Adaptive Ensemble Machine Learning Framework for Robust Prediction, Classification, and Intelligent Decision Support Across Heterogeneous Data Domains
提出自适应异构动态集成框架AHDE-DS,实现跨异构数据的鲁棒预测、分类与智能决策支持。
智慧农业 / 农业物联网农业人工智能
阅读 1
关键词 · 相关资讯与研究
沿着“贝叶斯优化”继续探索,共 0 条内容。
提出自适应异构动态集成框架AHDE-DS,实现跨异构数据的鲁棒预测、分类与智能决策支持。
用贝叶斯优化超分辨率网络参数,提升作物病害图像分类准确率与稳定性。
原文标题: Artificial Intelligence Empowering Modern Agricultural Biological Breeding。作者: 徐启玉、郑波、钟上威(北京大学现代农业研究院、潍坊市科技创新促进中心、北京大学生命科学学院)。DOI: 10.12133/j.smartag.SA202602016。本文系统探究AI驱动植物育种范式变革的底层逻辑,梳理智慧育种的代际演变及其在表型解析、基因组预测和分子设计等关键环节的技术进展,并深入探讨育种大模型对育种全流程的重构作用,以期为中国种业科技实现自立自强提供理论参考。重点阐述AI在种质资源高效挖掘、高通量表型精准解析、全基因组选择模型预测及分子设计育种等关键环节的技术逻辑与实证案例,并针对跨学科数据壁垒、深度学习算法的可解释性不足、复杂变动环境下的模型泛化能力弱等核心挑战进行了深入分析。
综述贝叶斯神经网络如何利用先验知识提升数据稀缺下的植物病害检测。
提出端到端视觉运动控制器,用仿真合成数据训练,零样本迁移到真实果园完成修剪。
用低成本遥操作机械臂采集演示,模仿学习实现草莓果柄定点采摘。
提出TA-ABC-Bi-LSTM模型,用多源农业数据精准预测水稻产量。
系统综述工业环境中计算机视觉在检测、安全、物流与机器人四领域的应用现状与挑战。