Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.creator | Bonini Neto, Alfredo | - |
Autor(es): dc.creator | Moreira, Adônis | - |
Autor(es): dc.creator | dos Santos Batista Bonini, Carolina | - |
Autor(es): dc.creator | Campos, Marcelo | - |
Autor(es): dc.creator | Andrighetto, Cristiana | - |
Data de aceite: dc.date.accessioned | 2025-08-21T19:36:08Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T19:36:08Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1080/00103624.2023.2252839 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301865 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301865 | - |
Descrição: dc.description | The integrated crop-livestock-forest (ICLF) system integrates different components of animal husbandry. The implementation of this system aims at sustainability, seeking to exploit the area as much as possible, in addition to reducing the impact on the physical, chemical, and biological properties of the soil. With technological advances and numerous variables, fuzzy logic, and artificial neural networks (ANNs) have been used for data classification and estimation. This study aims to estimate the Marandu grass yield in integrated systems using the input, volume of rainfall, and experimental period. A performance of approximately 0.077 was observed for the mean square error (MSE), and the radial basis in estimation (RBR) network had an error of 0.255%, which is much lower than that of the multi-layer perceptron (MLP) network and methodology based on fuzzy logic, with errors of 2.713 and 10.840%, respectively, between the obtained and expected output. This indicates that the quality of the grass was better with one or three eucalyptus lines in the ICLF system and demonstrates the application efficiency of the model with a tool for forecasting the Marandu grass yield in the studied soil and climate conditions. | - |
Descrição: dc.description | FCE São Paulo State University, São Paulo State | - |
Descrição: dc.description | Department of Soil Science Embrapa Soja, Paraná State | - |
Descrição: dc.description | FCAT São Paulo State University, São Paulo State | - |
Descrição: dc.description | FCE São Paulo State University, São Paulo State | - |
Descrição: dc.description | FCAT São Paulo State University, São Paulo State | - |
Formato: dc.format | 2965-2976 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Communications in Soil Science and Plant Analysis | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | estimation | - |
Palavras-chave: dc.subject | mathematical modeling | - |
Palavras-chave: dc.subject | pasture | - |
Título: dc.title | Fuzzy Logic and Artificial Neural Network Perceptron Multi-Layer and Radial Basis in Estimating Marandu Grass Yield in Integrated Systems | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: