Assessing the value of deep reinforcement learning for irrigation scheduling
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.
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}
}
EUVIMED