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 DCValorIdioma
dc.contributor.authorSILVA, W. D.
dc.contributor.authorPEREIRA, S. S. L.
dc.contributor.authorPEREIRA, D. S.
dc.contributor.authorCOSTA, M. O. X. D.
dc.date.accessioned2021-09-22T17:00:22Z-
dc.date.available2021-09-22T17:00:22Z-
dc.date.created2021-09-10
dc.date.issued2021
dc.identifier.citationRevista Brasileira de Agrotecnologia, v. 11, n. 1, p. 8-19, 2021.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1134191-
dc.descriptionO 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.isopor
dc.rightsopenAccesspt_BR
dc.subjectAprendizado de Máquina
dc.subjectRegressão
dc.subjectModelos Preditivos
dc.subjectSistemas de Informação
dc.titleUm sistema baseado em machine learning para apoio à decisão no gerenciamento de produção apícola.
dc.typeArtigo de periódico
dc.subject.thesagroApicultura
riaa.ainfo.id1134191
riaa.ainfo.lastupdate2021-09-22
dc.identifier.doi10.18378/rebagro.v11i1.8679
dc.contributor.institutionWESKLEY 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 TamanhoFormato 
8679-Texto-do-artigo-44975-1-10-20210315-1.pdf632,69 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace