Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Automatic classification of plant electrophysiological responses to environmental stimuli using machine learning and interval arithmetic

Texto completo
Autor(es):
Pereira, Danillo Roberto [1] ; Papa, Joao Paulo [2] ; Rosalin Saraiva, Gustavo Francisco [1] ; Souza, Gustavo Maia [3]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Oeste Paulista, Sao Paulo - Brazil
[2] Univ Estadual Paulista, Sao Paulo - Brazil
[3] Univ Fed Pelotas, Pelotas, RS - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: COMPUTERS AND ELECTRONICS IN AGRICULTURE; v. 145, p. 35-42, FEB 2018.
Citações Web of Science: 3
Resumo

In plants, there are different types of electrical signals involving changes in membrane potentials that could encode electrical information related to physiological states when plants are stimulated by different environmental conditions. A previous study analyzing traits of the dynamics of whole plant low-voltage electrical showed, for instance, that some specific frequencies that can be observed on plants growing under undisturbed conditions disappear after stress-like environments, such as cold, low light and osmotic stimuli. In this paper, we propose to test different methods of automatic classification in order to identify when different environmental cues cause specific changes in the electrical signals of plants. In order to verify such hypothesis, we used machine learning algorithms (Artificial Neural Networks, Convolutional Neural Network, Optimum-Path Forest, k-Nearest Neighbors and Support Vector Machine) together Interval Arithmetic. The results indicated that Interval Arithmetic and supervised classifiers are more suitable than deep learning techniques, showing promising results towards such research area. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular