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,