Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Les producteurs laitiers reçoivent chaque mois de leur agence de contrôle laitier une quantité considérable de données (rendements de chaque vache, résultats de tests de laboratoire sur des échantillons de lait, données de régie d'élevage, etc.). Ces données, après une analyse approfondie par les producteurs et leurs conseillers, peuvent être très utiles pour le diagnostic de problèmes de régie. Cependant, de telles analyses nécessitent beaucoup de temps et d'expertise, et gagneraient à être faites en partie par des systèmes informatiques d'aide à la décision. Ces systèmes effectueraient un traitement préalable des données et agiraient comme filtre pour, par exemple, mettre en évidence les problèmes jugés les plus importants. Un programme de recherche a été amorcé afin d'évaluer le rôle que pourraient jouer les mathématiques floues dans le développement de tels outils de diagnostic. Cette présentation porte spécifiquement sur la fuzzification des données individuelles de production (i.e., rendements laitiers et persistance de chaque vache) à l'aide de méthodes conventionnelles et à l'aide de réseaux de neurones artificiels (RNA). Les équivalents flous (de données de production) utilisés dans cette étude ont été recueillis auprès de deux spécialistes du Programme d'Analyse des Troupeaux Laitiers du Québec. Les facteurs à considérer lors de l'apprentissage des RNA, ainsi que les avantages et limites associés à leur emploi dans ce contexte, sont présentés et discutés.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.