Logo des Repositoriums
 

Verarbeitung großer Datenmengen mittels Neuronaler Netze zur Schätzung kleinräumiger Produktionsfunktionen

dc.contributor.authorWagner, Peter
dc.contributor.authorSchneider, Martin
dc.contributor.editorBöttinger, Stefan
dc.contributor.editorTheuvsen, Ludwig
dc.contributor.editorRank, Susanne
dc.contributor.editorMorgenstern, Marlies
dc.date.accessioned2019-05-15T10:40:58Z
dc.date.available2019-05-15T10:40:58Z
dc.date.issued2007
dc.description.abstractEs wird eine Methode vorgestellt, wodurch mithilfe von künstlichen Neuronalen Netzen Erträge prognostiziert werden um kleinräumige Produktionsfunktionen für jede einzelne Stickstoffteilgabe zu schätzen. Auf Grundlage von Feldversuchen zur Stickstoffdüngung von Winterweizen wird die Güte der Ertragsprognose untersucht.de
dc.identifier.isbn978-3-88579-195-9
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/22896
dc.language.isode
dc.publisherGesellschaft für Informatik e. V.
dc.relation.ispartofAgrarinformatik im Spannungsfeld zwischen Regionalisierung und globalen Wertschöpfungsketten – Referate der 27. GIL Jahrestagung
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-101
dc.titleVerarbeitung großer Datenmengen mittels Neuronaler Netze zur Schätzung kleinräumiger Produktionsfunktionende
dc.typeText/Conference Paper
gi.citation.endPage218
gi.citation.publisherPlaceBonn
gi.citation.startPage215
gi.conference.date05.-07. März 2007
gi.conference.locationStuttgart
gi.conference.sessiontitleRegular Research Papers

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
215.pdf
Größe:
179.84 KB
Format:
Adobe Portable Document Format