Interpolation spatio-temporelle et IA hybride pour application à la biodiversité

Spatio-temporal interpolation and hybrid AI for application to biodiversity

• Auteur / Autrice : Marion Richardot
• Direction : Cédric Pradalier, Jérémy Fix
• Type : Projet de thèse
• Discipline(s) : Automatique, Traitement du signal et des images, Génie informatique
• Date : Inscription en doctorat le 19/10/2022
• Etablissement(s) : CentraleSupélec
• Ecole(s) doctorale(s) : IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES
• Partenaire(s) de recherche : Laboratoire : Georgia Tech-Lorraine

Mots clés

Mots clés libres

Ia

Biodiversité

Indice

Ai

Biodiversity

Indicator

Résumé

Les objectifs de recherche de ce projet suivront les deux objectifs principaux du projet de recherche SmartBioDiv. 1. Objectif 1 - concevoir des méthodes d'IA optimisées pour la recherche sur la biodiversité : D'après notre expérience concernant les sciences des données en sciences de l'environnement, la plupart des applications doivent mettre en œuvre des méthodes d'apprentissage supervisé pour la régression ou la classification. Dans ce cadre, nous entendons aborder les 3 sous-objectifs suivants : Corrélation des données, Interpolation et extrapolation spatiales, Modèles spatio-temporels 2. Objectif 2 - concevoir des modèles d'IA hybrides.

The research objectives for this project will follow the two main objectives of the SmartBioDiv research project. 1. Objective 1 - designing AI methods optimized for biodiversity research: In our experience regarding data sciences in environmental sciences, most applications need to implement supervised learning methods for regressionor classification. Within this framework, we intend to address the following 3 sub-objectives : Data correlation, Spatial interpolation and extrapolation, Spatio-temporal models 2. Objective 2 - designing hybrid AI models.