HAL will be down for maintenance from Friday, June 10 at 4pm through Monday, June 13 at 9am. More information
Skip to Main content Skip to Navigation
Conference papers

De la simulation de construction collective à la détection de régions dans des images à niveaux de gris : l'inspiration des araignées sociales

Christine Bourjot 1 Vincent Chevrier 1
1 MAIA - Autonomous intelligent machine
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Résumé : Les phénomènes collectifs en biologie sont une source d'inspiration pour proposer des méthodes multi-agents de résolution de problèmes. Ils permettent l'élaboration de comportements individuels simples produisant collectivement des phénomènes complexes. Cet article expose la démarche de transposition que nous avons suivie pour passer d'un modèle de simulation à un modèle de résolution. Le cadre biologique initial concerne un processus de construction collective de toile chez les araignées sociales. Sa transposition concerne la détection de régions dans des images à niveau de gris
Mots-clés : region detection reactive muli-iagent systems biological inspiration inspiration biologique détection de régions système multi-agent réactif
Document type :
Conference papers
Complete list of metadata
https://hal.inria.fr/inria-00100466
Contributor : Publications Loria Connect in order to contact the contributor
Submitted on : Tuesday, September 26, 2006 - 2:45:59 PM
Last modification on : Wednesday, February 2, 2022 - 3:51:30 PM

Identifiers

  • HAL Id : inria-00100466, version 1

Collections

INRIA | CNRS | INRIA2 | LORIA | UNIV-LORRAINE

Citation

Christine Bourjot, Vincent Chevrier. De la simulation de construction collective à la détection de régions dans des images à niveaux de gris : l'inspiration des araignées sociales. Journées Francophones sur l'IAD et les SMA, 2001, Montréal, Canada. ⟨inria-00100466⟩

Export

BibTeX TEI DC DCterms EndNote Datacite

Share

Metrics

Record views

105

 

Contact                    Legal Notice                    Personal Data