Assembler la diversité des modèles classiques et «deep learning» pour développer un pipeline de calibration SPIR performant et générique - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Communication Dans Un Congrès Année : 2019

Assembler la diversité des modèles classiques et «deep learning» pour développer un pipeline de calibration SPIR performant et générique

Denis Cornet
Lucienne Desfontaines
CV
Fabien Cormier
Carine Marie-Magdeleine
Unité de Recherches Zootechniques
CV
Gemma Arnau
Karima Meghar
  • Fonction : Auteur
Fabrice Davrieux
Gregory Beurier

Domaines

Méthodologie [stat.ME] Applications [stat.AP]
Fichier principal
Vignette du fichier
HelioSPIR_Cornet_et_al_2019.pdf (1.94 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Carine MARIE-MAGDELEINE  : Connectez-vous pour contacter le contributeur

https://hal.inrae.fr/hal-02958421

Soumis le : lundi 5 octobre 2020-19:29:38

Dernière modification le : lundi 17 juillet 2023-11:35:49

Télécharger pour visualiser

Dates et versions

hal-02958421 , version 1 (05-10-2020)

Identifiants

  • HAL Id : hal-02958421 , version 1

Citer

Denis Cornet, Lucienne Desfontaines, Fabien Cormier, Carine Marie-Magdeleine, Gemma Arnau, et al.. Assembler la diversité des modèles classiques et «deep learning» pour développer un pipeline de calibration SPIR performant et générique. Rencontres HélioSPIR Session 5, Association HelioSPIR, Oct 2019, Montpellier, France. ⟨hal-02958421⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INRA INRAE GENETIQUE_ANIMALE
17 Consultations
52 Téléchargements

Partager

Gmail Facebook X LinkedIn More