Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning (2019)
- Authors:
- USP affiliated authors: DEMATTE, JOSE ALEXANDRE MELO - ESALQ ; MENDES, WANDERSON DE SOUSA - ESALQ
- Unidade: ESALQ
- DOI: 10.5194/soil-2019-48
- Subjects: ANÁLISE DO SOLO; APRENDIZADO COMPUTACIONAL; ESPECTROSCOPIA INFRAVERMELHA; REDES NEURAIS; SOLOS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Soil Discussions
- ISSN: 2199-3998
- Volume/Número/Paginação/Ano: p. 1-21 (pré-print), September 2019
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: green
- Licença: cc-by
-
ABNT
NG, Wartini et al. Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning. Soil Discussions, p. 1-21 (pré-print), 2019Tradução . . Disponível em: https://doi.org/10.5194/soil-2019-48. Acesso em: 19 abr. 2024. -
APA
Ng, W., Minasny, B., Mendes, W. de S., & Dematte, J. A. M. (2019). Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning. Soil Discussions, 1-21 (pré-print). doi:10.5194/soil-2019-48 -
NLM
Ng W, Minasny B, Mendes W de S, Dematte JAM. Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning [Internet]. Soil Discussions. 2019 ; 1-21 (pré-print).[citado 2024 abr. 19 ] Available from: https://doi.org/10.5194/soil-2019-48 -
Vancouver
Ng W, Minasny B, Mendes W de S, Dematte JAM. Estimation of effective calibration sample size using visible near infrared spectroscopy: deep learning vs machine learning [Internet]. Soil Discussions. 2019 ; 1-21 (pré-print).[citado 2024 abr. 19 ] Available from: https://doi.org/10.5194/soil-2019-48 - The influence of training sample size on the accuracy of deep learning models for the prediction of soil properties with near-infrared spectroscopy data
- Geotechnologies applied in digital soil mapping
- Integration of multispectral and hyperspectral data to map magnetic susceptibility and soil attributes at depth: a novel framework
- A novel framework to estimate soil mineralogy using soil spectroscopy
- Geostatistics or machine learning for mapping soil attributes and agricultural practices
- Caracterização de solos desenvolvidos da Formação Barreiras, Amapá, por meio de geotecnologias
- Classificação textural da superfície de solos desenvolvidos de basalto por meio de imagens de satélite
- Classes de capacidade de uso da terra na Escola Superior de Agricultura Luiz de Queiroz
- Evolução do uso da terra na Escola Superior de Agricultura Luiz de Queiroz
- Sensoriamento remoto no mapeamento digital da fertilidade do solo: solucionando um grande incoveniente em agricultura de precisão
Informações sobre o DOI: 10.5194/soil-2019-48 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
