Artificial intelligence and conservation / Fei Fang (2019)

Public ISBD Titre : Artificial intelligence and conservation Type de document : texte imprimé Auteurs : Fei Fang, Éditeur scientifique Editeur : Cambridge : Cambridge University Press Année de publication : 2019 Collection : Artificial intelligence for social good Importance : X, 236 p. Présentation : ill. Format : 23 cm ISBN/ISSN/EAN : 978-1-108-46473-4 Note générale : Références bibliographiques. - Glossaire. - Index Langues : Anglais (eng) Mots-clés : Artificial intelligence Intelligence artificielle Index. décimale : 004.383.8 Intelligence artificielle Résumé : With the increasing public interest in artificial intelligence (AI), there is also increasing interest in learning about the benefits that AI can deliver to society. This book focuses on research advances in AI that benefit the conservation of wildlife, forests, coral reefs, rivers, and other natural resources. It presents how the joint efforts of researchers in computer science, ecology, economics, and psychology help address the goals of the United Nations' 2030 Agenda for Sustainable Development. Written at a level accessible to conservation professionals and AI researchers, the book offers both an overview of the field and an in-depth view of how AI is being used to understand patterns in wildlife poaching and enhance patrol efforts in response, covering research advances, field tests and real-world deployments. The book also features efforts in other major conservation directions, including protecting natural resources, ecosystem monitoring, and bio-invasion management through the use of game theory, machine learning, and optimization. Note de contenu : Au sommaire : 1. Introduction Part I. 2 - Law Enforcement for Wildlife Conservation 3 - Wildlife Poaching Forecasting Based on Ranger–Collected Data and Evaluation through Field Tests 4 - Optimal Patrol Planning Against Black-Box Attackers 5 - Automatic Detection of Poachers and Wildlife with UAVs Part II 6 - Protecting Coral Reef Ecosystems via Efficient Patrols 7 - Simultaneous Optimization of Strategic and Tactical Planning for Environmental Sustainability and Securitypp 8 - NECTAR: Enforcing Environmental Compliance through Strategically Randomized Factory Inspections 9 - Connecting Conservation Research and Implementation: Building aWildfire Assistant 10 - Probabilistic Inference with Generating Functions for Animal Populations 11 - Engaging Citizen Scientists in Data Collection for Conservation 12 - Simulator-Defined Markov Decision Processes: A Case Study in Managing Bio-invasions Artificial intelligence and conservation [texte imprimé] / Fei Fang, Éditeur scientifique . - Cambridge : Cambridge University Press, 2019 . - X, 236 p. : ill. ; 23 cm. - (Artificial intelligence for social good) . ISBN : 978-1-108-46473-4 Références bibliographiques. - Glossaire. - Index Langues : Anglais (eng) Mots-clés : Artificial intelligence Intelligence artificielle Index. décimale : 004.383.8 Intelligence artificielle Résumé : With the increasing public interest in artificial intelligence (AI), there is also increasing interest in learning about the benefits that AI can deliver to society. This book focuses on research advances in AI that benefit the conservation of wildlife, forests, coral reefs, rivers, and other natural resources. It presents how the joint efforts of researchers in computer science, ecology, economics, and psychology help address the goals of the United Nations' 2030 Agenda for Sustainable Development. Written at a level accessible to conservation professionals and AI researchers, the book offers both an overview of the field and an in-depth view of how AI is being used to understand patterns in wildlife poaching and enhance patrol efforts in response, covering research advances, field tests and real-world deployments. The book also features efforts in other major conservation directions, including protecting natural resources, ecosystem monitoring, and bio-invasion management through the use of game theory, machine learning, and optimization. Note de contenu : Au sommaire : 1. Introduction Part I. 2 - Law Enforcement for Wildlife Conservation 3 - Wildlife Poaching Forecasting Based on Ranger–Collected Data and Evaluation through Field Tests 4 - Optimal Patrol Planning Against Black-Box Attackers 5 - Automatic Detection of Poachers and Wildlife with UAVs Part II 6 - Protecting Coral Reef Ecosystems via Efficient Patrols 7 - Simultaneous Optimization of Strategic and Tactical Planning for Environmental Sustainability and Securitypp 8 - NECTAR: Enforcing Environmental Compliance through Strategically Randomized Factory Inspections 9 - Connecting Conservation Research and Implementation: Building aWildfire Assistant 10 - Probabilistic Inference with Generating Functions for Animal Populations 11 - Engaging Citizen Scientists in Data Collection for Conservation 12 - Simulator-Defined Markov Decision Processes: A Case Study in Managing Bio-invasions

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Etat_Exemplaire
058848	004.383.8 ART	Papier	Bibliothèque Centrale	Informatique	Disponible	Consultation sur place

