Un enfoque novedoso de Transformer-CNN para predecir propiedades del suelo a partir de datos espectrales Vis-NIR de LUCAS
Autores: Cao, Liying; Sun, Miao; Yang, Zhicheng; Jiang, Donghui; Yin, Dongjie; Duan, Yunpeng
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un enfoque novedoso de Transformer-CNN para predecir propiedades del suelo a partir de datos espectrales Vis-NIR de LUCAS
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Suelo
Espectroscopía
Técnicas de aprendizaje profundo
Transformer
CNN
Propiedades del suelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
El modelo Transformer-CNN predijo con precisión la mayoría de las propiedades del suelo, superando a otros métodos (regresión de mínimos cuadrados parciales (PLSR), regresión de bosques aleatorios (RFR), regresión de máquina de vectores de soporte (SVR), memoria a corto plazo a largo plazo (LSTM), ResNet18) con una mejora de 10-24 puntos porcentuales en el coeficiente de determinación (R).
Descripción
El modelo Transformer-CNN predijo con precisión la mayoría de las propiedades del suelo, superando a otros métodos (regresión de mínimos cuadrados parciales (PLSR), regresión de bosques aleatorios (RFR), regresión de máquina de vectores de soporte (SVR), memoria a corto plazo a largo plazo (LSTM), ResNet18) con una mejora de 10-24 puntos porcentuales en el coeficiente de determinación (R).