Développement de modèles utilisant les réseaux de neurones convolutionnels et d’une interface R-shiny pour la prédiction et la visualisation de la croissance de l’herbe d’une prairie, à partir de l’information climatique fournie - Archive ouverte HAL Access content directly
Master Thesis Year : 2022

Développement de modèles utilisant les réseaux de neurones convolutionnels et d’une interface R-shiny pour la prédiction et la visualisation de la croissance de l’herbe d’une prairie, à partir de l’information climatique fournie

(1, 2, 3)
1
2
3

Abstract

Les prairies sont importantes car elles couvrent de larges surfaces et rendent de nombreux services écosystémiques. Prédire la croissance de l’herbe des prairies dans différents contextes climatiques est utile à la modélisation des systèmes d’élevage herbagers. Ce travail fait suite au stage d’un étudiant de l’ENSAI qui a utilisé des approches d’apprentissage automatique pour développer des modèles de prédiction de la croissance de l’herbe à partir de l’information sur le climat. Les objectifs de mon stage étaient d’offrir une visualisation graphique et chiffrée de la croissance de l’herbe prédite par ces modèles, et d’enrichir la partie modélisation déjà réalisée. Une interface a été développée sous Rshiny qui offre la visualisation et les fonctionnalités souhaitées.
Fichier principal
Vignette du fichier
stage_2A_Inrae_Yannick_Konan.pdf (2.37 Mo) Télécharger le fichier
Origin : Files produced by the author(s)
Licence : CC BY - Attribution

Dates and versions

hal-03782204 , version 1 (21-09-2022)

Licence

Attribution - CC BY 4.0

Identifiers

  • HAL Id : hal-03782204 , version 1

Cite

Kouamé Yannick Konan. Développement de modèles utilisant les réseaux de neurones convolutionnels et d’une interface R-shiny pour la prédiction et la visualisation de la croissance de l’herbe d’une prairie, à partir de l’information climatique fournie. Intelligence artificielle [cs.AI]. 2022. ⟨hal-03782204⟩
143 View
61 Download

Share

Gmail Facebook Twitter LinkedIn More