A. C. Lorena, Alexandre Hild Aono, Ricardo José GONZAGA PIMENTA, Felipe ROBERTO FRANCISCO, Anete Pereira de Souza
{"title":"作物科学中的机器学习:在玉米育种中的应用与展望","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":"{\"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}","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}
MACHINE LEARNING FOR CROP SCIENCE: APPLICATIONS AND PERSPECTIVES IN MAIZE BREEDING
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,