清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

A review of traditional and machine learning methods applied to animal breeding

瓶颈 计算机科学 领域(数学) 牲畜 数据科学 主流 透视图(图形) 风险分析(工程) 人工智能 地理 业务 哲学 嵌入式系统 纯数学 林业 数学 神学
作者
Shadi Nayeri,Mehdi Sargolzaei,Dan Tulpan
出处
期刊:Animal Health Research Reviews [Cambridge University Press]
卷期号:20 (1): 31-46 被引量:48
标识
DOI:10.1017/s1466252319000148
摘要

Abstract The current livestock management landscape is transitioning to a high-throughput digital era where large amounts of information captured by systems of electro-optical, acoustical, mechanical, and biosensors is stored and analyzed on a daily and hourly basis, and actionable decisions are made based on quantitative and qualitative analytic results. While traditional animal breeding prediction methods have been used with great success until recently, the deluge of information starts to create a computational and storage bottleneck that could lead to negative long-term impacts on herd management strategies if not handled properly. A plethora of machine learning approaches, successfully used in various industrial and scientific applications, made their way in the mainstream approaches for livestock breeding techniques, and current results show that such methods have the potential to match or surpass the traditional approaches, while most of the time they are more scalable from a computational and storage perspective. This article provides a succinct view on what traditional and novel prediction methods are currently used in the livestock breeding field, how successful they are, and how the future of the field looks in the new digital agriculture era.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
莎莎完成签到 ,获得积分10
4秒前
kuyi完成签到 ,获得积分10
4秒前
生命科学的第一推动力完成签到 ,获得积分10
8秒前
完美采梦完成签到 ,获得积分10
24秒前
庄怀逸完成签到 ,获得积分10
24秒前
小小铱完成签到,获得积分10
28秒前
lielizabeth完成签到 ,获得积分0
1分钟前
通科研完成签到 ,获得积分10
1分钟前
谢小盟完成签到 ,获得积分10
1分钟前
Hazellee完成签到 ,获得积分10
1分钟前
David完成签到 ,获得积分0
1分钟前
无为完成签到 ,获得积分10
1分钟前
周青春偶像完成签到 ,获得积分10
2分钟前
Herbs完成签到 ,获得积分10
2分钟前
hhhhhha完成签到,获得积分10
2分钟前
2分钟前
煜琪完成签到 ,获得积分10
2分钟前
wyt发布了新的文献求助10
2分钟前
光亮的自行车完成签到 ,获得积分10
2分钟前
巫马白亦完成签到,获得积分10
2分钟前
Hiaoliem完成签到 ,获得积分10
2分钟前
zhdjj完成签到 ,获得积分10
3分钟前
xfcy完成签到,获得积分0
3分钟前
紫陌完成签到,获得积分0
3分钟前
修水县1个科研人完成签到 ,获得积分10
3分钟前
zijingsy完成签到 ,获得积分10
3分钟前
xixi很困完成签到 ,获得积分10
3分钟前
marinemiao完成签到,获得积分10
3分钟前
萧水白应助marinemiao采纳,获得10
3分钟前
mrwang完成签到 ,获得积分10
3分钟前
4分钟前
www发布了新的文献求助10
4分钟前
4分钟前
研友_VZG7GZ应助利酱采纳,获得10
4分钟前
dajiejie完成签到 ,获得积分10
4分钟前
勤劳的颤完成签到 ,获得积分10
4分钟前
4分钟前
利酱发布了新的文献求助10
4分钟前
franca2005完成签到 ,获得积分10
4分钟前
www完成签到,获得积分10
5分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068193
求助须知:如何正确求助?哪些是违规求助? 2722162
关于积分的说明 7476072
捐赠科研通 2369138
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835