Challenging the climate change effects on agriculture: need business unusual

ML JAT (2021, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA CLIMATE CHANGE FOOD SYSTEMS CONSERVATION AGRICULTURE SUSTAINABILITY INNOVATION

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023, [Tesis de maestría])

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

Control de malezas acuáticas en México

MARICELA MARTINEZ JIMENEZ MARIA DEL PILAR SALDAÑA FABELA ERIC DANIEL GUTIERREZ LOPEZ (2003, [Artículo])

Las malezas acuáticas continúan constituyendo un problema en el país, por lo que los intentos realizados para su combate, ya sea en forma manual, mecánica o química, sólo han tenido resultados temporales a un costo elevado, pues las semillas de la flor que se depositan en los sedimentos son la fuente de futuras re-infestaciones. En este sentido, el Instituto Mexicano de Tecnología del Agua (IMTA) ha investigado soluciones sustentables y con menos impacto al medio ambiente, encontrando que el uso de agentes biológicos podría constituir una solución al problema. El artículo detalla la experiencia del IMTA en el uso de artrópodos y hongos específicos para su desarrollo como bioherbicidas para controlar el crecimiento del lirio acuático.

Malezas acuáticas Control de malezas Control biológico Bioherbicidas BIOLOGÍA Y QUÍMICA

EGS planning, production, maintenance of inbred lines and Quality Assurance/Quality Control (QA/QC)

Fidelis Owino Berhanu Tadesse Ertiro (2022, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA INBRED LINES SEED QUALITY QUALITY CONTROL GENETIC MARKERS

Control biológico del lirio acuático en México: primera experiencia exitosa con neoquetinos en distritos de riego: volumen I: distrito de riego 010 Culiacán-Humaya, Sinaloa, distrito de riego 074 Mocorito, Sinaloa, distrito de riego 018 colonias Yaquis, Sonora

OVIDIO CAMARENA MEDRANO (2013, [Libro])

Los objetivos de esta investigación han sido: documentar las experiencias en el control biológico del lirio acuático en la infraestructura de riego en seis distritos de riego de México; dejar constancia de la eficacia y eficiencia de los neoquetinos como agentes de control biológico del lirio; demostrar la factibilidad de mantener sin problema de lirio, en forma permanente, cualquier cuerpo de agua del país mediante estre control biológico; y sensibilizar a las autoridades, técnicos y productores sobre las bondades del control biológico del lirio acuático en nuestro país, principalmente en los distritos de riego.

Lirio acuático Distritos de riego Control biológico Sinaloa Sonora CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Trade-offs in the genetic control of functional and nutritional quality traits in UK winter wheat

Nick Fradgley Keith Gardner Stéphanie M. Swarbreck Alison Bentley (2022, [Artículo])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WHEAT GENETIC CONTROL NUTRITIVE VALUE QUANTITATIVE TRAIT LOCI

Establecimiento de un programa de control integral de lirio acuático en la laguna de Zapotlán, Jalisco

MARICELA MARTINEZ JIMENEZ (2018, [Documento de trabajo])

Introducción – Metodología: Presentación del proyecto; Asesoría a la Comisión Estatal del Agua de Jalisco; Evaluación de la cobertura de lirio acuático en la laguna de Zapotlán, Jalisco; Cría masiva y liberación de insectos en la laguna de Zapotlán; Producción masiva de Acremonium zonatum; Evaluación de biomasa y densidad de lirio acuático en la laguna de Zapotlán; Evaluación toxicológica – Resultados: Producción y liberación de insectos en la laguna de Zapotlán, Jalisco; Aspersiones del hongo Acremonium zonaturm; Evaluación de biomasa y densidad de lirio acuático en la laguna de Zapotlán; Evaluación de la cobertura de lirio acuático en la laguna de Zapotlán, Jalisco; Discusión – Recomendaciones.

Especies invasoras Impacto ambiental Control de malezas Control biológico BIOLOGÍA Y QUÍMICA

Global surveillance summary

David Hodson (2022, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WHEAT RUSTS SURVEILLANCE SYSTEMS

The contribution of strong and weak ties to resilience: The case of small-scale maize farming systems in Mexico

Tania Carolina Camacho Villa Ernesto Adair Zepeda Villarreal Julio Díaz-José Roberto Rendon-Medel Bram Govaerts (2023, [Artículo])

Social Network Analysis Farm Typologies Social Ties Strong Ties CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA INNOVATION NETWORKS PERSISTENCE SOCIAL NETWORK ANALYSIS MAIZE FARMING SYSTEMS

The HUB Model: An evolving concept for knowlegde management among and between stakeholders towards integrated agri-food systems

Jelle Van Loon (2022, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA INNOVATION SYSTEMS FOOD SYSTEMS AGRIFOOD SYSTEMS DATA PROCESSING