| |
|
|
| Registros recuperados : 51 | |
| 13. |  | MAIA, R. C.; TAVERNARI, F. de C.; ALBINO, L. F. T.; LELIS, G. R. Tecnologias de processamento de ovos. Perdas nos abatedouros de frangos de corte relacionadas ao período de jejum pré-abate. Avicultura Industrial, Itu, ed. 1219, ano 104, n. 2, p. 40-45, 2013.| Biblioteca(s): Embrapa Suínos e Aves. |
|   |
| 17. | | PINHEIRO, J. G.; MAIA, R. P. A.; LEÃO, N. V. M.; F. FILHO, L. D. Influência de cinzas vegetais no crescimento de mudas de cacau - Theobroma Cacao L. via análise multivariada. Informativo ABRATES, Curitiba, v. 23, n. 2, set. 2015. Número especial. Resumo apresentado no XIX Congresso Brasileiro de Sementes, Foz do Iguaçu, 2015.| Biblioteca(s): Embrapa Amazônia Oriental. |
|  |
| 19. | | KAMIENSKI, C.; SOININEN, J. P.; TAUMBERGER, M.; FERNANDES, S.; TOSCANO, A.; CINOTTI, T. S.; MAIA, R. F.; TORRE NETO, A. SWAMP: an IoT-based smart water management platform for precision irrigation in agriculture. In: CONFERENCE OF OPEN INNOVATION ASSOCIATION FRUCT, 23., 2018, Bologna.| Biblioteca(s): Embrapa Instrumentação. |
|  |
| 20. | | KAMIENSKI, C.; KLEINSCHMIDT, J. H.; SOININEN, J.; KOLEHMAINEN, K.; ROFFIA, L.; VISOLI, M. C.; MAIA, R. F.; FERNANDES, S. SWAMP: Smart Water Management Platform overview and security challenges. In: ANNUAL IEEE/IFIP INTERNATIONAL CONFERENCE ON DEPENDABLE SYSTEMS AND NETWORKS WORKSHOPS, 48., 2018, Luxembourg. Proceedings... Los Alamitos: IEEE, 2018. p. 49-50. DSNW 2018. Na publicação: Marcos Visoli.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 51 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
14/01/2019 |
|
Data da última atualização: |
14/01/2019 |
|
Autoria: |
SILVA, J. P. M.; CABACINHA, C. D.; ASSIS, A. L.; MONTEIRO, T. C.; ARAÚJO JÚNIOS, C. A.; MAIA, R. D. |
|
Título: |
Redes neurais artificiais para estimar a densidade básica de madeiras do cerrado. |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Pesquisa Florestal Brasileira, Colombo, v. 38, e201701656, 2018. 10 p. |
|
DOI: |
10.4336/2018.pfb.38e201801656 |
|
Idioma: |
Português |
|
Conteúdo: |
A densidade básica da madeira é uma propriedade importante, pois está relacionada ao produto final nos diversos usos que a madeira possui. Porém, sua determinação demanda tempo e custos, o que justifica o emprego de técnicas mais refinadas para a sua estimação, como as redes neurais artificias (RNA). Objetivouse avaliar a utilização das RNA para estimar a densidade básica de espécies do cerrado sensu stricto com o uso do aparelho Pilodyn e variáveis dendrométricas. Para comparação dos resultados obtidos pelas RNA, foram ajustados modelos de regressão. A rede neural com melhor desempenho foi a que utilizou como variáveis de entrada a profundidade de penetração (Pilodyn), espécie e o diâmetro a 1,30 m do solo, apresentando R² = 0,72 e com raiz do erro quadrado médio em porcentagem (RMSE%) = 5,69. O modelo de regressão apresentou R² = 0,72 e RMSE% = 9,19. É possível usar redes neurais artificiais para estimar a densidade básica da madeira das espécies do cerrado stricto sensu estudadas com resultados satisfatórios. |
|
Palavras-Chave: |
Inteligência artificial; Pilodyn. |
|
Thesagro: |
Densidade da Madeira; Madeira; Propriedade Físico-Química. |
|
Thesaurus NAL: |
Artificial intelligence; Wood properties. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/190426/1/1656-18686-1-PB.pdf
|
|
Marc: |
LEADER 01915naa a2200277 a 4500
001 2103932
005 2019-01-14
008 2018 bl uuuu u00u1 u #d
024 7 $a10.4336/2018.pfb.38e201801656$2DOI
100 1 $aSILVA, J. P. M.
245 $aRedes neurais artificiais para estimar a densidade básica de madeiras do cerrado.$h[electronic resource]
260 $c2018
520 $aA densidade básica da madeira é uma propriedade importante, pois está relacionada ao produto final nos diversos usos que a madeira possui. Porém, sua determinação demanda tempo e custos, o que justifica o emprego de técnicas mais refinadas para a sua estimação, como as redes neurais artificias (RNA). Objetivouse avaliar a utilização das RNA para estimar a densidade básica de espécies do cerrado sensu stricto com o uso do aparelho Pilodyn e variáveis dendrométricas. Para comparação dos resultados obtidos pelas RNA, foram ajustados modelos de regressão. A rede neural com melhor desempenho foi a que utilizou como variáveis de entrada a profundidade de penetração (Pilodyn), espécie e o diâmetro a 1,30 m do solo, apresentando R² = 0,72 e com raiz do erro quadrado médio em porcentagem (RMSE%) = 5,69. O modelo de regressão apresentou R² = 0,72 e RMSE% = 9,19. É possível usar redes neurais artificiais para estimar a densidade básica da madeira das espécies do cerrado stricto sensu estudadas com resultados satisfatórios.
650 $aArtificial intelligence
650 $aWood properties
650 $aDensidade da Madeira
650 $aMadeira
650 $aPropriedade Físico-Química
653 $aInteligência artificial
653 $aPilodyn
700 1 $aCABACINHA, C. D.
700 1 $aASSIS, A. L.
700 1 $aMONTEIRO, T. C.
700 1 $aARAÚJO JÚNIOS, C. A.
700 1 $aMAIA, R. D.
773 $tPesquisa Florestal Brasileira, Colombo$gv. 38, e201701656, 2018. 10 p.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
