Titre original :
Application de modèles d’apprentissage machine à la classification des macromycètes
Mots-clés en français :
- Intelligence artificielle
- apprentissage machine
- machine learning
- classification
- R
- champignons
- mycologie
- Champignons
- Systèmes d'aide à la décision
- Évaluation du risque
- Forêts d'arbres de décision
- Inventaires mycologiques
- Mycologie
- Intelligence artificielle
- Appréciation des risques
- Logiciel
- Arbres de décision
- Langue : Français
- Discipline : Pharmacie
- Identifiant : 2023ULILE159
- Type de thèse : Doctorat de pharmacie
- Date de soutenance : 09/11/2023
Résumé en langue originale
Cette étude propose de générer un lot synthétique de macromycètes, puis de le soumettre à différents types de modèles d’apprentissage machine supervisé (analyse discriminante linéaire, arbres décisionnels, forêts aléatoires) et d’évaluer leurs performances respectives dans des tâches de classification par critères de comestibilité, par familles, puis par espèces.
- Directeur(s) de thèse : Hamonier, Julien
AUTEUR
- Rihani, Emir Kaïs
Droits d'auteur : Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Accès libre