摘要
本发明提供一种基于人工智能技术构建植物营养专家知识图谱的应用方法,采集目标植物生长发育的表型组数据与环境数据;对植物过程中的最佳形态因素与最终产量品质结果因素,对所述表型组数据和所述环境数据进行数据标注,并构建神经网络模型;使用所述神经网络模型对标注的数据进行因果效应分析与反事实分析,排除不相关的因素,寻找隐形变量与潜在结果;通过对神经网络参数的优化学习,重塑植物营养专家知识图谱的思维链,更新所述植物营养专家知识图谱,以优化植物生长发育营养管理理论体系,准确指导种植生产与研究。本申请能明晰植物生长发育过程中自身与环境的作用机理,发现自然生态肥力中的“隐形因子”,针对不同作物提升专用肥料的开发效率,优化作物栽培管理技术标准。
技术关键词
神经网络模型
数据
神经网络参数
随机梯度下降
结构方程模型
图谱
人工智能技术
效应
狄利克雷分配模型
广义最小二乘法
工具变量法
多元回归模型
皮尔逊相关系数
逻辑回归模型
线性回归模型
机器学习算法
专用肥料
系统为您推荐了相关专利信息
LED编带机
支持向量机模型
像素点
轨道
图像数据处理技术
智能网联汽车系统
信息采集模块
交通事故风险
车辆行驶信息
人机交互模块
优化调度方法
潮流断面
优化调度模型
功率
分区电网
管理系统
疫苗接种管理
牛舍
自动喂料系统
数据采集模块