Explainable Multidisciplinary Artificial Intelligence for Sustainable Innovation and Intelligent Decision-Making Across Emerging Research Domains
提出可解释多学科AI框架，融合预测、XAI与多准则决策支持可持续决策。
阅读 0
关键词 · 相关资讯与研究
#多学科人工智能
沿着“多学科人工智能”继续探索，共 1 条内容。
你可能还想看
没有这个标签，内容接近Artificial Intelligence for Environmental Monitoring and Sustainable Development
探讨AI在环境监测与可持续发展中的作用，聚焦尼日利亚，涵盖遥感、水质、废物管理等应用。
阅读 0
Adaptive Ensemble Machine Learning Framework for Robust Prediction, Classification, and Intelligent Decision Support Across Heterogeneous Data Domains
提出自适应异构动态集成框架AHDE-DS，实现跨异构数据的鲁棒预测、分类与智能决策支持。
智慧农业 / 农业物联网农业人工智能
阅读 1
Artificial Intelligence, Machine Learning, and Deep Learning Concepts, Methods, and Real-World Impact
系统综述AI、机器学习与深度学习的概念、方法、应用及伦理挑战。
阅读 3
Comparative analysis and optimization of multi-model artificial intelligence for microscopic detection of fungal structures in superficial fungal infections
比较六种深度学习模型检测浅表真菌镜检结构，优化YOLOv11并部署在线辅助诊断平台。
智慧农业 / 农业物联网农业人工智能
阅读 0
Integrating AI and Earth Observation Data for Disaster Risk Reduction
综述AI与地球观测数据融合用于灾害风险减少的研究进展。
阅读 8
Machine Learning Classification Techniques for Smart Agriculture: A Review of Disease Detection and Crop Recommendation (机器学习分类技术在智慧农业中的应用综述:病害检测与作物推荐)
Frontiers in Artificial Intelligence 2026年8月31日综述。研究对2023年1月至2026年1月Scopus、IEEE Xplore、ScienceDirect和SpringerLink数据库中的文章进行系统检索,使用IoT and machine learning and agriculture、crop recommendation、plant disease detection、precision farming等关键词组合,30篇文章符合实证方法、定量性能报告和清晰数据集描述的标准。结果表明,随机森林( Random Forest)、支持向量机(SVM)和决策树等集成方法与传统机器学习方法在作物产量预测中准确率达到99.9%;CNN和ResNet深度学习模型病害检测准确率超过98%;GRU和LSTM时间序列模型天气条件预测准确率范围94-98%。IoT系统在精准农业应用方面显著改善资源利用,实现60-96%的节水、25%的增产和36-38%的除草剂减量。
阅读 2
【综述】多组学与人工智能赋能气候适应型和营养强化作物：进展、应用与未来展望
综述AI与多组学、基因编辑、精准农业结合，提升作物抗逆与营养性状改良效率。
阅读 2
Applications of Neutrosophic Topology in the Indian Context: A Review and Emerging Research Directions
综述中智拓扑在印度多领域的应用潜力，并指出理论与实证数据脱节的局限。
阅读 1