAS SANTIAGO LOPES PEREIRA, IFCE; DANIEL SANTIAGO PEREIRA, CPATU; MICHELL OLIVIO XAVIER DA COSTA, CPATU. |
|
Título: |
Um sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Revista Brasileira de Agrotecnologia, v. 11, n. 1, p. 8-19, 2021. |
|
DOI: |
10.18378/rebagro.v11i1.8679 |
|
Idioma: |
Português |
|
Conteúdo: |
O setor apícola tem ganhado grandes proporções nos últimos tempos em termos de produção e comercialização de produtos, como o mel e seus derivados. O Brasil, apesar de ter acompanhado esse crescimento e possuir boas características para o desenvolvimento da apicultura, ainda sofre com a limitação no uso de ferramentas tecnológicas, o que afeta diretamente os níveis de produção. Este artigo propõe o desenvolvimento de uma ferramenta tecnológica que auxilie o apicultor no gerenciamento eficiente da produção apícola e na tomada de decisão a partir de modelos preditivos baseados em Machine Learning (ML) e integrados a um sistema web. Para tanto, foram utilizados diferentes algoritmos de ML para predição de produção de mel, tais como a Regressão Linear Múltipla, Decision Tree, Random Forest, Multilayer Perceptron (MLP) e Support Vector Regression (SVR). Os modelos gerados foram avaliados com base no coeficiente de determinação (R2 ou Score) e o cálculo de erro das predições utilizando a Root Mean Squared Error (RMSE). Os resultados desta pesquisa contam com um sistema web em desenvolvimento e resultados dos experimentos realizados, que mostram uma melhor performance da técnica MLP com Score de 0.98 e RMSE de 711196 libras. |
|
Palavras-Chave: |
Aprendizado de Máquina; Modelos Preditivos; Regressão; Sistemas de Informação. |
|
Thesagro: |
Apicultura. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/226305/1/8679-Texto-do-artigo-44975-1-10-20210315-1.pdf
|
|
Marc: |
LEADER 02002naa a2200229 a 4500
001 2134191
005 2021-09-22
008 2021 bl uuuu u00u1 u #d
024 7 $a10.18378/rebagro.v11i1.8679$2DOI
100 1 $aSILVA, W. D.
245 $aUm sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola.$h[electronic resource]
260 $c2021
520 $aO setor apícola tem ganhado grandes proporções nos últimos tempos em termos de produção e comercialização de produtos, como o mel e seus derivados. O Brasil, apesar de ter acompanhado esse crescimento e possuir boas características para o desenvolvimento da apicultura, ainda sofre com a limitação no uso de ferramentas tecnológicas, o que afeta diretamente os níveis de produção. Este artigo propõe o desenvolvimento de uma ferramenta tecnológica que auxilie o apicultor no gerenciamento eficiente da produção apícola e na tomada de decisão a partir de modelos preditivos baseados em Machine Learning (ML) e integrados a um sistema web. Para tanto, foram utilizados diferentes algoritmos de ML para predição de produção de mel, tais como a Regressão Linear Múltipla, Decision Tree, Random Forest, Multilayer Perceptron (MLP) e Support Vector Regression (SVR). Os modelos gerados foram avaliados com base no coeficiente de determinação (R2 ou Score) e o cálculo de erro das predições utilizando a Root Mean Squared Error (RMSE). Os resultados desta pesquisa contam com um sistema web em desenvolvimento e resultados dos experimentos realizados, que mostram uma melhor performance da técnica MLP com Score de 0.98 e RMSE de 711196 libras.
650 $aApicultura
653 $aAprendizado de Máquina
653 $aModelos Preditivos
653 $aRegressão
653 $aSistemas de Informação
700 1 $aPEREIRA, S. S. L.
700 1 $aPEREIRA, D. S.
700 1 $aCOSTA, M. O. X. D.
773 $tRevista Brasileira de Agrotecnologia$gv. 11, n. 1, p. 8-19, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
