| |
|
|
| Registros recuperados : 11 | |
| 2. |  | ROSSI, V.; LAU, D.; LAZZARETTI, A.; WIEST, R. ABISM-GUI ? Uma interface gráfica para o modelo de simulação ABISM (Agent Based Insect Simulation Model). In: MOSTRA DE INICIAÇÃO CIENTÍFICA, 15.; MOSTRA DE PÓS-GRADUAÇÃO DA EMBRAPA TRIGO, 12., 2020, Passo Fundo. Resumos... Brasília, DF: Embrapa, p. 49, 2021.| Biblioteca(s): Embrapa Trigo. |
|    |
| 4. | | LAZZARETTI, A. T.; FERNANDES, J. M. C.; PAVAN, W.; TOEBE, J.; WIEST, R. AgroDB - integration of database management systems with crop models. In: INTERNATIONAL CONGRESS ON ENVIRONMENTAL MODELLING AND SOFTWARE, 8., 2016, Toulouse, France. Proceedings... Manno, Switzerland: International Environmental Modelling and Software Society, 2016. p. 194-201. IEMSS| Biblioteca(s): Embrapa Trigo. |
| |
| 5. | | FERNANDES, J. M. C.; PAVAN, W.; PEQUENO, D.; WIEST, R.; HOLBIG, C. A.; OLIVEIRA, F.; HOOGENBOOM, G. Improving crop pest/disease modeling. In: BOOTE, K. (Ed.). Advances in crop modelling for a sustainable agriculture. Cambridge, UK: Burleigh Dodds Science Publishing, 2019.| Biblioteca(s): Embrapa Trigo. |
| |
| 6. | | LAZZARETTI, A. T.; LAU, D.; FERNANDES, J. M. C.; WIEST, R.; BAVARESCO, J. L. B.; SCHAEFER, F. Trapsystem - uma aplicação para gerenciamento de dados coletados a partir de armadilhas de insetos. In: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 10., 2016, Londrina. Anais... Londrina: Comissão Brasileira de Pesquisa de Trigo e Triticale, 2016. 5 p. 1 CD-ROM.| Biblioteca(s): Embrapa Trigo. |
| |
| 7. | | 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. |
| |
| 9. | | LAU, D.; LAZZARETTI, A. T.; STOETZER, A.; SANTOS, C. D. R. dos; SUZANA-MILAN, C. S.; ENGEL, E.; RUTHES, E.; STURMER, G. R.; BAVARESCO, J. B.; FERNANDES, J. M. C.; SAMPAIO, M. V.; RIEDER, R.; CESARO JÚNIOR, T. de; WIEST, R. Afídeos em cereais de inverno na região subtropical do Brasil: da biologia à computação. In: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 15., 2022. Atas e Resumos... Passo Fundo: Acervus, 2023. p. 60-64| Biblioteca(s): Embrapa Trigo. |
| |
| 10. | | LAU, D.; LAZZARETTI, A. T.; FERNANDES, J. M. C.; PEREIRA, P. R. V. da S.; MARSARO JÚNIOR, A. L.; WIEST, R.; BAVARESCO, J. L. B.; STOETZER, A.; RIFFEL, C. T.; RUTHES, E.; PALMA, J.; MENEZES JÚNIOR, A. de O.; SILVA, P. S.; PAIVA, P. E. B. Plataforma integrada para monitoramento, simulação e suporte à tomada de decisão no manejo de epidemias causadas por vírus transmitidos por insetos. In: REUNIÃO DA COMISSÃO BRASILEIRA DE PESQUISA DE TRIGO E TRITICALE, 11.; FÓRUM NACIONAL DE TRIGO, 2017, Cascavel. Resumos expandidos... Cascavel: Coodetec, 2017. p. 78-82.| Biblioteca(s): Embrapa Trigo. |
| |
| 11. | | LAU, D.; FERNANDES, J. M. C.; MARSARO JUNIOR, A. L.; LAZZARETT, A. T.; PEREIRA, P. R. V. da S.; WIEST, R.; RIEDER, R.; SAMPAIO, M. V.; STOETZER, A.; RUZICK, M.; RIFFEL, C. T.; RUTHES, E.; ANJOS, W. I. do; PALMA, J.; MENEZES JÚNIOR, A. de O.; REDAELLI, L. R.; MUNDSTOCK, S.; SANTOS, C. D. R. dos; PIVATO, J.; D’AGOSTINI, M.; SALVADORI, J. R.; SILVA, P. S.; PAIVA, P. E. B. Monitorar e manejar. Cultivar Grandes Culturas, ano XX, n. 253, p. 36-39, jun.2020.| Biblioteca(s): Embrapa Florestas; Embrapa Trigo. |
| |
| Registros recuperados : 11 | |
|
|
|
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. |
|
|
