MACHINE LEARNING FOR CROP SCIENCE: APPLICATIONS AND PERSPECTIVES IN MAIZE BREEDING

A. C. Lorena, Alexandre Hild Aono, Ricardo José GONZAGA PIMENTA, Felipe ROBERTO FRANCISCO, Anete Pereira de Souza
{"title":"MACHINE LEARNING FOR CROP SCIENCE: APPLICATIONS AND PERSPECTIVES IN MAIZE BREEDING","authors":"A. C. Lorena, Alexandre Hild Aono, Ricardo José GONZAGA PIMENTA, Felipe ROBERTO FRANCISCO, Anete Pereira de Souza","doi":"10.18512/rbms2022vol21e1257","DOIUrl":null,"url":null,"abstract":"O aprendizado de máquinas (ML) foi um dos principais impulsionadores da análise de dados nas últimas décadas, permitindo a mineração de grandes bancos de dados. Como técnicas de ML permitem a criação de modelos, e reconhecimento, considerando uma premissa de que o computador pode adquirir para realizar a criação sem ser explicitamente programados para tal finalidade. Impulsionados pela eficiência, diversos estudos demonstrados para sua ampla gama de aplicações o melhoramento de milho. Desde a predição de valores genéticos por dados ômicos aplicações de dados de tipagem de alto, os modelos de ML o avanço no desenvolvimento das espécies e auxiliares de desenvolvimento das espécies e auxiliares de ferramentas mais eficientes para seu melhoramento, gerando ganhos de produtividade.Neste contexto,","PeriodicalId":34859,"journal":{"name":"Revista Brasileira de Milho e Sorgo","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2022-04-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Milho e Sorgo","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18512/rbms2022vol21e1257","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

O aprendizado de máquinas (ML) foi um dos principais impulsionadores da análise de dados nas últimas décadas, permitindo a mineração de grandes bancos de dados. Como técnicas de ML permitem a criação de modelos, e reconhecimento, considerando uma premissa de que o computador pode adquirir para realizar a criação sem ser explicitamente programados para tal finalidade. Impulsionados pela eficiência, diversos estudos demonstrados para sua ampla gama de aplicações o melhoramento de milho. Desde a predição de valores genéticos por dados ômicos aplicações de dados de tipagem de alto, os modelos de ML o avanço no desenvolvimento das espécies e auxiliares de desenvolvimento das espécies e auxiliares de ferramentas mais eficientes para seu melhoramento, gerando ganhos de produtividade.Neste contexto,
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
作物科学中的机器学习:在玉米育种中的应用与展望
近几十年来,机器学习(ML)一直是数据分析的主要驱动因素之一,能够挖掘大型数据库。由于ML技术允许创建模型和识别,考虑到计算机可以在不被明确编程的情况下进行创建的前提。在效率的驱动下,几项研究证明了其在玉米育种中的广泛应用。由于通过高分型数据的组学数据预测遗传值,ML模型在物种发展和物种发展方面取得了进展,有助于和辅助工具更有效地改进它们,从而提高生产力。在这种情况下,
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
27
审稿时长
40 weeks
期刊最新文献
ISOLATION AND IDENTIFICATION OF BROAD-SPECTRUM ANTAGONIST BACTERIA AGAINST PATHOGENIC FUNGI OF MAIZE CROP PRODUÇÃO DE MILHO CULTIVADO COM APLICAÇÃO DE COMPOSTO DE ESTÁBULO Leaf appearance rate and phyllochron on millet sowing dates Early fertilization during winter cultivation and its residual effect on silage maize grown sequentially COMPARAÇÃO DE PROTOCOLOS PARA DUPLICAÇÃO CROMOSSÔMICA EM HAPLOIDES DE MILHO
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1