排序方式: 共有22条查询结果,搜索用时 0 毫秒
1.
机器学习是一种面向机器的数据分析方法,自动化机器学习的研究促进了人工智能的发展。大数据的快速积累,促进了机器学习算法的井喷式发展。如何选择合适的机器学习算法解决行业问题,成为了当前应用的难点。笔者整理了机器学习新材料,对各种机器算法的特点和算法之间的差异,进行了仔细的梳理,总结了各种算法的需求背景和优缺点,以及主要的应用场合。在此基础上,分析了机器学习在农业应用的案例,综述了机器学习在农业应用,指出了目前存在的发展瓶颈,并提出了进一步研究应用的建议。 相似文献
2.
中国加入WTO,给我国的农业企业带来了新的机遇,也带来了新的挑战。我国的农业企业如何才能在国际竞争中立于不败之地,如何能把我们的农产品迅速打入国际市场,是一个摆在我们面前的迫在眉睫的问题。针对这一现状,我们运用微软.NET家族技术结合微软SQL Server开发了农业企业销售型CRM系统,力争设计一个集数据库技术、网络技术、电子商务、客户关系管理为一体的融合B/S和GS技术、适用于国内众多农业企业的销售型CRM系统,探索农产品电子商务及客户关系管理系统的技术和方法,以提高我国农产品电子商务及客户关系营理水平,为农产品的销售和客户关系营理提供决策支持,提高农产品销售全过程及客户关系的管理,为农业企业科学决策提供依据。 相似文献
3.
4.
[目的/意义]目前全球正处于信息化时代,农业信息化的发展已成为现代化农业发展的重要方向,因此有必要探索新一代信息技术对农业信息化的推动作用。[方法/过程]总结新一代信息技术在农业领域应用的现状,对新一代信息技术推动农业信息化发展的路径进行分析,提出新一代农业信息技术创新与集成应用的策略。[结果/结论]提出通过新一代信息技术创新补齐农业信息化和现代化短板,助力“乡村振兴战略”,实现并加速“四化同步,融合发展”。推动新一代信息技术在农业中的应用必须依赖于技术创新、模式创新、机制创新和政策创新。 相似文献
5.
6.
7.
[目的/意义]随着单细胞测序、高通量技术的突破,植物基因组学也取得了巨大进步,可以低成本获取多维全基因组分子表型的海量数据。深度学习技术可以作为强大的数据挖掘工具对获取的分子表型进行进一步预测和解释。当前研究表明,深度学习在植物基因组学与作物育种研究任务中取得显著效果。但目前尚缺乏对于深度学习在植物基因组学中应用的完整综述。[方法/过程]本文首先概述了深度学习方法背景,包括最新的图神经网络;随后着重从基因特性、蛋白质特性方面综述了基因组学和深度学习交叉领域的两个突出问题:1)如何对从植物基因组DNA序列到分子表型的信息流进行建模?2)如何使用深度学习模型识别自然种群中的功能变异?[结果/结论]本文总结了当前研究中如何应用传统深度学习算法、图深度学习、生成对抗网络以及可解释性AI等方法解决上述两个问题。最后分析了深度学习在未来植物基因组学研究和作物遗传改良中的发展前景。 相似文献
8.
9.
本文通过对一个具体的大型农业企业的Intranet的构建过程的全方位的论述,力求阐明构建基于ASP及SQLServer2000数据库的农业企业Intranet的一种可行的方案,由于所采用的技术简单、所采用的平台普及率较高,因此具有一定的实用价值。此系统在亚盛集团已经部署实施。 相似文献
10.
互联网的出现,使得计算机技术、通信技术迅猛发展,而以HTML(超文本标记语言)为基础的互联网网站更是如雨后春笋一般发展起来,每分每秒都有不同的网站被发布出来。随着网站的发展,网页制作技术也迅速地丰富起来,在初期,如果要实现网站的动态效果,需要采用一些非常复杂的技术如Perl、CGI等,后来许多知名厂商也投入到互联网应用程序开发技术的开发中来,并开发出一些简单易用并且功能强大的技术,比较典型的有ASP、JSP,到后来发展成为互联网应用程序框架技术ASP.NET及SUNONE等。目前互联网应用程序技术可说是飞速发展、日新月异,B/S… 相似文献