Neuronal prediction of the crop yield of agricultural products

• Autorzy: Boniecki P. , Weres J. , Mueller W. , Krysztofiak A.

Warianty tytułu

PL

Neuronowe prognozowanie wielkości plonu płodów rolnych

• Języki publikacji: EN

Abstrakty

EN

Dynamically developing research methods, having as a characteristic artificial intelligence approach, allow to build simulation models which perform their tasks basing on patterns taken directly from observing the nature. The neural models play a particular role in the agricultural engineering research. It was the objective of the paper to construct an Information system capable to predict the yield of selected crops, exemplified by the triticale yield. Accordingly, an identification and verification were performed for the appropriate neural network technique. Then an Information system based on the generated neural network was designed, developed and tested.

PL

Dynamicznie rozwijające się metody naukowo-badawcze mające cechy sztucznej inteligencji, pozwalają na budowę modeli symulacyjnych, które realizują postawione zadania w oparciu o wzorce zaczerpnięte bezpośrednio z obserwacji przyrody. Szczególną rolę w badaniach prowadzonych w obszarze dyscypliny inżynieria rolnicza odgrywają modele neuronowe. Celem podjętej pracy było zbudowanie systemu informatycznego zdolnego do predykcji wielkości zbiorów wybranych płodów rolnych, na przykładzie plonów pszenżyta. W związku z powyższym dokonano identyfikacji oraz weryfikacji właściwej techniki neuronowej. Następnie zaprojektowano, wytworzono oraz przetestowano komputerowy system informatyczny oparty na wygenerowanej sieci neuronowej.

Słowa kluczowe

EN

agricultural product; yield; neuronal prediction

PL

płody rolne; plon; neuronowe projektowanie

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Journal of Research and Applications in Agricultural Engineering
• Rocznik: 2004
• Tom: Vol. 49, nr 3
• Strony: 30--33
• Opis fizyczny: Bibliogr. 6 poz., rys.

Twórcy

autor

Boniecki P.

• Institute of Agricultural Engineering, August Cieszkowski Agricultural University of Poznan, Poland

autor

Weres J.

• Institute of Agricultural Engineering, August Cieszkowski Agricultural University of Poznan, Poland

autor

Mueller W.

• Institute of Agricultural Engineering, August Cieszkowski Agricultural University of Poznan, Poland

autor

Krysztofiak A.

• Institute of Agricultural Engineering, August Cieszkowski Agricultural University of Poznan, Poland

Bibliografia

• [1]. Tadeusiewicz, R. (1993). Neuron networks. Warszawa: Academic Publishing House.
• [2]. Fishman G.S. (1981). Computer simulation, PWE, Warsaw.
• [3]. Bishop, C. (1995). Neural Networks for Pattern Recognition. Oxford: University Press.
• [4]. Weres J., Boniecki P., Walczak R. (2000). Computer aided analysis of agricultural systems with the use of knowledge engineerin2 elements. Wrocław University of Technology Publishing House, edited by Zdzisław Bubnicki and Adam Grzech, ISBN 83-7-85-476-1, Wrocław pp. 407-412.
• [5]. Duch W., Tadeusiewicz R., Korbicz J. (2000). Neuron networks. Warsaw: EXIT Academic Publishing House.
• [6]. Boniecki P. (2000). Neural Networks as an Alternative to the Classic Analysis of Empirical Systems in Agricultural Engineering. Works of PIMR Vol. 45(4), pp. 68-72.