Simulação do Progresso de doenças Foliares da Aveia por Redes Neurais Artificiais à Redução de Uso de Agrotóxicos
Notice bibliographique
Résumé
Uma ferramenta que possui aplicabilidade em diversas áreas e representa uma possibili- dade eficiente de simulação e otimização é a modelagem computacional. As redes neurais artificias podem contribuir na simulação eficiente do progresso de doenças foliares da aveia e contribuir em estratégias à redução de uso de agrotóxicos na aveia direcionada a alimentação humana. O objetivo do estudo é simular por redes neurais artificias o progresso de doenças foliares de aveia envolvendo o ciclo de desenvolvimento, variáveis meteorológicas e o número de aplicações de fungicida. O de- lineamento experimental foi de blocos casualizados em esquema fatorial 3 x 5 para 3 cultivares de aveia branca e 5 condições de aplicação de fungicida, respectivamente, com três repetições. As redes neurais artificiais mostraram alta capacidade de aprendizado na expressão da área foliar necrosada e simulam com eficiência o progresso das doenças foliares ao longo do ciclo da aveia, oportunizando direcionar manejos que reduzam o uso do agrotóxico fungicida na garantia de produtividade com segurança alimentar.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».