"В данной статье рассматривается нормализация входных данных для прогнозирования урожайности пшеницы. Объектом исследования в рамках статьи являются входные данные нейронной сети. В рамках данного исследования рассматривается влияние таких параметров как, внесение удобрений, содержащих фосфор и азот на урожайность пшеницы с 1997 года по 2021 год. В ходе исследования были рассмотрены методы нормализации такие как минимаксная, z-средняя и робостная нормализация. В последующем была осуществлена нормализация имеющихся входных данных. С помощью полученных данных была обучена нейронная сеть прогнозирования урожайности пшеницы. В итоге был проведен сравнительный анализ способов нормализации по таким показателям, как ошибка обучения и точность обучения. По результатам исследования робостный метод нормализации привел к наилучшему результату: ошибка 0,01. Полученные результаты объясняются тем, что, когда к одному и тому же набору данных применяются разные типы методов нормализации с использованием одного и того же метода машинного обучения, результат может отличаться. Робостная нормализация проста в использовании и дает улучшенный результат по сравнению с другими методами нормализации. Ключевые слова: нейронная сеть, нормализация, прогнозирование, зерновые культуры, фосфор, удобрение."
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.