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,
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 求助全文
来源期刊
自引率
0.00%
发文量
27
审稿时长
40 weeks
×
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
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
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 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信