文献

J-GLOBAL ID：202002215567814072   整理番号：20A1187127

機械学習法を用いたジャガイモ疫病の気候に基づく因子分析と疫学予測【JST・京大機械翻訳】

Climate Based Factor Analysis and Epidemiology Prediction for Potato Late Blight Using Machine Learning Approaches

著者 (4件)： Singh B. K. (Dept. of Plant Pathology, Dept. of Comp. Engg. Dept. of Comp. Engg.,Dept. of Comp. Engg.) ,  Singh R. P. (Dept. of Plant Pathology, Dept. of Comp. Engg. Dept. of Comp. Engg.,Dept. of Comp. Engg.) ,  Tiwari Pratima (Dept. of Plant Pathology, Dept. of Comp. Engg. Dept. of Comp. Engg.,Dept. of Comp. Engg.) ,  Kumar Nikhilesh (Dept. of Plant Pathology, Dept. of Comp. Engg. Dept. of Comp. Engg.,Dept. of Comp. Engg.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： WITCON ECE  ページ： 113-122  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ジャガイモは最大の食品作物の一つであり,世界の食品供給の不可欠な部分である。Potatoにおける後期Blliは群落病であり,全作物を急速に脱水する能力を持っている。推定平均年間損失は世界中で15%である。提示した研究において,因子分析と疫学予測のタスクを,それぞれ,Potato Late BlightのためにSVMとELMに割り当てた。因子分析モデルは,胴枯れと無病年の決定におけるそれらの関連性に依存して,気候ベースのパラメータの重みを計算する。SVMを用いて選択した特徴部分集合を,植物の年齢とともに疫学予測のためのELMへの入力として用いた。2つのデータベースを,AICRPと気候データ,因子分析のための1つ,および5つのクラスラベル(1-5)による疫学予測のために作成した。疫学予測のためのデータベースは,さらに3つの別々の植栽日のために3つのサブデータベースに分割される。因子分析のための実験結果の解析は,最大温度,最大および最小湿度,太陽光時間および蒸発が,晩葉枯病の発生において主要な役割を果たすことを示した。実験は,他の活性化機能とデータベースの異なる分割による疫学予測のために行われる。得られた結果に基づいて,SinC活性化関数はシグモイド関数を上回り,すべてのデータ分割に対して有望な精度を持つ。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 食品 ,  データベース ,  *ジャガイモ ,  湿度 ,  農作物 ,  *気候 ,  太陽光 ,  *因子分析 ,  葉枯病 ,  群落 ,  *疫学 ,  最高気温 ,  *疫病 ,  *機械学習 ,  シグモイド関数

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 機械学習 ,  ジャガイモ ,  疫病 ,  気候 ,  因子分析 ,  疫学 ,  予測