Перейти к основному содержанию
AkademIndex

Продукты

Для разработчиков

AkademBaseскороОткрытый API экосистемы
Латиница
← Назад к работе

Работы, на которые ссылается эта работа

Работ: 46

Работа: Effectiveness of machine learning and deep learning models at county-level soybean yield forecasting

  1. XGBoost

    Tianqi Chen, Carlos Guestrin

    Статья2016Цитирований: 39
    ABI

  2. The DSSAT cropping system model

    J. W. Jones, Gerrit Hoogenboom, Cheryl Porter +7

    Статья2002Цитирований: 8
    ABI

  3. Regression Shrinkage and Selection Via the Lasso

    Robert Tibshirani

    Статья1996Цитирований: 7
    ABI

  4. Data-Driven Decision Making in Precision Agriculture: The Rise of Big Data in Agricultural Systems

    Nicoleta Tantalaki, Stavros Souravlas, Μanos Roumeliotis

    Статья2019Цитирований: 6
    ABI

  5. Machine Learning in Agriculture: A Review

    Κωνσταντίνος Λιάκος, Patrizia Busato, Dimitrios Moshou +2

    Обзорная статья2018Цитирований: 6
    ABI

  6. Application of Vegetation Indices for Agricultural Crop Yield Prediction Using Neural Network Techniques

    Sudhanshu Panda, Daniel P. Ames, Suranjan Panigrahi

    Статья2010Цитирований: 5
    ABI

  7. High resolution wheat yield mapping using Sentinel-2

    Merryn Hunt, George Alan Blackburn, Luis Carrasco +2

    Статья2019Цитирований: 4
    ABI

  8. Combining PlanetScope and Sentinel-2 images with environmental data for improved wheat yield estimation

    Nizom Farmonov, Khilola Amankulova, József Szatmári +4

    СтатьяRemote Sensing in AgricultureInternational Journal of Digital Earth2023Цитирований: 3
    ABI

  9. Crop Yield Prediction Using Deep Neural Networks

    Saeed Khaki, Lizhi Wang

    Статья2019Цитирований: 3
    ABI

  10. Integrating satellite and climate data to predict wheat yield in Australia using machine learning approaches

    Yaping Cai, Kaiyu Guan, David B. Lobell +8

    Статья2019Цитирований: 3
    ABI

  11. An overview of APSIM, a model designed for farming systems simulation

    B. A. Keating, Peter Carberry, Graeme Hammer +20

    Статья2002Цитирований: 3
    ABI

  12. The Application of Multiple Linear Regression and Artificial Neural Network Models for Yield Prediction of Very Early Potato Cultivars before Harvest

    Magdalena Piekutowska, Gniewko Niedbała, T. Piskier +5

    Статья2021Цитирований: 3
    ABI

  13. County-Level Soybean Yield Prediction Using Deep CNN-LSTM Model

    Jie Sun, Liping Di, Ziheng Sun +2

    Статья2019Цитирований: 2
    ABI

  14. Comparative assessment of environmental variables and machine learning algorithms for maize yield prediction in the US Midwest

    Yanghui Kang, Mutlu Özdoğan, Xiaojin Zhu +3

    Статья2020Цитирований: 2
    ABI

  15. Machine learning algorithms for soybean yield forecasting in the Brazilian Cerrado

    Valter Barbosa dos Santos, Aline Moreno Ferreira dos Santos, José Reinaldo da Silva Cabral de Moraes +2

    Статья2021Цитирований: 2
    ABI

  16. Monitoring US agriculture: the US Department of Agriculture, National Agricultural Statistics Service, Cropland Data Layer Program

    Claire G. Boryan, Zhengwei Yang, Rick Mueller +1

    Статья2011Цитирований: 2
    ABI

  17. 1D convolutional neural networks and applications: A survey

    Kiranyaz, Mustafa Serkan, Onur Avcı, Osama Abdeljaber +3

    Статья2022Цитирований: 2
    ABI

  18. Без названия

    ДругоеЦитирований: 1
    ABI

  19. Без названия

    ДругоеЦитирований: 1
    ABI

  20. Без названия

    ДругоеЦитирований: 1
    ABI

  21. Без названия

    ДругоеЦитирований: 1
    ABI

  22. Без названия

    ДругоеЦитирований: 1
    ABI

  23. Без названия

    ДругоеЦитирований: 1
    ABI

  24. Без названия

    ДругоеЦитирований: 1
    ABI

  25. Без названия

    ДругоеЦитирований: 1
    ABI