Deep learning techniques as a prediction tool used in agricultural production
Închide
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

Deep learning techniques as a prediction tool used in agricultural production

CZU: 338.43:004.9

Pag. 443-448

Yalcn Bozkurt
 
Isparta University of Applied Sciences
 
Disponibil în IBN: 5 august 2020


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