Home Itens selecionados Provedores de dados OAI Créditos Sobre Ajuda

			Busca avançada
	Provedor de dados Repositório Alice (4) Autor OLIVEIRA, S. R. de M. (4) SOUZA, K. X. S. de (2) BARIONI, L. G. (1) BARROS, F. M. M. (1) FASIABEN, M. do C. R. (1) HIGA, R. H. (1) MARCHI, R. (1) MASSRUHA, S. M. F. S. (1) MONTEIRO, J. E. B. de A. (1) MORANDI, M. A. B. (1) MOURA, M. F. (1) OLIVEIRA, H. L. C. de (1) OLIVEIRA, L. H. M. de (1) SILVA, L. M. C. da (1) TERNES, S. (1) Mais... Palavra-chave Aprendizado de máquina (4) Machine Learning. (4) Agricultura (2) Agriculture. (2) Text mining (2) Agricultural information systems (1) Agrometeorologia (1) Agrometeorology. (1) Algoritmo Random Forest (1) Aprendizado com classes desbalanceadas (1) Artificial intelligence (1) Computação científica (1) Corn diseases (1) Data imputation (1) Dimensionality reduction (1) Doenças do milho (1) Imputação de dados (1) Knowledge discovery (1) Mineração de texto (1) Mineração de textos (1) Mais... Tipo do documento Anais e Proceedings de eventos (4) Ano 2017 (3) 2007 (1) País Brazil (4) Idioma Português (3) Inglês (1)		Ordenar por:  Relevância Autor Título Ano Registros recuperados: 4 Primeira ... 1 ... Última A prospective study on the application of Data Science in agriculture. Repositório Alice SOUZA, K. X. S. de; TERNES, S.; OLIVEIRA, S. R. de M.; MOURA, M. F.; BARIONI, L. G.; HIGA, R. H.; FASIABEN, M. do C. R.. A quantidade e diversidade de dados disponíveis têm o potencial de causar profundas transformações na maneira que se realiza pesquisa e se propõe inovações na agricultura. Na chamada era do Petabyte, caracterizada pela ubiquidade de sensores e computadores, armazenamento quase infinito, computação em nuvem, robótica e IoT, a demanda e as oportunidades para aplicação da computação científica são extraordinárias, tanto na extração do conhecimento quanto na compreensão dos mecanismos associados a sistemas complexos. Este artigo apresenta um estudo prospectivo com base no estado da arte e enumera algumas áreas nas quais a aplicação da Ciência de Dados resultaria em grande benefício para pesquisadores, agricultores e agentes públicos. Tipo: Anais e Proceedings de eventos Palavras-chave: Computação científica; Aprendizado de máquina; Modelagem; Redes de sensores; Machine Learning.; Simulação; Agricultura; Agriculture.. Ano: 2017 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1083412 An approach based on text mining for knowledge acquisition in diagnostic systems. Repositório Alice MASSRUHA, S. M. F. S.; MARCHI, R.; SILVA, L. M. C. da; SOUZA, K. X. S. de; OLIVEIRA, L. H. M. de; OLIVEIRA, S. R. de M.; MORANDI, M. A. B.. Introduction. Methodology. Data preparation phase. Information extraction and mining phase. A case study with corn diseases. The results and discussion. Tipo: Anais e Proceedings de eventos Palavras-chave: Mineração de texto; Aprendizado de máquina; Doenças do milho; Text mining; Knowledge discovery; Predictions; Corn diseases; Machine Learning.. Ano: 2007 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/2921 Avaliação de métodos de detecção de tópicos em pré-processamento para classificação de textos agrícolas. Repositório Alice BARROS, F. M. M.; OLIVEIRA, S. R. de M.. Neste trabalho, buscou-se construir e comparar modelos capazes de diferenciar textos sobre a cultura da cana-de-açúcar de outros textos relacionados a outras culturas ou criações. Para criar modelos de classificação de textos, os dados são transformados em matrizes termos-documentos, de forma que os dados apresentam alta dimensionalidade. Para construir melhores modelos de classificação de textos agrícolas foram testados: a) métodos de redução de dimensionalidade utilizando LDA (Latent Dirichlet Allocation) e PCA (Principal Component Analysis); b) número de tópicos/componentes principais; c) unigrama/bigrama; e d) algoritmos Random Forest, Gradiente Boosting e SVM (Support Vector Machine), de forma a determinar os fatores que mais impactam o AUC (Area... Tipo: Anais e Proceedings de eventos Palavras-chave: Mineração de textos; Aprendizado de máquina; Redução de dimensionalidade; Sistema de informação agrícola; Text mining; Dimensionality reduction; Agricultural information systems; Machine Learning.; Agricultura; Agriculture.. Ano: 2017 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1083387 Geração de séries temporais de dados meteorológicos utilizando algoritmos de aprendizado de máquina. Repositório Alice OLIVEIRA, H. L. C. de; OLIVEIRA, S. R. de M.; MONTEIRO, J. E. B. de A.. RESUMO - Este trabalho objetivou desenvolver uma metodologia baseada em algoritmos de Aprendizado de Máquina para gerar séries espaço-temporais de precipitação e temperatura. Foi definida uma região de estudo de formato retangular, entre as latitudes de -18º e -22º e as longitudes de -52º e -39º, incluindo a metade norte do Estado de São Paulo e parte do sul de Goiás, a metade sul de Minas Gerais e o Estado do Espírito Santo. A região foi escolhida por ser climaticamente bastante heterogênea e por conter muitas estações meteorológicas de diversas instituições, principalmente ANA e INMET. Foram utilizadas as séries temporais de precipitação e de temperatura máxima e mínima disponíveis na região, compreendendo o período de 01/01/1999 a 31/12/2013. Também... Tipo: Anais e Proceedings de eventos Palavras-chave: Séries temporais; Aprendizado de máquina; Aprendizado com classes desbalanceadas; Modelos preditivos; Imputação de dados; Algoritmo Random Forest; Unbalanced class learning; Predictive modeling; Data imputation; Agrometeorologia; Machine Learning.; Time series analysis; Artificial intelligence; Agrometeorology.. Ano: 2017 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1077534 Registros recuperados: 4 Primeira ... 1 ... Última

Empresa Brasileira de Pesquisa Agropecuária - Embrapa Todos os direitos reservados, conforme Lei n° 9.610 Política de Privacidade Área restrita		Embrapa Parque Estação Biológica - PqEB s/n° Brasília, DF - Brasil - CEP 70770-901 Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco