Subjects: APRENDIZADO COMPUTACIONAL, FENÓTIPOS, GENÔMICA, INTERAÇÃO GENÓTIPO-AMBIENTE, MILHO, PREDIÇÃO, SELEÇÃO GENÉTICA
ABNT
COSTA NETO, Germano Martins Ferreira. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/. Acesso em: 28 mar. 2024.APA
Costa Neto, G. M. F. (2021). Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/NLM
Costa Neto GMF. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize [Internet]. 2021 ;[citado 2024 mar. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/Vancouver
Costa Neto GMF. Enviromics, nonlinear kernels and optimized training sets for a climate-smart genomic prediction of yield plasticity in maize [Internet]. 2021 ;[citado 2024 mar. 28 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11137/tde-11102021-134352/