Introduction au deep learning / Eugene Charniak (2021)

Public ISBD Titre : Introduction au deep learning Type de document : texte imprimé Auteurs : Eugene Charniak, Auteur ; Anne Bohy, Traducteur Editeur : Paris ; Malakoff : Dunod Année de publication : 2021 Importance : X, 162 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-10-081926-3 Note générale : Public : L3, masters informatique ou mathématiques appliquées, élèves ingénieurs Titre original : Introduction to deep learning Bibliogr. p. 153-155. - Index Langues : Français (fre) Mots-clés : Apprentissage profond Intelligence artificielle Index. décimale : 004.383.8 Intelligence artificielle Résumé : Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs. L'apprentissage profond (deep learning) a révolutionné l'intelligence artificielle et s'est très rapidement répandu dans de nombreux domaines d'activité. Grâce à une approche "orientée projet", ce livre a pour but d'expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu'aux réseaux non supervisés. Conçu comme un manuel d'apprentissage synthétique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement. Ces exemples sont étudiés avec le logiciel TensorFlow. Les notions théoriques sont illustrées et complétées par une quarantaine d'exercices, dont la moitié sont corrigés. Note de contenu : Au sommaire : 1. Réseaux de neurones à propagation avant 2. Tensorflow 3. Réseaux de neurones convolutifs 4. Prolongements des mots et réseaux de neurones récurrents 5. Apprentissage séquences à séquences 6. Apprentissages par renforcement profond 7. Modèles de réseaux de neurones non supervisés Introduction au deep learning [texte imprimé] / Eugene Charniak, Auteur ; Anne Bohy, Traducteur . - Paris ; Malakoff : Dunod, 2021 . - X, 162 p. : ill. ; 24 cm. ISBN : 978-2-10-081926-3 Public : L3, masters informatique ou mathématiques appliquées, élèves ingénieurs Titre original : Introduction to deep learning Bibliogr. p. 153-155. - Index Langues : Français (fre) Mots-clés : Apprentissage profond Intelligence artificielle Index. décimale : 004.383.8 Intelligence artificielle Résumé : Cet ouvrage s'adresse aux étudiants en fin de licence et en master d'informatique ou de maths appliquées, ainsi qu'aux élèves ingénieurs. L'apprentissage profond (deep learning) a révolutionné l'intelligence artificielle et s'est très rapidement répandu dans de nombreux domaines d'activité. Grâce à une approche "orientée projet", ce livre a pour but d'expliquer les bases du deep learning, depuis les réseaux de neurones à propagation avant jusqu'aux réseaux non supervisés. Conçu comme un manuel d'apprentissage synthétique, avec cours et exercices, il s'appuie sur des exemples dans des domaines comme la vision par ordinateur, la compréhension des langages naturels ou l'apprentissage par renforcement. Ces exemples sont étudiés avec le logiciel TensorFlow. Les notions théoriques sont illustrées et complétées par une quarantaine d'exercices, dont la moitié sont corrigés. Note de contenu : Au sommaire : 1. Réseaux de neurones à propagation avant 2. Tensorflow 3. Réseaux de neurones convolutifs 4. Prolongements des mots et réseaux de neurones récurrents 5. Apprentissage séquences à séquences 6. Apprentissages par renforcement profond 7. Modèles de réseaux de neurones non supervisés

Réservation

Réserver ce document

Exemplaires (2)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Etat_Exemplaire
058895	004.383.8 CHA	Papier	Bibliothèque Centrale	Informatique	Disponible	En bon état
058896	004.383.8 CHA	Papier	Bibliothèque Centrale	Informatique	Disponible	Consultation sur place

Journées francophones sur les systèmes multi-agents / Journées francophones sur les systèmes multi-agents (15 ; 2007 ; Carcassonne) (2007)

