EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Assessing the value of deep reinforcement learning for irrigation scheduling

T.D. Kelly, T. Foster, David M. Schultz

Smart Agricultural Technology · 2024-03 · 7 · 100403

DOI: 10.1016/j.atech.2024.100403 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Smart Agricultural Technology, 2024-03. Verfasst von T.D. Kelly und 2 weiteren Autor:innen. Die Arbeit wurde bisher 27-mal zitiert (Crossref) und nennt 40 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Natural Environment Research Council.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Natural Environment Research Council

Zitieren

APA

Kelly, T., Foster, T., & Schultz, D. M. (2024). Assessing the value of deep reinforcement learning for irrigation scheduling. Smart Agricultural Technology, 7, 100403. https://doi.org/10.1016/j.atech.2024.100403

Vancouver

Kelly T, Foster T, Schultz DM. Assessing the value of deep reinforcement learning for irrigation scheduling. Smart Agricultural Technology. 2024;7:100403. doi:10.1016/j.atech.2024.100403

BibTeX
@article{Kelly2024,
  author = {Kelly, T.D. and Foster, T. and Schultz, David M.},
  title = {Assessing the value of deep reinforcement learning for irrigation scheduling},
  journal = {Smart Agricultural Technology},
  year = {2024},
  volume = {7},
  pages = {100403},
  doi = {10.1016/j.atech.2024.100403}
}
Kostenlos starten →