LogoLogo

Bonneau, Mathieu. Echantillonnage adaptatif optimal dans les champs de Markov, application à l'échantillonnage d'une espèce adventice

Bonneau, Mathieu (2012). Echantillonnage adaptatif optimal dans les champs de Markov, application à l'échantillonnage d'une espèce adventice.

[img]
Preview
PDF - nécessite un logiciel de visualisation PDF comme GSview, Xpdf or Adobe Acrobat Reader
1353Kb

Résumé en francais

Ce travail de thèse propose deux contributions: (i) la formalisation et la résolution approchée du problème d'échantillonnage adaptatif optimal dans les champs de Markov et (ii) la modélisation du problème d'échantillonnage d'une espèce adventice au sein d'une parcelle cultivée et la conception de stratégies d'échantillonnage adaptatives de cette espèce. Pour le premier point, nous avons d'abord formulé le problème du choix d'une stratégie d'échantillonnage adaptative optimale comme un Processus Décisionnel de Markov (PDM) à horizon fini. Nous avons ensuite proposé un algorithme de résolution approchée de tout PDM à horizon fini dont le modèle est connu. Cet algorithme, nommé Least Square Dynamic Programming (LSDP), combine les concepts de programmation dynamique et d'apprentissage par renforcement. Il a ensuite été adapté pour la conception de stratégies d'échantillonnage adaptatives pour tout type de champ de Markov et tout type de coût d'observation. En pratique, l'algorithme LSDP permet une résolution approchée de problèmes d'échantillonnage de plus grande taille qu'avec la plupart des algorithmes classiques d'apprentissage par renforcement. Pour le deuxième point, nous avons d'abord modélisé la répartition spatiale d'une espèce adventice à l'aide des champs de Markov. Un modèle de coût d'échantillonnage d'une espèce adventice a également été proposé. Ces deux modèles ont ensuite été utilisés pour concevoir de nouvelles stratégies d'échantillonnage adaptatives d'une espèce. Une étude sur données réelles a démontré la supériorité des stratégies adaptatives sur des stratégies statiques, classiquement utilisées en échantillonnage adventice.

Sous la direction du :
Directeur de thèse
Sabbadin, Régis
Peyrard, Nathalie
Gaba, Sabrina
Ecole doctorale:Mathématiques, informatique, télécommunications de Toulouse (MITT)
laboratoire/Unité de recherche :Unité de Biométrie et Intelligence Artificielle (BIA), INRA UR875 ; Agroécologie, UMR 1347
Mots-clés libres :Echantillonnage adaptatif - Champ de Markov - Processus décisionnel de Markov - Apprentissage par renforcement - Programmation dynamique - Batch - Adventice - Coût d'échantillonnage
Sujets :Mathématiques
Déposé le :24 Jun 2013 16:24