Public ISBD Titre : Journées francophones sur les systèmes multi-agents : modèles de comportements : actes des JFSMA '07, 17-19 octobre 2007, Carcassonne Type de document : texte imprimé Auteurs : Journées francophones sur les systèmes multi-agents (15 ; 2007 ; Carcassonne), Auteur ; Valérie Camps, Directeur de publication ; Philippe Mathieu, Directeur de publication Editeur : Toulouse : Cépaduès-Editions Année de publication : 2007 Importance : XI, 255 p. Présentation : ill. Format : 24 cm ISBN/ISSN/EAN : 978-2-85428-796-7 Note générale : Titre de couv. :"Systèmes multi-agents : modèles de comportements" Notes bibliogr. - Index. - Résumés en français et en anglais Langues : Français (fre) Mots-clés : Intelligence artificielle répartie -- Congrès Traitement réparti -- Congrès Index. décimale : 004.383.8 Intelligence artificielle Résumé : Le domaine des Systèmes Multi-Agents (SMA) rassemble les travaux qui portent sur la conception d'organisations d'agents artificiels autonomes, capables d'agir sur leur environnement physique et social, et d'interagir pour accomplir collectivement leurs tâches. Il propose de ce fait, des théories, des technologies et des méthodes qui concernent : L'ingénierie de systèmes informatiques complexes, décentralisés et ouverts ; La résolution de problèmes par la coordination efficace d'opérations distribuées ; La modélisation et la simulation de systèmes sociaux ou naturels afin de comprendre et d'éventuellement réutiliser leur comportement. Les Journées Francophones sur les Systèmes Multi-Agents (JFSMA) sont le rendez-vous annuel de la communauté des chercheurs francophones travaillant dans ce domaine. Placées sous le signe de la convivialité et de l'interdisciplinarité, ces journées sont ouvertes vers d'autres disciplines (intelligence artificielle, vie artificielle, sciences humaines, systèmes distribués ou génie logiciel) et vers les entreprises et les organismes de recherche privés. Cette conférence constitue un lieu privilégié d'échanges scientifiques et technologiques réunissant à chaque édition une centaine de participants. Chaque année, un thème privilégié est proposé. Il concerne cette fois les modèles de comportements, la manière de les représenter, de les implémenter, de les évaluer et de les simuler. Le présent ouvrage rassemble les contributions sélectionnées pour la quinzième édition des JFSMA, qui a eu lieu à Carcassonne du 17 au 19 octobre 2007. Note de contenu : Au sommaire : 1. Avant-propos 2. Conférenciers invités 3. Auto-organisation 4. Auto-adaptation 5. Modèles organisationnels & normatifs 6. Simulation 7. Agents-modèles pour la co-construction de simulation multi-modèles -application aux écosystèmes exploités 8. Coordination & Communication 9. Modèles d'agents Journées francophones sur les systèmes multi-agents : modèles de comportements : actes des JFSMA '07, 17-19 octobre 2007, Carcassonne [texte imprimé] / Journées francophones sur les systèmes multi-agents (15 ; 2007 ; Carcassonne), Auteur ; Valérie Camps, Directeur de publication ; Philippe Mathieu, Directeur de publication . - Toulouse : Cépaduès-Editions, 2007 . - XI, 255 p. : ill. ; 24 cm. ISBN : 978-2-85428-796-7 Titre de couv. :"Systèmes multi-agents : modèles de comportements" Notes bibliogr. - Index. - Résumés en français et en anglais Langues : Français (fre) Mots-clés : Intelligence artificielle répartie -- Congrès Traitement réparti -- Congrès Index. décimale : 004.383.8 Intelligence artificielle Résumé : Le domaine des Systèmes Multi-Agents (SMA) rassemble les travaux qui portent sur la conception d'organisations d'agents artificiels autonomes, capables d'agir sur leur environnement physique et social, et d'interagir pour accomplir collectivement leurs tâches. Il propose de ce fait, des théories, des technologies et des méthodes qui concernent : L'ingénierie de systèmes informatiques complexes, décentralisés et ouverts ; La résolution de problèmes par la coordination efficace d'opérations distribuées ; La modélisation et la simulation de systèmes sociaux ou naturels afin de comprendre et d'éventuellement réutiliser leur comportement. Les Journées Francophones sur les Systèmes Multi-Agents (JFSMA) sont le rendez-vous annuel de la communauté des chercheurs francophones travaillant dans ce domaine. Placées sous le signe de la convivialité et de l'interdisciplinarité, ces journées sont ouvertes vers d'autres disciplines (intelligence artificielle, vie artificielle, sciences humaines, systèmes distribués ou génie logiciel) et vers les entreprises et les organismes de recherche privés. Cette conférence constitue un lieu privilégié d'échanges scientifiques et technologiques réunissant à chaque édition une centaine de participants. Chaque année, un thème privilégié est proposé. Il concerne cette fois les modèles de comportements, la manière de les représenter, de les implémenter, de les évaluer et de les simuler. Le présent ouvrage rassemble les contributions sélectionnées pour la quinzième édition des JFSMA, qui a eu lieu à Carcassonne du 17 au 19 octobre 2007. Note de contenu : Au sommaire : 1. Avant-propos 2. Conférenciers invités 3. Auto-organisation 4. Auto-adaptation 5. Modèles organisationnels & normatifs 6. Simulation 7. Agents-modèles pour la co-construction de simulation multi-modèles -application aux écosystèmes exploités 8. Coordination & Communication 9. Modèles d'agents

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité	Etat_Exemplaire
052981	004.383.8 JOU	Papier	Bibliothèque Centrale	Informatique	Disponible	Consultation sur place