Verarbeitung großer Datenmengen mittels Neuronaler Netze zur Schätzung kleinräumiger Produktionsfunktionen

dc.contributor.author	Wagner, Peter
dc.contributor.author	Schneider, Martin
dc.contributor.editor	Böttinger, Stefan
dc.contributor.editor	Theuvsen, Ludwig
dc.contributor.editor	Rank, Susanne
dc.contributor.editor	Morgenstern, Marlies
dc.date.accessioned	2019-05-15T10:40:58Z
dc.date.available	2019-05-15T10:40:58Z
dc.date.issued	2007
dc.identifier.isbn	978-3-88579-195-9
dc.identifier.issn	1617-5468
dc.identifier.uri	http://dl.gi.de/handle/20.500.12116/22896
dc.description.abstract	Es wird eine Methode vorgestellt, wodurch mithilfe von künstlichen Neuronalen Netzen Erträge prognostiziert werden um kleinräumige Produktionsfunktionen für jede einzelne Stickstoffteilgabe zu schätzen. Auf Grundlage von Feldversuchen zur Stickstoffdüngung von Winterweizen wird die Güte der Ertragsprognose untersucht.	de
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik e. V.
dc.relation.ispartof	Agrarinformatik im Spannungsfeld zwischen Regionalisierung und globalen Wertschöpfungsketten – Referate der 27. GIL Jahrestagung
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Proceedings, Volume P-101
dc.title	Verarbeitung großer Datenmengen mittels Neuronaler Netze zur Schätzung kleinräumiger Produktionsfunktionen	de
dc.type	Text/Conference Paper
dc.pubPlace	Bonn
mci.reference.pages	215-218
mci.conference.sessiontitle	Regular Research Papers
mci.conference.location	Stuttgart
mci.conference.date	05.-07. März 2007