Código QR (código de barras bidimensional)

Comparative Analysis of Machine Learning Models for Predicting Forage Grass Digestibility Using Chemical Composition and Management Data

Accurate prediction of forage digestibility is essential for efficient livestock management and feed formulation. This study evaluated the performance of machine learning (ML) models to estimate the in vitro digestibility of leaf and stem components of <i>Brachiaria</i> hybrid cv. Ipyporã, using thr...

ver descrição completa

Na minha lista:
Principais autores: Juliana Caroline Santos Santana, Gelson dos Santos Difante, Valéria Pacheco Batista Euclides, Denise Baptaglin Montagner, Alexandre Romeiro de Araújo, Larissa Pereira Ribeiro Teodoro, Paulo Eduardo Teodoro, Carolina de Arruda Queiróz Taira, Itânia Maria Medeiros de Araújo, Gabriela de Aquino Monteiro, Jéssica Gomes Rodrigues, Marislayne de Gusmão Pereira
Formato: Artigo
Idioma:Inglês
Publicado em: MDPI AG 2025-12-01
coleção:AgriEngineering
Assuntos:
artificial neural networks
forage chemical composition
pasture management
precision agriculture
Ipyporã grass
Acesso em linha:https://www.mdpi.com/2624-7402/7/12/412
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!

Registros relacionados