Machine Learning Approaches for Forecasting the Best Microbial Strains to Alleviate Drought Impact in Agriculture

Artykuł - publikacja recenzowana


Tytuł
Machine Learning Approaches for Forecasting the Best Microbial Strains to Alleviate Drought Impact in Agriculture
Odpowiedzialność
Tymoteusz Miller, Grzegorz Mikiciuk, Anna Kisiel, Małgorzata Mikiciuk, Dominika Paliwoda, Lidia Sas-Paszt, Danuta Cembrowska-Lech, Adrianna Krzemińska, Agnieszka Kozioł, Adam Brysiewicz
Twórcy
Sumy twórców
10 autorów
Punktacja publikacji
Osoba Dysc. Pc k m P U Pu Opis
0000-0002-1503-0064 6.4 140 1 10 140,00 1,0000 140,0000 Art.
0000-0002-5962-5334 6.7 140 2 10 140,00 0,5000 70,0000 Art.
0000-0002-1486-1093 6.7 140 2 10 140,00 0,5000 70,0000 Art.
Gł. język publikacji
Angielski (English)
Data publikacji
2023
Objętość
16 (stron).
Szacowana objętość
1 (arkuszy wydawniczych)
Identyfikator DOI
10.3390/agriculture13081622
Adres URL
https://www.mdpi.com/2077-0472/13/8/1622
Adres URL
https://www.mdpi.com/2077-0472/13/8
Uwaga ogólna
This article belongs to the Special Issue Applications of Data Analysis in Agriculture.
Uwaga ogólna
Publikacja w Open Access na licencji Creative Commons Attribution (CC BY) license.
Finansowanie
This research received no external funding.
Cechy publikacji
  • Oryginalny artykuł naukowy
  • OpenAccess
Dane OpenAccess
Brak szczegółów
Słowa kluczowe
Czasopismo
Agriculture
( eISSN 2077-0472 )
Kraj wydania: Szwajcaria (Schweiz)
Zeszyt: T.13 z.8 (1622)
Strony: 1-16
Nr: 1622
Pobierz opis jako:
BibTeX, RIS
Data zgłoszenia do bazy Publi
2023-08-17
PBN
Wyświetl
WorkId
34350

Lista publikacji