|
|
|
|
|
| Soares,Fátima Cibele; Robaina,Adroaldo Dias; Peiter,Marcia Xavier; Russi,Jumar Luis. |
| Esta investigação visa avaliar o desempenho de redes neurais artificiais na predição da produtividade da cultura do milho, no município de Jaguari, região Central do Estado do Rio Grande do Sul, com base em variáveis morfológicas da cultura. Para treinamento e validação das redes neurais, foram utilizados dados publicados por SOARES (2010). Foram testadas diversas redes neurais do tipo perceptron, multicamadas com algoritmo backpropagation otimizado (Levenberg-Marquardt). Elas tiveram como variáveis na camada de entrada: índice de área foliar; matéria verde total; altura de planta; e no de planta m-2. Na camada de saída: produção de grãos. Cada arquitetura foi treinada 10 vezes, escolhendo-se, ao final do treinamento, aquela com menor erro relativo médio e... |
| Tipo: Info:eu-repo/semantics/article |
Palavras-chave: Modelagem; Inteligência artificial; Produção; Zea mays FL.. |
| Ano: 2015 |
URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782015001101987 |
| |
|
|
| Soares,Fátima Cibele; Robaina,Adroaldo Dias; Peiter,Marcia Xavier; Russi,Jumar Luis; Vivan,Gisele Aparecida. |
| O trabalho teve como objetivo apresentar uma proposta de metodologia para estimativa da curva de retenção de água, para solos do Estado do Rio Grande do Sul, a partir do uso de redes neurais artificiais. Para o desenvolvimento do trabalho, foi montado um banco de dados com informações disponíveis na literatura, de textura e estrutura dos solos do Estado do Rio Grande do Sul. Para o desenvolvimento das redes, utilizou-se o software Matlab, no qual foram treinadas diferentes arquiteturas, variando os números de neurônios na camada de entrada e camada intermediária. A eficiência das redes foi analisada graficamente pela relação 1:1, entre os dados estimados versus os observados, por meio de indicadores estatísticos. Observou-se, a partir dos resultados, que a... |
| Tipo: Info:eu-repo/semantics/article |
Palavras-chave: Pedofunções; Inteligência artificial; Umidade do solo; Potencial matricial. |
| Ano: 2014 |
URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0103-84782014000200016 |
| |
|
|
|
