Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales

Autores
Uhrig, Mariela N.; Galli, Julio; Rufiner, Hugo Leonardo; Milone, Diego H.
Año de publicación
2017
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Medir con precisión y rapidez el consumo de forraje de los rumiantes es importante para la gestión eficiente del rodeo y los recursos alimenticios, así como también para la salud y bienestar animal en los sistemas de producción. En este marco, el uso de algoritmos de procesamiento inteligente de señales que permitan extraer la información relevante de registros sonoros de rumiantes se presenta como una opción válida para predecir el consumo de rumiantes en condiciones de pastoreo. En este trabajo se aplican técnicas propias del aprendizaje maquinal, tales como el perceptrón multicapa y las máquinas de aprendizaje extremo, actuando como modelos de regresión no lineales multivariada. Los resultados muestran que es posible mejorar las técnicas lineales que fueron utilizadas hasta el momento para la estimación del consumo de materia seca de rumiantes en pastoreo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
máquinas de aprendizaje extremo
Neural nets
Análisis de Regresión
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/62910
Acceder
id SEDICI_0bfde87d30940107edca275cb54423f3
oai_identifier_str oai:sedici.unlp.edu.ar:10915/62910
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificialesUhrig, Mariela N.Galli, JulioRufiner, Hugo LeonardoMilone, Diego H.Ciencias Informáticasmáquinas de aprendizaje extremoNeural netsAnálisis de RegresiónMedir con precisión y rapidez el consumo de forraje de los rumiantes es importante para la gestión eficiente del rodeo y los recursos alimenticios, así como también para la salud y bienestar animal en los sistemas de producción. En este marco, el uso de algoritmos de procesamiento inteligente de señales que permitan extraer la información relevante de registros sonoros de rumiantes se presenta como una opción válida para predecir el consumo de rumiantes en condiciones de pastoreo. En este trabajo se aplican técnicas propias del aprendizaje maquinal, tales como el perceptrón multicapa y las máquinas de aprendizaje extremo, actuando como modelos de regresión no lineales multivariada. Los resultados muestran que es posible mejorar las técnicas lineales que fueron utilizadas hasta el momento para la estimación del consumo de materia seca de rumiantes en pastoreo.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2017-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf141-150http://sedici.unlp.edu.ar/handle/10915/62910spainfo:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-13.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525- 0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-sa/3.0/Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:08:14Zoai:sedici.unlp.edu.ar:10915/62910Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:08:15.102SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
title Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
spellingShingle Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
Uhrig, Mariela N.
Ciencias Informáticas
máquinas de aprendizaje extremo
Neural nets
Análisis de Regresión
title_short Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
title_full Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
title_fullStr Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
title_full_unstemmed Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
title_sort Estimación del consumo en rumiantes en pastoreo utilizando redes neuronales artificiales
dc.creator.none.fl_str_mv Uhrig, Mariela N.
Galli, Julio
Rufiner, Hugo Leonardo
Milone, Diego H.
author Uhrig, Mariela N.
author_facet Uhrig, Mariela N.
Galli, Julio
Rufiner, Hugo Leonardo
Milone, Diego H.
author_role author
author2 Galli, Julio
Rufiner, Hugo Leonardo
Milone, Diego H.
author2_role author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
máquinas de aprendizaje extremo
Neural nets
Análisis de Regresión
topic Ciencias Informáticas
máquinas de aprendizaje extremo
Neural nets
Análisis de Regresión
dc.description.none.fl_txt_mv Medir con precisión y rapidez el consumo de forraje de los rumiantes es importante para la gestión eficiente del rodeo y los recursos alimenticios, así como también para la salud y bienestar animal en los sistemas de producción. En este marco, el uso de algoritmos de procesamiento inteligente de señales que permitan extraer la información relevante de registros sonoros de rumiantes se presenta como una opción válida para predecir el consumo de rumiantes en condiciones de pastoreo. En este trabajo se aplican técnicas propias del aprendizaje maquinal, tales como el perceptrón multicapa y las máquinas de aprendizaje extremo, actuando como modelos de regresión no lineales multivariada. Los resultados muestran que es posible mejorar las técnicas lineales que fueron utilizadas hasta el momento para la estimación del consumo de materia seca de rumiantes en pastoreo.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description Medir con precisión y rapidez el consumo de forraje de los rumiantes es importante para la gestión eficiente del rodeo y los recursos alimenticios, así como también para la salud y bienestar animal en los sistemas de producción. En este marco, el uso de algoritmos de procesamiento inteligente de señales que permitan extraer la información relevante de registros sonoros de rumiantes se presenta como una opción válida para predecir el consumo de rumiantes en condiciones de pastoreo. En este trabajo se aplican técnicas propias del aprendizaje maquinal, tales como el perceptrón multicapa y las máquinas de aprendizaje extremo, actuando como modelos de regresión no lineales multivariada. Los resultados muestran que es posible mejorar las técnicas lineales que fueron utilizadas hasta el momento para la estimación del consumo de materia seca de rumiantes en pastoreo.
publishDate 2017
dc.date.none.fl_str_mv 2017-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/62910
url http://sedici.unlp.edu.ar/handle/10915/62910
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://www.clei2017-46jaiio.sadio.org.ar/sites/default/files/Mem/CAI/CAI-13.pdf
info:eu-repo/semantics/altIdentifier/issn/2525- 0949
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-sa/3.0/
Creative Commons Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0)
dc.format.none.fl_str_mv application/pdf
141-150
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615954487574528
score 13.070432

Publicaciones similares