Masinate väljaõpe, mida kasutatakse selleks, et aidata põllumajandustootjatel optimeerida nende tööks sobivaid tooteid

General Agreement on Tariffs and Trade (GATT) and North American Free Trade Agreement (NAFTA) (Aprill 2019).

Anonim

Aastaid on põllumajandustootjad valinud tooteid nende toimimiseks, kasutades parimat võimalikku nõuannet - seemnete juhendid, kohalikud agronoomid, seemnete edasimüüjad jne. Tehisluuretehnoloogiate edusammud on andnud võimaluse uurida teistsugust lähenemist.

Washingtoni ülikool St. Louis'is koostöös The Bayeri tütarettevõtte The Climate Corporation-ga tegeleb ainulaadsete uute tehnoloogiate uurimisega, et edendada teaduse hübriidset valikut ja paigutust.

Instituudi ja rakenduskõrgkooli infotehnoloogia ja tehnoloogia inseneri abiprofessor Roman Garnett on saanud The Climate Corporation'ilt stipendiumi 97771 dollarit, et rakendada aktiivset masinõpet, et aidata kindlaks teha, millised hübriidid on igas keskkonnas maksimaalse saagikuse potentsiaali saavutamise tõenäosusega.

Kaubanduslike hübriidtoodete väljatöötamine on pikk ja kulukas protsess; et määrata, kui hästi seemned kasvasid, nende resistentsus kahjurite ja haiguste vastu ning seonduvad saagikoristused, võib kuluda 7-8 aastat. "Aktiivse masinõppe kasutuselevõtmisega saame luua mudeli, mis võiks pakkuda toote omaduste ja turustamise jaoks vajalikku jalajälge ja vähendada väärtuslikke prognoose tootearenduse prognoositavate eesmärkide kohta, " ütles Xiao Yang, klienditeeninduse pakkuja.

"Inimesed räägivad personaliseeritud meditsiinis ja see on personaliseeritud põllumajandus, " ütles Garnett. "Me võime koguda palju andmeid, siis kasutage neid andmeid, et proovida mustreid, et saaksime igale põllumajandustootjale isikupärastatud soovitusi teha."

Projekti eesmärk on teha kindlaks, kas kliima teadlased saavad igal aastal uute toodete arendamise ja istutamise sujuvamaks muuta.

Aktiivne masinõpe tuvastab eesmärgi lõpuks kõige kasulikumad andmed. Olemasolevate andmete kasutamise asemel aktiveerib aktiivne masinõpe "mööda teed", ütles Garnett.

"Selle asemel, et koguda kõik need andmed, mis oleks, kui oleksime kogunud ainult 10 protsenti sellest, aga me saame valida, millised 10 protsenti, " ütles Garnett. "Siis meil on algoritm, mis oleks võinud kasutada väikest osa andmetest, et saaksime selle seemneportfelli jaoks nii personaalset jõudlust. See toimub simulatsioonil, kuid kui see toimib, võiksime me mõjutada nende tulevaste otsuste tegemist. "

Garnett on uurimisrühm, kes kasutab suuri andmeid, et kiirendada sorgo kultuuride kasvatamist ja kaubanduslikku vabanemist, mida saab kasutada taastuva energiaallikana. Donald Danforthi tehase teaduskeskuse juhitud nelja-aastane 8 miljardi dollarit rahastatakse USA energeetikaministeeriumi ARPA-E TERRA programmiga ning see hõlmab 10 ülikooli, valitsuse ja tööstuse kaaskodanike meeskonda. Garnett arendab algoritme, mis võimaldavad kõige tõhusamalt kasutada põllukultuuride lõplikku biomassiandmeid andurite andmetel kasvuperioodil võimalikult kiiresti tõuaretuse kiirendamiseks.

menu
menu