М 25 Марголин, В. А. Приспособления птиц к изменениям структур сезонных явлений : методика преподавания биологии / В. А. Марголин> // Биология в школе. - 2008. - № 3. - С. 3-9
Рубрики: Образование.Педагогика--Среднее образование--Методика преподавания биологии Кл.слова (ненормированные): ПТИЦЫ -- СЕЗОННЫЕ ЯВЛЕНИЯ -- МЕТОДИКА ПРЕПОДАВАНИЯ БИОЛОГИИ -- ФЕНОЛОГИЯ -- ПЕРЕМЕЩЕНИЯ -- МИГРАЦИЯ Имеются экземпляры в отделах: Чит. зал (1 экз.) - свободны 1 |
С 42 Скворцов, П. М. Весенние фенологические наблюдения : методика и опыт / П. М. Скворцов> // География в школе. - 2012. - № 4. - С. 23-27 : ил. Рубрики: Образование--Методика преподавания географии Кл.слова (ненормированные): фенология -- сезонные явления -- гидрометерологические явления Держатели документа: Чувашская республиканская детско-юношеская библиотека |
Моделирование фенологии сои с помощью искусственных нейронных сетей [] / О. Д. Таратухин [и др.]> // Биофизика. - 2019. - Т. 64, № 3. - С. 563-571 : 7 рис., 1 табл. - Библиогр.: с. 571 (24 назв. ). - Зональная научная библиотека имени Ю. А. Жданова Южного федерального университета. - code, biph. - year, 2019. - to, 64. - no, 3. - ss, 563. - ad, 1. - d, 2019, , 0, y. - RUMARS-biph19_to64_no3_ss563_ad1 . - ISSN 0006-3029
Рубрики: Сельское хозяйство Агрометеорология Радиоэлектроника Теория сложных систем--Россия--Северо-Западный регион Кл.слова (ненормированные): искусственные нейронные сети -- климатические факторы -- соя -- фенология Аннотация: Индикатором климатических изменений и степени пригодности сои к климатическим условиям является ее фенология, основные регуляторы которой - температура и длина дня. Для предсказания времени до цветения у девяти скороспелых образцов сои с пониженной фотопериодической чувствительностью в условиях Северо-Западного региона России была адаптирована модель на основе искусственной нейронной сети. Доп.точки доступа: Таратухин, О. Д.; Новикова, Л. Ю.; Сеферова, И. В.; Козлов, К. Н. Нет сведений об экземплярах (Источник в БД не найден) |
Моделирование фенологии сои с помощью искусственных нейронных сетей [] / О. Д. Таратухин [и др.]> // Биофизика. - 2019. - Т. 64, № 3. - С. 563-571 : 7 рис., 1 табл. - Библиогр.: с. 571 (24 назв. ). - Зональная научная библиотека имени Ю. А. Жданова Южного федерального университета. - code, biph. - year, 2019. - to, 64. - no, 3. - ss, 563. - ad, 1. - d, 2019, , 0, y. - RUMARS-biph19_to64_no3_ss563_ad1 . - ISSN 0006-3029
Рубрики: Сельское хозяйство Агрометеорология Радиоэлектроника Теория сложных систем--Россия--Северо-Западный регион Кл.слова (ненормированные): искусственные нейронные сети -- климатические факторы -- соя -- фенология Аннотация: Индикатором климатических изменений и степени пригодности сои к климатическим условиям является ее фенология, основные регуляторы которой - температура и длина дня. Для предсказания времени до цветения у девяти скороспелых образцов сои с пониженной фотопериодической чувствительностью в условиях Северо-Западного региона России была адаптирована модель на основе искусственной нейронной сети. Доп.точки доступа: Таратухин, О. Д.; Новикова, Л. Ю.; Сеферова, И. В.; Козлов, К. Н. Нет сведений об экземплярах (Источник в БД не найден) |
Нейросетевая модель прогнозирования фенологии скороспелых сортов сои по климатическим факторам [] / О. Д. Таратухин, Л. Ю. Новикова, И. В. Сеферова [и др.]> // Биофизика. - 2020. - Т. 65, № 1. - С. 125-137 : 8 рис., 2 табл. - Библиогр.: с. 136-137 (31 назв. ). - Зональная научная библиотека имени Ю. А. Жданова Южного федерального университета. - code, biph. - year, 2020. - to, 65. - no, 1. - ss, 125. - ad, 1. - d, 2020, , 0, y. - RUMARS-biph20_to65_no1_ss125_ad1 . - ISSN 0006-3029
Рубрики: Биология Общая биофизика Кл.слова (ненормированные): искусственные нейронные сети -- скороспелые образцы сои -- соя -- фенология Аннотация: Фенология сои сильно зависит от температуры и продолжительности светового дня и четко указывает на изменения климата. Разработана модель, которая включает в себя четыре искусственные нейронные сети для прогнозирования временных интервалов между посевом, всходами, цветением и созреванием в зависимости климатических факторов, а также ансамбли регрессионных моделей для прогнозирования урожайности, содержания белка и масла в семенах. Доп.точки доступа: Таратухин, О. Д.; Новикова, Л. Ю.; Сеферова, И. В.; Герасимова, Т. В.; Нуждин, С. В.; Самсонова, М. Г.; Козлов, К. Н. Нет сведений об экземплярах (Источник в БД не найден) |