Exportar registro bibliográfico

Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning (2023)

  • Authors:
  • USP affiliated author: ROSSI, THIAGO JOEL ANGRIZANES - ICMC
  • School: ICMC
  • Subjects: APRENDIZADO COMPUTACIONAL; PREDIÇÃO; INTELIGÊNCIA ARTIFICIAL; POLINIZAÇÃO
  • Keywords: Agentes de mudança
  • Language: Inglês
  • Abstract: Na natureza, cerca de noventa por cento das plantas com flores dependem de polinizadores para transferir o pólen para realizar a reprodução sexual. Essas plantas são críticas no funcionamento dos ecossistemas, pois fornecem alimentos, formam habitats e fornecem outros recursos para muitas espécies animais, incluindo humanos. Por outro lado, as atividades humanas são responsáveis por mudanças nas redes ecossistêmicas que afetam negativamente o comportamento e a eficiência das abelhas polinizadoras. Consequências diretas e indiretas superam a compreensão humana e as ferramentas convencionais para abordar o funcionamento e as respostas de sistemas adaptativos complexos, portanto, novas abordagens e técnicas são necessárias. Como os polinizadores são uma parcela muito sensível de um ecossistema, questionou-se se algoritmos de Deep Learning se apresentam como uma alternativa para prever impactos de intervenções antrópicas sobre populações de insetos polinizadores. Nosso estudo avaliou a performance de cinco algoritmos (Linear Regression, Random Forests, Gradient Boosting Machines, Dense Neural Networks e Long Short-Term Memory) em prever a ocorrência de disrupção e anomalias que podem impactar abelhas e suas colméias. Os algoritmos de maior performance avaliados foram o LSTM e o GBM, ao avaliar o conjunto de dados que relaciona o uso de pesticidas neonicotinóides.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão Publicada Thiago Joel Angrizanes Ro... Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      ROSSI, Thiago Joel Angrizanes. Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning. 2023. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/ed55d99f-c5a2-4f2d-925d-6bad59d0c184/Thiago%20Joel%20Angrizanes%20Rossi.pdf. Acesso em: 12 jul. 2024.
    • APA

      Rossi, T. J. A. (2023). Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/ed55d99f-c5a2-4f2d-925d-6bad59d0c184/Thiago%20Joel%20Angrizanes%20Rossi.pdf
    • NLM

      Rossi TJA. Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning [Internet]. 2023 ;[citado 2024 jul. 12 ] Available from: https://bdta.abcd.usp.br/directbitstream/ed55d99f-c5a2-4f2d-925d-6bad59d0c184/Thiago%20Joel%20Angrizanes%20Rossi.pdf
    • Vancouver

      Rossi TJA. Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning [Internet]. 2023 ;[citado 2024 jul. 12 ] Available from: https://bdta.abcd.usp.br/directbitstream/ed55d99f-c5a2-4f2d-925d-6bad59d0c184/Thiago%20Joel%20Angrizanes%20Rossi.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2024