論文の概要: Mulberry Leaf Yield Prediction Using Machine Learning Techniques
- arxiv url: http://arxiv.org/abs/2110.01394v1
- Date: Thu, 30 Sep 2021 09:50:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:25:01.519588
- Title: Mulberry Leaf Yield Prediction Using Machine Learning Techniques
- Title(参考訳): 機械学習を用いたマルベリー葉収量予測
- Authors: Srikantaiah K C, Deeksha A
- Abstract要約: インドはムルベリーの葉を大量に生産し、生の絹を生産する。
ほとんどの農家は、葉が栄養不良になるため、土壌の性質や無生物的な要因にほとんど注意を払わない。
農夫は、自分の土地が生産できる収量を知ることで、事前に計画できることが有益である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Soil nutrients are essential for the growth of healthy crops. India produces
a humungous quantity of Mulberry leaves which in turn produces the raw silk.
Since the climatic conditions in India is favourable, Mulberry is grown
throughout the year. Majority of the farmers hardly pay attention to the nature
of soil and abiotic factors due to which leaves become malnutritious and thus
when they are consumed by the silkworm, desired quality end-product, raw silk,
will not be produced. It is beneficial for the farmers to know the amount of
yield that their land can produce so that they can plan in advance. In this
paper, different Machine Learning techniques are used in predicting the yield
of the Mulberry crops based on the soil parameters. Three advanced
machine-learning models are selected and compared, namely, Multiple linear
regression, Ridge regression and Random Forest Regression (RF). The
experimental results show that Random Forest Regression outperforms other
algorithms.
- Abstract(参考訳): 土壌の栄養素は健康な作物の成長に不可欠である。
インドはムルベリーの葉を大量に生産し、生の絹を生産する。
インドの気候は好まれるため、マルベリーは年間を通じて栽培されている。
農夫の大多数は、葉が栄養不良になるため土壌の性質や無生物的要因にほとんど注意を払わず、カイコに食されると、所望の良質な最終産物である生の絹は生産されない。
農夫は、自分の土地が生産できる収量を知ることで、事前に計画できることが有益である。
本稿では, 土壌パラメータに基づいて, マルベリー作物の収量を予測するために, 異なる機械学習手法を用いた。
3つの高度な機械学習モデル、すなわち多重線形回帰、リッジ回帰、ランダムフォレスト回帰(RF)を選択して比較する。
実験の結果,ランダムフォレスト回帰は他のアルゴリズムよりも優れていることがわかった。
関連論文リスト
- Feasibility of machine learning-based rice yield prediction in India at
the district level using climate reanalysis data [0.0]
本研究の目的は,インドにおいて,機械学習による収穫予測モデルがハリフの季節米収量の予測に有効であるかどうかを検討することである。
この手法は、20年間の気候、衛星、米の収量に関する19の機械学習モデルを、インドの米生産地区247地域にわたって訓練することを含む。
その結果, 収量予測の精度は, サンプル外R2, MAE, MAPEそれぞれ0.82, 0.29, 0.16であった。
論文 参考訳(メタデータ) (2024-03-12T13:31:13Z) - Why do Random Forests Work? Understanding Tree Ensembles as
Self-Regularizing Adaptive Smoothers [68.76846801719095]
統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。
森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
論文 参考訳(メタデータ) (2024-02-02T15:36:43Z) - Winter Wheat Crop Yield Prediction on Multiple Heterogeneous Datasets
using Machine Learning [0.2580765958706853]
冬の小麦はイギリスで最も重要な作物の1つであり、作物の収穫予測は国の食料安全保障にとって不可欠である。
いくつかの研究は、郡や農場のレベルで収穫を予測するために機械学習(ML)技術を用いてきた。
本研究の目的は,多種多種データセットを用いたMLモデルを用いて冬期のコムギ収量を予測することである。
論文 参考訳(メタデータ) (2023-06-20T23:52:39Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳(メタデータ) (2022-12-29T19:32:20Z) - Grape Cold Hardiness Prediction via Multi-Task Learning [18.979780350924635]
秋から春にかけての低温は、ブドウや他の果実植物に凍害をもたらす可能性がある。
農家は、スプリンクラー、ヒーター、風車などの高価な凍害対策を展開し、損傷が生じる可能性があると判断する。
研究者らは、厳しいフィールド計測データに基づいて、異なるブドウ品種に調整できる冷硬度予測モデルを開発した。
論文 参考訳(メタデータ) (2022-09-21T18:18:52Z) - MetaRF: Differentiable Random Forest for Reaction Yield Prediction with
a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。
筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。
数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文 参考訳(メタデータ) (2022-08-22T06:40:13Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - A Deep Neural Network Approach for Crop Selection and Yield Prediction
in Bangladesh [0.0]
本稿では,最小コストと労力で作物の選別と収量予測の最良の方法を示す。
本稿では,農業作物の選択と収量予測にディープニューラルネットワークを用いることを提案する。
論文 参考訳(メタデータ) (2021-08-06T22:25:46Z) - Comparison of Machine Learning Methods for Predicting Winter Wheat Yield
in Germany [0.0]
本研究は冬季小麦収量予測のための異なる機械学習手法の性能を分析した。
季節性に対処するため、土壌の湿潤条件や気象現象を考慮に入れた週ごとの特徴が用いられた。
論文 参考訳(メタデータ) (2021-05-04T04:40:53Z) - Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using
Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。
本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。
これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
論文 参考訳(メタデータ) (2020-12-07T16:23:13Z) - Rectified Decision Trees: Exploring the Landscape of Interpretable and
Effective Machine Learning [66.01622034708319]
我々は,reDT(rerectified decision tree)と呼ばれる知識蒸留に基づく決定木拡張を提案する。
我々は,ソフトラベルを用いたトレーニングを可能にする標準決定木の分割基準と終了条件を拡張した。
次に,教師モデルから抽出したソフトラベルに基づいて,新しいジャックニフェ法を用いてReDTを訓練する。
論文 参考訳(メタデータ) (2020-08-21T10:45:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。