Use este identificador para citar ou linkar para este item:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1134191
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.author | SILVA, W. D. | |
dc.contributor.author | PEREIRA, S. S. L. | |
dc.contributor.author | PEREIRA, D. S. | |
dc.contributor.author | COSTA, M. O. X. D. | |
dc.date.accessioned | 2021-09-22T17:00:22Z | - |
dc.date.available | 2021-09-22T17:00:22Z | - |
dc.date.created | 2021-09-10 | |
dc.date.issued | 2021 | |
dc.identifier.citation | Revista Brasileira de Agrotecnologia, v. 11, n. 1, p. 8-19, 2021. | |
dc.identifier.uri | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1134191 | - |
dc.description | O setor apícola tem ganhado grandes proporções nos últimos tempos em termos de produção e comercialização de produtos, como o mel e seus derivados. O Brasil, apesar de ter acompanhado esse crescimento e possuir boas características para o desenvolvimento da apicultura, ainda sofre com a limitação no uso de ferramentas tecnológicas, o que afeta diretamente os níveis de produção. Este artigo propõe o desenvolvimento de uma ferramenta tecnológica que auxilie o apicultor no gerenciamento eficiente da produção apícola e na tomada de decisão a partir de modelos preditivos baseados em Machine Learning (ML) e integrados a um sistema web. Para tanto, foram utilizados diferentes algoritmos de ML para predição de produção de mel, tais como a Regressão Linear Múltipla, Decision Tree, Random Forest, Multilayer Perceptron (MLP) e Support Vector Regression (SVR). Os modelos gerados foram avaliados com base no coeficiente de determinação (R2 ou Score) e o cálculo de erro das predições utilizando a Root Mean Squared Error (RMSE). Os resultados desta pesquisa contam com um sistema web em desenvolvimento e resultados dos experimentos realizados, que mostram uma melhor performance da técnica MLP com Score de 0.98 e RMSE de 711196 libras. | |
dc.language.iso | por | |
dc.rights | openAccess | pt_BR |
dc.subject | Aprendizado de Máquina | |
dc.subject | Regressão | |
dc.subject | Modelos Preditivos | |
dc.subject | Sistemas de Informação | |
dc.title | Um sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola. | |
dc.type | Artigo de periódico | |
dc.subject.thesagro | Apicultura | |
riaa.ainfo.id | 1134191 | |
riaa.ainfo.lastupdate | 2021-09-22 | |
dc.identifier.doi | 10.18378/rebagro.v11i1.8679 | |
dc.contributor.institution | WESKLEY DAMASCENO SILVA, IFCE; SILAS SANTIAGO LOPES PEREIRA, IFCE; DANIEL SANTIAGO PEREIRA, CPATU; MICHELL OLIVIO XAVIER DA COSTA, CPATU. | |
Aparece nas coleções: | Artigo em periódico indexado (CPATU) |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
8679-Texto-do-artigo-44975-1-10-20210315-1.pdf | 632,69 kB | Adobe PDF | Visualizar/Abrir |