Pengenalan Pola Pada Daun Sirih Menggunakan Metode Backpropagation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tanaman sirih memiliki berbagai jenis dengan bentuk dan warna yang mirip, yang sering kali menyebabkan kesulitan dalam mengidentifikasi dan membedakan jenis-jenisnya, terutama bagi masyarakat awam, lansia, dan penderita buta warna. Untuk mengatasi permasalahan ini, riset ini bertujuan untuk mengembangkan sistem identifikasi jenis daun sirih menggunakan metode Backpropagation pada jaringan saraf tiruan. Riset ini berfokus pada lima jenis daun sirih yang umum ditemui, yaitu sirih hijau, sirih merah, sirih hitam, sirih perak, dan sirih gading. Metode Backpropagation dipilih karena kemampuannya dalam mengenali pola yang kompleks melalui proses pembelajaran yang berulang. Sistem ini dikembangkan menggunakan bahasa pemrograman MATLAB, dengan dataset citra daun sirih yang diambil dengan resolusi tinggi. Proses identifikasi melibatkan beberapa tahap, termasuk akuisisi citra, praproses citra, ekstraksi fitur, dan klasifikasi menggunakan jaringan saraf tiruan
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle