Simulação do Progresso de doenças Foliares da Aveia por Redes Neurais Artificiais à Redução de Uso de Agrotóxicos
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".