Harry Seely, Nicholas C. Coops, J. M. White, David Montwé et Ahmed Ragab
Article de revue (2026)
 Document en libre accès chez l'éditeur officiel |
| Département: | Département de mathématiques et de génie industriel |
|---|---|
| Organismes subventionnaires: | NSERC, Natural Resources Canada, National Research Council of Canada |
| Numéro de subvention: | RGPIN-2018-03851, DHGA-119-1 |
| URL de PolyPublie: | https://publications.polymtl.ca/73638/ |
| Titre de la revue: | Forestry An International Journal of Forest Research (vol. 99, no 2) |
| Maison d'édition: | Oxford University Press |
| DOI: | 10.1093/forestry/cpag004 |
| URL officielle: | https://doi.org/10.1093/forestry/cpag004 |
| Date du dépôt: | 10 mars 2026 15:37 |
| Dernière modification: | 10 mars 2026 15:39 |
| Citer en APA 7: | Seely, H., Coops, N. C., White, J. M., Montwé, D., & Ragab, A. (2026). Addressing the small data problem in forestry: self-supervised learning for aboveground biomass estimation. Forestry An International Journal of Forest Research, 99(2), 19 pages. https://doi.org/10.1093/forestry/cpag004 |
|---|---|
Statistiques
Dimensions
Actions réservées au personnel
|
Afficher document |
