EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

An Explainable CNN-LSTM Hybrid Approach for Finger Millet Yield Prediction

Deepika Nayak, Rekha R Nair, Tina Babu, B.G. Vasanthi

Procedia Computer Science · 2026 · 283 · 3473-3482

DOI: 10.1016/j.procs.2026.06.410 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2026. Verfasst von Deepika Nayak und 3 weiteren Autor:innen. Die Arbeit nennt 18 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Nayak, D., Nair, R. R., Babu, T., & Vasanthi, B. (2026). An Explainable CNN-LSTM Hybrid Approach for Finger Millet Yield Prediction. Procedia Computer Science, 283, 3473-3482. https://doi.org/10.1016/j.procs.2026.06.410

Vancouver

Nayak D, Nair RR, Babu T, Vasanthi B. An Explainable CNN-LSTM Hybrid Approach for Finger Millet Yield Prediction. Procedia Computer Science. 2026;283:3473-3482. doi:10.1016/j.procs.2026.06.410

BibTeX
@article{Nayak2026,
  author = {Nayak, Deepika and Nair, Rekha R and Babu, Tina and Vasanthi, B.G.},
  title = {An Explainable CNN-LSTM Hybrid Approach for Finger Millet Yield Prediction},
  journal = {Procedia Computer Science},
  year = {2026},
  volume = {283},
  pages = {3473--3482},
  doi = {10.1016/j.procs.2026.06.410}
}
Kostenlos starten →