文献

J-GLOBAL ID：202002268248960470   整理番号：20A1573584

Hadoopフレームワークを用いたメタヒューリスティック最適化人工ニューラルネットワークを用いた効率的な農業収量予測【JST・京大機械翻訳】

Efficient agricultural yield prediction using metaheuristic optimized artificial neural network using Hadoop framework

著者 (2件)： Saranya C. P. (Computer Science and Engineering, Coimbatore Institute of Engineering and Technology, Narasipuram, India) ,  Nagarajan N. (Coimbatore Institute of Engineering and Technology, Narasipuram, India)
資料名： Soft Computing  (Soft Computing)
巻： 24  号： 16  ページ： 12659-12669  発行年： 2020年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 衛星の低解像度画像は,作物の監視と運転システムでの役割を果たす主要な役割を持つ収量の予測に広く使用されている。拡張カバレッジとともに高レベルの時間周波数の組み合わせを,各地域単位あたりより低いコストで接続し,国家レベルと地域レベル尺度で便利である選択をイメージにした。作物の最終収量の一次予測子に用いるために,低解像度衛星画像に対する種々の定量的および定性的アプローチがある。しかし,環境および衛星データに基づく収量予測に関して,非常に少ない研究しかなされていない。そのような衛星画像を扱うことは,大きなデータ量のために非常に困難である。ビッグデータ解析は,農業収量を予測するために発生する大量のデータを扱うのに有効である。本研究では,ニューラルネットワークを用いて予測を行い,その性能を強化した。母集団ベースのインクリメンタル学習技術を,重みを最適化するために提案する。実験の結果は,提案した方法が他の方法と比較してより良い結果を有することを証明した。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  学習 ,  農業 ,  農作物 ,  *ニューラルネットワーク ,  衛星利用画像 ,  母集団
準シソーラス用語： 予測子 ,  衛星データ ,  インクリメンタル学習 ,  *収量予測 ,  データ量 ,  *ヒューリスティック最適化 ,  *Hadoop ,  ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (7件)： ビッグデータ ,  Hadoop ,  作物収量 ,  農業 ,  衛星画像 ,  人工ニューラルネットワーク(ANN) ,  集団ベース増分学習(PBIL)

分類 (2件)： 写真測量,空中写真  (RC02040D) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： Hadoop ,  フレームワーク ,  ヒューリスティック最適化 ,  人工ニューラルネットワーク ,  農業 ,  収量予測