Apprentissage automatique pour l'amélioration de la qualité de modèles

L'Intelligence Artificielle et le Machine Learning en particulier, apportent aujourd'hui de nouveaux outils adaptés à une démarche de modélisation, que ce soit en amont (conception et développement) ou en aval (simulation, interprétation, amélioration). Dans cette présentation, nous nous inscrivons dans ce contexte en abordant les travaux que nous réalisons au sein de l'équipe PhenoMEn du CIRAD pour améliorer la précision et la fidélité de nos modèles de plantes. Plus particulièrement, nous montrerons quels sont les éléments sur lesquels nous agissons ainsi que les techniques que nous déployons pour chacun d'eux : amélioration des paramètres en entrée (optimisation à base d'algorithmes génétiques, transformation à base de réseaux de neurones récurrents, prédiction à base de réseaux de neurones convolutionnels), amélioration des données en sortie (transformation à base de réseaux de neurones récurrents), amélioration automatique du modèle (modification des processus à base de programmation génétique et de réseaux de neurones récurrents).