|
|
Registro Completo |
Biblioteca(s): |
Embrapa Café; Embrapa Unidades Centrais. |
Data corrente: |
15/05/2017 |
Data da última atualização: |
15/12/2017 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
SILVA, G. N.; NASCIMENTO, M.; SANT'ANNA, I. de C.; CRUZ, C. D.; CAIXETA, E. T.; CARNEIRO, P. C. S.; ROSADO, R. D. S.; PESTANA, K. N.; ALMEIDA, D. P. de; OLIVEIRA, M. da S. |
Afiliação: |
GABI NUNES SILVA, UFV-DE; MOYSÉS NASCIMENTO, UFV-DE; ISABELA DE CASTRO SANT'ANNA, UFV-DBG; COSME DAMIÃO CRUZ, UFV-DBG; EVELINE TEIXEIRA CAIXETA, SAPC; PEDRO CRESCENCIO SOUZA CARNEIRO, UFV-DBG; RENATO DOMICIANO SILVA ROSADO, UFV-DBG; KÁTIA NOGUEIRA PESTANA, CNPMF; DÊNIA PIRES DE ALMEIDA, UFV-IBAA; MARCIANE DA SILVA OLIVEIRA, UFV-DBG. |
Título: |
Artificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 52, n. 3, p. 186-193, mar. 2017. |
Idioma: |
Inglês |
Notas: |
Título em português: Redes neurais artificiais comparadas com modelos lineares generalizados sob o enfoque bayesiano para predição de resistência à ferrugem em café arábica. |
Conteúdo: |
The objective of this work was to evaluate the use of artificial neural networks in comparison with Bayesian generalized linear regression to predict leaf rust resistance in Arabica coffee (Coffea arabica). This study used 245 individuals of a F2 population derived from the self-fertilization of the F1 H511-1 hybrid, resulting from a crossing between the susceptible cultivar Catuaí Amarelo IAC 64 (UFV 2148-57) and the resistant parent Híbrido de Timor (UFV 443-03). The 245 individuals were genotyped with 137 markers. Artificial neural networks and Bayesian generalized linear regression analyses were performed. The artificial neural networks were able to identify four important markers belonging to linkage groups that have been recently mapped, while the Bayesian generalized model identified only two markers belonging to these groups. Lower prediction error rates (1.60%) were observed for predicting leaf rust resistance in Arabica coffee when artificial neural networks were used instead of Bayesian generalized linear regression (2.4%). The results showed that artificial neural networks are a promising approach for predicting leaf rust resistance in Arabica coffee. |
Palavras-Chave: |
Inteligência artificial; Predição. |
Thesagro: |
Coffea Arábica; Hemileia Vastatrix; Marcador molecular. |
Thesaurus Nal: |
Artificial intelligence; Genetic markers; Prediction. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/159883/1/Artificial-neural-networks.pdf
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/159878/1/Artificial-neural-networks.pdf
|
Marc: |
LEADER 02409naa a2200337 a 4500 001 2069618 005 2017-12-15 008 2017 bl uuuu u00u1 u #d 100 1 $aSILVA, G. N. 245 $aArtificial neural networks compared with Bayesian generalized linear regression for leaf rust resistance prediction in Arabica coffee.$h[electronic resource] 260 $c2017 500 $aTítulo em português: Redes neurais artificiais comparadas com modelos lineares generalizados sob o enfoque bayesiano para predição de resistência à ferrugem em café arábica. 520 $aThe objective of this work was to evaluate the use of artificial neural networks in comparison with Bayesian generalized linear regression to predict leaf rust resistance in Arabica coffee (Coffea arabica). This study used 245 individuals of a F2 population derived from the self-fertilization of the F1 H511-1 hybrid, resulting from a crossing between the susceptible cultivar Catuaí Amarelo IAC 64 (UFV 2148-57) and the resistant parent Híbrido de Timor (UFV 443-03). The 245 individuals were genotyped with 137 markers. Artificial neural networks and Bayesian generalized linear regression analyses were performed. The artificial neural networks were able to identify four important markers belonging to linkage groups that have been recently mapped, while the Bayesian generalized model identified only two markers belonging to these groups. Lower prediction error rates (1.60%) were observed for predicting leaf rust resistance in Arabica coffee when artificial neural networks were used instead of Bayesian generalized linear regression (2.4%). The results showed that artificial neural networks are a promising approach for predicting leaf rust resistance in Arabica coffee. 650 $aArtificial intelligence 650 $aGenetic markers 650 $aPrediction 650 $aCoffea Arábica 650 $aHemileia Vastatrix 650 $aMarcador molecular 653 $aInteligência artificial 653 $aPredição 700 1 $aNASCIMENTO, M. 700 1 $aSANT'ANNA, I. de C. 700 1 $aCRUZ, C. D. 700 1 $aCAIXETA, E. T. 700 1 $aCARNEIRO, P. C. S. 700 1 $aROSADO, R. D. S. 700 1 $aPESTANA, K. N. 700 1 $aALMEIDA, D. P. de 700 1 $aOLIVEIRA, M. da S. 773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 52, n. 3, p. 186-193, mar. 2017.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Café (CNPCa) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agrossilvipastoril. |
