Intelligence artificielle et agronomie
Guyet, Thomas | Le Ber, F. | Teisseire, Maguelonne | Diagnosing, Recommending Actions and Modelling (DREAM) ; Centre Inria de l'Université de Rennes ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7) ; Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA) ; Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes) ; Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes) ; Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA) ; Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes) ; Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes) ; Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS) | Université de Strasbourg (UNISTRA) | Territoires, Environnement, Télédétection et Information Spatiale (UMR TETIS) ; Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-AgroParisTech-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)
[Departement_IRSTEA]Territoires [TR1_IRSTEA]SYNERGIE [Axe_IRSTEA]TETIS-SISO<br/>ISBN : 9782746246164
Показать больше [+] Меньше [-]International audience
Показать больше [+] Меньше [-]Французский. Comme toutes les sciences du vivant, les sciences agronomiques et plus largement agro-environnementales font face à des problèmes qui impliquent des données complexes, souvent volumineuses et hétérogènes, parfois incomplètes et imprécises. Ces problèmes intègrent une composante humaine prépondérante et dessinent ainsi un terrain propice à la mise en place de méthodes d’intelligence artificielle (IA) aptes à leur apporter des solutions originales et pertinentes. Depuis plusieurs années, le rapprochement entre ce champ applicatif de l’agronomie et le champ disciplinaire de l’IA a connu un succès grandissant. L’objet de ce numéro spécial est de faire un état des lieux des travaux et perspectives relatifs au développement ou à l’usage de méthodes d’intelligence artificielle dans le cadre d’applications agro-environnementales. Pour cet état des lieux, nous avons sollicité quatre équipes travaillant sur des sujets correspondant aux quatre grands thèmes qui nous semblaient les plus représentatifs des problématiques des domaines de l’IA appliquée à l’agronomie : l’aide à la décision, l’ingénierie des connaissances, l’extraction automatique de connaissances à partir de données et les systèmes multi-agents. Outre ces articles généraux (dont un n’a pu être finalisé dans les temps), nous avons reçu une quinzaine d’articles en réponse à un appel à contributions. La sélection des contributions a été un choix difficile pour à la fois représenter au mieux l’ensemble des recherches liées à cette thématique et pour présenter des travaux novateurs et pertinents à l’ensemble de la communauté IA. À l’issue de ce processus, nous avons retenu sept articles de qualité et le numéro se compose ainsi de dix articles dont aucun malheureusement ne traite du thème des systèmes multi-agents.
Показать больше [+] Меньше [-]Библиографическая информация
Эту запись предоставил AgroParisTech