The generation challenge programme platform: Semantic standards and workbench for crop science

Richard Bruskiewich Guy Davenport Mathieu Rouard Reinhard Simon Samart Wanchana Trushar Shah Victor Jun Ulat Andrew Farmer Pankaj Jaiswal Mark Wilkinson David Marshall Alyssa Collins (2008, [Artículo])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA CROP IMPROVEMENT GENETIC RESOURCES PLANT BREEDING BIODIVERSITY COMPUTER APPLICATIONS DIGITAL TECHNOLOGY DATA PROCESSING

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

Datación de sedimentos recientes utilizando isótopos radioactivos en el río Verde, en el estado de Oaxaca, México

Dating of recent sediments using radioactive isotopes in the Rio Verde, Oaxaca state, Mexico

José Alfredo González Verdugo EDITH ROSALBA SALCEDO SANCHEZ MARIA JOSELINA CLEMENCIA ESPINOZA AYALA MANUEL MARTINEZ MORALES (2013, [Artículo])

Con objeto de conocer la evolución de los procesos sedimentarios en la parte baja del río Verde, Oaxaca, se realizaron mediciones en dos núcleos de sedimentos. El fechado y determinación de la tasa de sedimentación, se realizó utilizando los isótopos radioactivos Plomo-210 y Cesio-137, que sirven como indicadores de períodos de deposición de los últimos 100 años. La velocidad de sedimentación en el Río Verde obtenida por medio del isótopo Pb -210 es 0.69 a 0.89 cm/año. Por otro lado, la velocidad de sedimentación en la zona de estudio mediante el isótopo Cs-137 es del orden de 0.61 cm/año y 0.87 cm/año. El método de Cesio-137 proporciona marcadores distintivos de eventos, mientras que el método de Plomo-210 proporciona pendientes de concentración, que al aplicarse de manera conjunta proporcionan una validación de ambos métodos. En este estudio, los dos métodos coinciden en los valores de sedimentación para la zona del Río Verde. Los resultados de este trabajo permiten conocer la dinámica de los procesos de transporte de sedimentos en la zona, información que resulta útil para la planeación de obras hidráulicas y estimación de los impactos ambientales, así como la implementación de las medidas de mitigación correspondientes.

Sedimentación Datación Isótopos radiactivos Marcadores Morfología de ríos CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Detección de eventos violentos en publicaciones de redes sociales

Detection of violent events in social media publications

Esteban Ponce León (2023, [Tesis de maestría])

En los últimos años, ha habido un interés creciente en el monitoreo de redes sociales para recopilar información y, en algunos casos, para examinar la ocurrencia de delitos. Sin embargo, gran parte de las investigaciones hasta ahora solo se han centrado en ciudades de EE. UU. o extranjeras, y por ende, en publicaciones y conjuntos de datos en inglés El objetivo principal de esta tesis es diseñar un método que permita la identificación de publicaciones de eventos violentos en español y en Twitter, utilizando información multimodal y técnicas de aumento de datos que mejoren el rendimiento de los modelos. Para esto, el trabajo de investigación se dividió en dos fases experimentales. La primera orientada a identificar publicaciones a partir de solo texto, explorando diferentes técnicas de aumento de datos para texto y modelos de aprendizaje máquina y profundo. En la segunda fase, se extendió el método propuesto para abordar la identificación en un contexto multimodal, es decir, considerando tanto los textos de los tweets como las imágenes compartidas que los acompañan. En este caso el método propuesto consideró utilizar descripciones textuales de las imágenes y abordar la problemática desde el dominio textual, además se hicieron 2 tipos de aumento de datos para cada tipo de información. La evaluación de los métodos se hizo utilizando las colecciones de la tarea de evaluación DA-VINCIS 2022 y 2023. Los resultados demostraron una mejora en el rendimiento de los modelos al considerar el uso de información multimodal y el uso de aumento de datos.

In recent years, there has been a growing interest in monitoring social networks to gather information and, in some cases, to examine the occurrence of crime. However, much of the research so far has only focused on US or foreign cities, and thus on English-language publications and data sets. The main objective of this thesis is to design a method that allows the identification of publications of violent events in Spanish and on Twitter, using multimodal information and data augmentation techniques that improve the performance of the models. For this, the research work was divided into two experimental phases. The first aimed at identifying publications from only text, exploring different data augmentation techniques for text and machine and deep learning models. In the second phase, the proposed method was extended to address identification in a multimodal context, that is, considering both the texts of the tweets and the shared images that accompany them. In this case, the proposed method considered using textual descriptions of the images and addressing the problem from the textual domain, in addition, 2 types of data augmentation were made for each type of information. The evaluation of the methods was done using the collections of the DA-VINCIS 2022 and 2023 evaluation task. The results demonstrated an improvement in the performance of the models when considering the use of multimodal information and the use of data augmentation.

Detección de Violencia, Redes Sociales, Aumento de Datos, Procesamiento del Lenguaje Natural, BERT, BETO, Descripción de Imágenes Violence Detection, Social Networks, Data Augmentation, Natural Language Processing, BERT, BETO, Image Captioning INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES MODELOS CAUSALES MODELOS CAUSALES

International Winter Wheat nurseries data: Facultative and Winter Wheat Observation Nurseries and International Winter Wheat yield trials for semi-arid and irrigated conditions

Mesut KESER fatih ozdemir Pietro Bartolini (2022, [Artículo])

Germplasm Exchange International Nurseries Multi-Locations CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA WINTER WHEAT BREEDING GERMPLASM YIELDS DATA

Disruptive approach to integrate data in a digital environment: progress report CIMMYT-Bluenumber 2023

Andrea Gardeazabal (2023, [Documento de trabajo])

This report describes the process carried out a pilot project to evaluate a scalable disruptive approach to integrating data for agronomy research that also incentivizes sustainable production and enables traceability using open data sharing protocol with self-sovereign identity (SSI).

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA DIGITAL TECHNOLOGY DATA AGRICULTURAL RESEARCH

Product development for Eastern Africa: EA-PP1

&

EA-PP2

Berhanu Tadesse Ertiro Aparna Das Yoseph Beyene Dan Makumbi Manje Gowda Suresh L.M. Anani Bruce Walter Chivasa Vijay Chaikam Juan Burgueño Prasanna Boddupalli (2023, [Objeto de congreso])

CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA PRODUCT DEVELOPMENT TESTING DATA MAIZE

Evaluation of multiple satellite precipitation products for rainfed maize production systems over Vietnam

Paresh Shirsath Dakshina Murthy Kadiyala (2022, [Artículo])

Rainfall Datasets Satellite Rainfall Estimates CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA RAIN RAINFED FARMING DATA SATELLITES

Multi-trait, multi-environment deep learning modeling for genomic-enabled prediction of plant traits

Osval Antonio Montesinos-Lopez Jose Crossa Francisco Javier Martin Vallejo (2018, [Artículo])

Deep Learning Genomic Prediction Bayesian Modeling Shared Data Resources CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA BAYESIAN THEORY RESOURCES DATA BREEDING PROGRAMMES

Multi-environment genomic prediction of plant traits using deep learners with dense architecture

Osval Antonio Montesinos-Lopez Jose Crossa (2018, [Artículo])

Shared Data Resources Deep Learning Genomic Prediction CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA ACCURACY GENOMICS NEURAL NETWORKS FORECASTING DATA MARKER-ASSISTED SELECTION