Parámetros y calibración de modelos de aprendizaje automático de arándano silvestre para predecir la fructificación en el agroecosistema de arándano del pantano del noreste de China
Autores: Qu, Hongchun; Xiang, Rui; Obsie, Efrem Yohannes; Wei, Dianwen; Drummond, Francis
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Parámetros y calibración de modelos de aprendizaje automático de arándano silvestre para predecir la fructificación en el agroecosistema de arándano del pantano del noreste de China
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Deficiencia de datos
Modelos de aprendizaje automático
Agroecosistemas
Enfoque de modelado predictivo
Productividad
Metamodelos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
La deficiencia de datos impide el desarrollo de modelos de aprendizaje automático confiables para muchos agroecosistemas, especialmente aquellos caracterizados por la escasez de conocimientos derivados de datos de campo. Sin embargo, otros agroecosistemas similares con amplios recursos de datos pueden ser de utilidad.
Descripción
La deficiencia de datos impide el desarrollo de modelos de aprendizaje automático confiables para muchos agroecosistemas, especialmente aquellos caracterizados por la escasez de conocimientos derivados de datos de campo. Sin embargo, otros agroecosistemas similares con amplios recursos de datos pueden ser de utilidad.