Data corrente: |
12/01/2017 |
Data da última atualização: |
12/01/2017 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 2 |
Autoria: |
NASCIMENTO, A. F. do; MATTOS, J. L. S. de; MENDONÇA, E. de SÁ. |
Afiliação: |
ALEXANDRE FERREIRA DO NASCIMENTO, CPAMT; JORGE LUIZ SCHIRMER DE MATTOS, UFRPE; EDUARDO DE SÁ MENDONÇA, UFES. |
Título: |
Decomposição da biomassa de adubos verdes no sudoeste de Mato Grosso e sua estimativa pelo modelo NDICEA. |
Ano de publicação: |
2016 |
Fonte/Imprenta: |
Revista Brasileira de Agroecologia, v. 11, n. 4, p. 319-327, 2016. |
Idioma: |
Português |
Conteúdo: |
O conhecimento da dinâmica de decomposição da biomassa de adubos verdes e sua estimativa por modelos matemáticos é indispensável na escolha de boas práticas de conservação e ciclagem de nutrientes do solo. O objetivo desse trabalho foi avaliar a decomposição da biomassa de adubos verdes, bem como a acurácia do modelo NDICEA em estimar essa dinâmica para as condições do sudoeste de Mato Grosso. O experimento foi conduzido em um estabelecimento rural no município de Tangará da Serra - MT, utilizando mucuna preta, guandu anão e milheto em cultivos simples e os consórcios mucuna preta + milheto e guandu anão + milheto na superfície e incorporados ao solo ao longo de 90 dias. A incorporação ao solo proporcionou maior taxa de decomposição para a biomassa das leguminosas. Por outro lado, a incorporação não resultou em maior taxa de decomposição da biomassa de milheto e do seu consórcio com o guandu anão. O modelo NDICEA, depois de calibrado, simulou com alto grau de acurácia a decomposição dos materiais vegetais na superfície e incorporados ao solo ao longo dos 90 dias. Os resultados indicam que esse modelo pode ser ferramenta importante para o manejo de adubos verdes. |
Palavras-Chave: |
Agroecologia; Modelagem. |
Thesagro: |
Conservação do solo; Ecologia vegetal; Leguminosa. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/153245/1/2016-cpamt-nascimento-decomposicao-biomassa-adubo-verde-mato-grosso-ndicea.pdf
|
Marc: |
LEADER 01869naa a2200205 a 4500 001 2060619 005 2017-01-12 008 2016 bl uuuu u00u1 u #d 100 1 $aNASCIMENTO, A. F. do 245 $aDecomposição da biomassa de adubos verdes no sudoeste de Mato Grosso e sua estimativa pelo modelo NDICEA.$h[electronic resource] 260 $c2016 520 $aO conhecimento da dinâmica de decomposição da biomassa de adubos verdes e sua estimativa por modelos matemáticos é indispensável na escolha de boas práticas de conservação e ciclagem de nutrientes do solo. O objetivo desse trabalho foi avaliar a decomposição da biomassa de adubos verdes, bem como a acurácia do modelo NDICEA em estimar essa dinâmica para as condições do sudoeste de Mato Grosso. O experimento foi conduzido em um estabelecimento rural no município de Tangará da Serra - MT, utilizando mucuna preta, guandu anão e milheto em cultivos simples e os consórcios mucuna preta + milheto e guandu anão + milheto na superfície e incorporados ao solo ao longo de 90 dias. A incorporação ao solo proporcionou maior taxa de decomposição para a biomassa das leguminosas. Por outro lado, a incorporação não resultou em maior taxa de decomposição da biomassa de milheto e do seu consórcio com o guandu anão. O modelo NDICEA, depois de calibrado, simulou com alto grau de acurácia a decomposição dos materiais vegetais na superfície e incorporados ao solo ao longo dos 90 dias. Os resultados indicam que esse modelo pode ser ferramenta importante para o manejo de adubos verdes. 650 $aConservação do solo 650 $aEcologia vegetal 650 $aLeguminosa 653 $aAgroecologia 653 $aModelagem 700 1 $aMATTOS, J. L. S. de 700 1 $aMENDONÇA, E. de SÁ 773 $tRevista Brasileira de Agroecologia$gv. 11, n. 4, p. 319-327, 2016.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|