|
|
Registros recuperados : 523 | |
Registros recuperados : 523 | |
|
|
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
|
Expressão de busca inválida. Verifique!!! |
|
|