Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1178499
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorKUCHLER, P. C.
dc.contributor.authorFERRAZ, R. P. D.
dc.contributor.authorVIEIRA, L. P.
dc.contributor.authorLAGE, S. M.
dc.contributor.authorBENCHIMOL, M.
dc.contributor.authorSIMÕES, M.
dc.date.accessioned2025-09-03T17:55:48Z-
dc.date.available2025-09-03T17:55:48Z-
dc.date.created2025-09-03
dc.date.issued2025
dc.identifier.citationIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1178499-
dc.descriptionO aprendizado por transferência (transfer learning) é uma técnica de machine learning que permite reaproveitar conhecimento adquirido em um domínio para tarefas em um novo, sendo útil para classes complexas com difícil aquisição de dados, como os sistemas integrados Lavoura- Pecuária (ILP). Este estudo investiga a aplicabilidade da técnica de Adaptação de domínio, baseada em TL, para otimizar a classificação de ILP em grandes áreas, aplicando modelos treinados em uma região ou ano específico para outras áreas e períodos distintos com características particulares. Observou-se que tanto o TL espacial quanto o temporal melhoraram significativamente a acurácia, mesmo em diferentes regimes climáticos e anos com características variadas. Em regiões com poucas amostras, os índices de acurácia mostraram grande melhoria, enquanto áreas com mais amostras apresentaram ganhos menores. Os resultados indicam o potencial de generalização dos modelos para o monitoramento de ILP em amplas áreas agrícolas como subsídio às políticas públicas setoriais.
dc.language.isopor
dc.rightsopenAccess
dc.subjectTransferência de aprendizagem
dc.subjectAprendizagem de máquina
dc.subjectRandom forest
dc.subjectAdaptação de domínio
dc.subjectSistemas integrados
dc.titleAplicação de aprendizado por transferência para o mapeamento de sistemas intensivos de produção agropecuária por sensoriamento remoto em larga escala.
dc.typeArtigo em anais e proceedings
riaa.ainfo.id1178499
riaa.ainfo.lastupdate2025-09-03
dc.contributor.institutionPATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; SOFIA MARTINS LAGE, FUNARBE; MATEUS BENCHIMOL, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS.
Aparece nas coleções:Artigo em anais de congresso (CNPS)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Aplicacao-de-aprendizado-por-transferencia-para-o-mapeamento-2025.pdf482.14 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace