Enfoque de límites difusos (fuzzy) para clasificación de tierras en especies sin datos de producción
Notice bibliographique
Résumé
Los métodos convencionales de clasificación de tierras presentan algunas deficiencias como: a) Representación escasa de la variabilidad espacial, b) Suposición de que todos los factores de estratificación tienen la misma importancia en la producción de cultivos, y c) Pérdida de información durante el proceso de modelación. La aplicación de la teoría de conjuntos difusos (Fuzzy) a la clasificación de tierras es una alternativa para superar dichas limitaciones. En el presente trabajo se aplica el enfoque de límites difusos o de transición gradual (Fuzzy) con el propósito de delimitar las clases de aptitud de las tierras del estado de Guanajuato, México, para el desarrollo de especies de importancia pecuaria y forestal que no cuentan con datos de producción. El método desarrollado es una modificación del enfoque Fuzzy tradicional aplicado a cultivos que cuentan con datos estadísticos de producción. Se utilizan los Sistemas de Información Geográfica como herramientas para hacer más eficiente el proceso de modelación. Los resultados de la clasificación de tierras con el enfoque Fuzzy, para varias especies vegetales, muestran las siguientes ventajas respecto a la clasificación Booleana convencional: a) Mejor representación de la variabilidad espacial, b) Representación más objetiva de la incertidumbre inherente a la calidad de los datos y a las divergencias de opinión entre especialistas, y c) Mejor aprovechamiento de la información disponible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».