Articolul precedent |
Articolul urmator |
484 14 |
Ultima descărcare din IBN: 2023-06-21 08:58 |
Căutarea după subiecte similare conform CZU |
338.43:004.9 (1) |
Producție și servicii în funcție de sectoarele economice (1497) |
Informatică aplicată. Tehnici bazate pe calculator cu aplicații practice (438) |
SM ISO690:2012 YALCN, Bozkurt. Deep learning techniques as a prediction tool used in agricultural production. In: Ştiinţă, educaţie, cultură , 15 februarie 2020, Comrat. Comrat, Republica Moldova: Universitatea de Stat din Comrat, 2020, Vol.1, pp. 443-448. ISBN 978-9975-83-091-1. |
EXPORT metadate: Google Scholar Crossref CERIF DataCite Dublin Core |
Ştiinţă, educaţie, cultură Vol.1, 2020 |
|||||
Conferința "Ştiinţă, educaţie, cultură" Comrat, Moldova, 15 februarie 2020 | |||||
|
|||||
CZU: 338.43:004.9 | |||||
Pag. 443-448 | |||||
|
|||||
Descarcă PDF | |||||
Rezumat | |||||
В этой статье обсуждалось возможное использование методов глубокого обучения (DL) в качестве инструмента для прогнозирования использования в сельскохозяйственном производстве. Это система, основанная на работе биологических нейронных сетей и эмуляции биологической нейронной системы. Это также адаптивная, чаще всего нелинейная система, которая учится выполнять функции из данных. Глубокое обучение (DL) - это современный подход с большим потенциалом и успехом в различных научных областях, где он был использован. Он основан на области исследований машинного обучения и похож на искусственную нейронную сеть. Нынешние методы, применяемые для целей прогнозирования, такие как ультразвуковой и цифровой анализ изображений, оптические зонды и магнитно-резонансная томография, не рекомендуются из-за высоких затрат на методы производства растений и животных. Исследования показали, что они используются для производства растений, таких как классификация культур, распознавание фенологии, обнаружение болезней, обнаружение сорняков / вредителей и подсчет плодов. Для животноводства, такого как прогноз мастита, молочный жир и белок, оценка количества соматических клеток и содержания жира и белка в молоке, оценка физиологического статуса коров, таких как течка, отел и состояние здоровья, а также анализ развития эмбрионов in vitro. Модели DL также могут быть разработаны для прогнозирования и определения объективного измерения убойной ценности в продуктивности мясного скота. Глубокое обучение, безусловно, предоставит новые возможности для использования в качестве инструмента прогнозирования сельскохозяйственного производства. |
|||||
Cuvinte-cheie искусственная нейронная сеть, моделирование, прогнозирование, глубокое обучение, сельское хозяйство |
|||||
|