Home Itens selecionados Provedores de dados OAI Créditos Sobre Ajuda

			Busca avançada
	Provedor de dados Infoteca-e (2) Autor BARBEDO, J. G. A. (1) CAMARGO NETO, J. (1) SOUZA, K. X. S. de (1) Palavra-chave Aprendizado profundo (2) Deep learning (2) Neural networks (2) Agricultura (1) Agriculture (1) Amostras de solo (1) Classification (1) Classificação (1) Classificação de solos (1) Perceptron multicamadas (1) Redes neurais (1) Redes neurais multicamadas (1) Soil classification (1) Training (1) Mais... Tipo do documento Boletim de Pesquisa e Desenvolvimento (INFOTECA-E) (1) Folhetos (1) Ano 2021 (1) 2019 (1) País Brazil (2) Idioma Português (2)		Ordenar por:  Relevância Autor Título Ano Registros recuperados: 2 Primeira ... 1 ... Última Uso de redes neurais multicamadas para classificação de perfis de solos. Infoteca-e SOUZA, K. X. S. de; CAMARGO NETO, J.. Resumo - O processo de classificação de solos executado por especialistas é uma tarefa laboriosa, que envolve várias etapas de coleta e a aplicação de regras de classificação de acordo com o Manual do Sistema Brasileiro de Classificação de Solos (SiBCS). Este trabalho relata a aplicação de redes neurais do tipo perceptron multicamadas na classificação de solos, nos níveis categóricos 1 a 4. Os dados de perfis de solo utilizados vieram de uma base de dados do Instituto Brasileiro de Geografia e Estatística (IBGE). A otimiza-ção da função de custo de entropia cruzada, usada no treinamento da rede neural, foi realizada por meio do algoritmo de stochastic gradient descent. As redes apresentaram resultados de acurácia que variam de 63,38 a 27,79, tendo o valor... Tipo: Boletim de Pesquisa e Desenvolvimento (INFOTECA-E) Palavras-chave: Redes neurais multicamadas; Perceptron multicamadas; Classificação de solos; Aprendizado profundo; Amostras de solo; Deep learning; Neural networks; Soil classification. Ano: 2019 URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1116239 Fluxo de trabalho para o treinamento de modelos de aprendizado profundo dedicados a problemas da agricultura. Infoteca-e BARBEDO, J. G. A.. Resumo - Com o surgimento do aprendizado profundo, redes neurais novamente se tornaram opções vantajosas para lidar com uma variedade de problemas de classificação, especialmente quando imagens digitais estão envolvidas. A popularização desse tipo de técnica deu origem a uma comunidade ativa que tornou pública a maior parte das arquiteturas de aprendizado profundo desenvolvidas até o momento. Documentações completas e tutoriais detalhados associados a essas arquiteturas garantem que qualquer pessoa com conhecimentos básicos de programação é capaz de realizar os experimentos sem muito esforço. Como resultado, houve uma explosão no número de artigos aplicando aprendizado profundo a uma ampla gama de problemas. Apesar dos excelentes resultados alcançados por... Tipo: Folhetos Palavras-chave: Aprendizado profundo; Redes neurais; Classificação; Deep learning; Training; Agricultura; Agriculture; Neural networks; Classification. Ano: 2021 URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1137938 Registros recuperados: 2 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