Méthodes probabilistes d'apprentissage profond avec a priori physiques de représentations interprétables
Résumé
Nous proposons une méthodologie d'apprentissage profond, intégrant des contraintes physiques, de représentation latentes probabilistes et interprétables, sémantiquement liées aux paramètres de modèles physiques. La méthode est appliquée à des images satellitaires optiques pour estimer des métriques de phénologie de végétation.
Domaines
Intelligence artificielle [cs.AI]
Origine : Fichiers produits par l'(les) auteur(s)
Licence : CC BY - Paternité
Licence : CC BY - Paternité