En savoir plus

Pour accélérer et fiabiliser le développement de simulations en épidémiologie, nous avons utilisé des méthodes d'intelligence artificielle pour expliciter la structure des modèles et réduire la part de code à écrire. Appliquée d'abord à des modèles intra- et inter-troupeaux pour une zoonose animale, cette approche logicielle générique permet de couvrir des besoins récurrents en modélisation des maladies transmissibles dans les populations hôtes.

Références bibliographiques :

Picault S., Huang Y.-L., Sicard V., Ezanno P. (2017) "Enhancing Sustainability of Complex Epidemiological Models through a Generic Multilevel Agent-based Approach", Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI), p. 374-380, AAAI. DOI: 10.24963/ijcai.2017/53

Picault S., Huang Y.-L., Sicard V., Beaudeau F., Ezanno P. (2017) "A Multi-Level Multi-Agent Simulation Framework in Animal Epidemiology", Proceedings of the 15th International Conference on Practical Applications of Agents and Multi-Agent Systems (PAAMS), p. 209-221, Springer LNCS 10349. DOI: 10.1007/978-3-319-59930-4_17

Picault S., Huang Y.-L., Sicard V., Hoch T., Vergu E., Beaudeau F., Ezanno P. (2017, soumis) "A Generic Multi-Level Modelling and Simulation Approach in Computational Epidemiology", Journal of the Royal Society Interface.

Lien vers le blog INRA national : http://2025.inra.fr/3perf/Billets/SA-Faits-marquants-2017-contribution-a-OpenScience-3-et-2-et-a-3Perf-2-Des-methodes-d-intelligence-artificielle-pour-la-conception-et-la-simulation-de-modeles-epidemiologiques-multi-echelles-en-sante-animale-TSitre/