Trabalho de conclusao de curso - tcc

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

• Authors:
  • Rossi, Thiago Joel Angrizanes
  • Osório, Fernando Santos (Orientador)
• Autor USP: ROSSI, THIAGO JOEL ANGRIZANES - ICMC
• Unidade: ICMC
• DOI: 10.11606/003192327
• 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:
  • Publisher place: São Carlos
  • Date published: 2023

Informações sobre o DOI: 10.11606/003192327 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

Download do texto completo

Tipo	Nome	Link
	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://doi.org/10.11606/003192327. Acesso em: 15 jan. 2026.

• 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://doi.org/10.11606/003192327

• NLM

  Rossi TJA. Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning [Internet]. 2023 ;[citado 2026 jan. 15 ] Available from: https://doi.org/10.11606/003192327

• Vancouver

  Rossi TJA. Predicting drivers of change´s impacts on pollinators bees behaviour and efficiency using deep learning [Internet]. 2023 ;[citado 2026 jan. 15 ] Available from: https://doi.org/10.11606/003192327

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