Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet fournit des outils et des jeux de données pour évaluer des modèles probabilistes appliqués à la recherche de similarité et à la classification de séries temporelles. Il inclut des scripts expérimentaux et des logs de performance pour comparer des algorithmes comme k-NN avec des distances euclidiennes ou DTW. Les résultats sont utilisés pour générer des graphiques et des figures dans le cadre de soumissions d'articles scientifiques, notamment pour le VLDB Journal.
- Ce projet développe des modèles de classification pour des séries temporelles, notamment issues de données satellitaires. Il permet d'analyser et de prédire des étiquettes ou des motifs dans des séquences de données multi-modales, comme des images satellites ou des séries temporelles environnementales. Les outils implémentés facilitent le prétraitement, l'entraînement et l'évaluation de modèles dédiés à la classification de ces données.
- RLA est une bibliothèque R dédiée à l'analyse et à la modélisation de données écologiques marines. Elle permet aux chercheurs et écologues de simuler des populations animales, d'évaluer des règles de gestion et de produire des indicateurs statistiques. Le projet intègre des modèles bayésiens avancés et des outils de visualisation pour faciliter l'interprétation des résultats. Les fonctionnalités couvrent l'analyse de séries temporelles, la modélisation de processus démographiques et la comparaison de scénarios de gestion.
- Ce projet développe des outils pour analyser et caractériser les sources sismiques à partir de données GNSS en utilisant des modèles d'apprentissage profond. Il permet de générer des séries temporelles synthétiques, d'entraîner des modèles de deep learning et d'évaluer leur performance sur des données réelles et simulées.
- Dailymet est un package R dédié à l'analyse des extrêmes de séries temporelles météorologiques quotidiennes, notamment les températures maximales. Il facilite la lecture et l'analyse de données climatiques via des modèles de dépassement de seuil (POT), avec une attention particulière sur les modèles à seuil variable dans le temps. L'outil permet de générer des résumés, des visualisations graphiques et des comparaisons de seuils pour évaluer la sensibilité des résultats. Il est particulièrement utile pour les climatologues et chercheurs en environnement.
- Projet dédié au traitement et à l'analyse automatisée d'images, combinant des techniques de vision par ordinateur et d'apprentissage automatique. Il permet d'extraire des métadonnées, de filtrer et transformer des images, et d'évaluer des modèles prédictifs. Les fonctionnalités incluent la détection de couleurs, la standardisation de données, et l'analyse de séries temporelles d'images. Le code source est conçu pour être réutilisable et modulaire.
- Ce projet propose des outils pour automatiser le traitement d'images et l'analyse de données. Il permet de convertir des images en vecteurs ou en séries temporelles, de détecter et corriger les valeurs manquantes dans des jeux de données, et de standardiser des données tabulaires. Les fonctionnalités incluent également la validation croisée de modèles prédictifs pour évaluer leur performance.
- GeoPlant est un jeu de données à grande échelle dédié à la prédiction spatiale des espèces végétales en Europe. Il combine plus de 5 millions d'observations de présence et 90 000 de présence-absence avec des données environnementales riches (imagerie satellite Sentinel-2, séries temporelles Landsat, climat CHELSA, rasters environnementaux). Ce projet vise à soutenir la recherche en biodiversité, l'observation de la Terre et l'apprentissage profond en fournissant des ressources structurées pour l'entraînement et l'évaluation de modèles.
- Notoriété 35 %FLAIR-HUB est une plateforme dédiée à la segmentation sémantique multimodale et multi-tâches d'images d'observation de la Terre. Elle propose un jeu de données à très haute résolution (20 cm) couvrant 2 528 km² de France, combinant six modalités alignées : imagerie aérienne, séries temporelles Sentinel-1/2, imagerie SPOT, données topographiques et images historiques. L'outil permet d'entraîner et d'évaluer des modèles d'apprentissage profond pour la cartographie des sols et des cultures, facilitant ainsi la compréhension et la gestion de l'environnement.
- Ce projet propose des outils de traitement d'images et d'analyse de données basés sur l'intelligence artificielle. Il permet de transformer des images en vecteurs ou en séries temporelles, d'identifier et de corriger les valeurs manquantes dans les jeux de données, et de standardiser des données pour des analyses ultérieures. Les fonctionnalités incluent également la validation croisée de modèles pour évaluer leur performance.
16 initiatives
10