典型文献
基于神经网络的农作物产量预测方法
文献摘要：
准确预测农作物的产量对指导农业生产、保障粮食安全以及维持农业可持续发展具有重要意义.传统的农作物产量预测模型通常对输入数据进行统计和拟合,从而实现农作物产量预测,这些模型一般需要人工选取特征且拟合的方法是线性拟合的,而实际中大多要处理的是非线性问题.研究小组采用深度学习方法,并用已公开的农作物遥感图像数据来训练神经网络.由实验结果可以明显地发现研究小组所提出的神经网络模型识别误差率为5.5左右,优于传统的方法,而且鲁棒性也高于传统方法.
文献关键词：
深度学习;卷积网络;全卷积网络;特征融合
中图分类号：
作者姓名：
计雪伟;霍兴赢;薛端;伍晓平
作者机构：
六盘水师范学院,贵州 六盘水 553004
文献出处：
引用格式：
[1]计雪伟;霍兴赢;薛端;伍晓平-.基于神经网络的农作物产量预测方法)[J].南方农机,2022(02):36-38
A类：
农作物遥感图像
B类：
农作物产量,产量预测,准确预测,农业可持续发展,输入数据,线性拟合,非线性问题,深度学习方法,图像数据,模型识别,识别误差率,全卷积网络,特征融合
AB值：
0.207186
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
