Modeling Animal Movements Using LSTM and Graph Theory: A Case Study of Modern Poultry Farming in Rural Sahelian Areas
ID：99
Submission ID：511 View Protection：ATTENDEE
Updated Time：2026-07-22 16:40:51
Hits：15
Online
Start Time：2026-07-31 12:25 （Asia/Kolkata）
Duration：15min
Session：[S6] Artificial Intelligence Use Cases » [S6-5] Artificial Intelligence Use Cases
Video
No Permission
Presentation File
Attachment File
Tips: The file permissions under this presentation are only for participants. You have not logged in yet and cannot view it temporarily.
Abstract
Prédire les déplacements des poules en milieu ouvert représente un défi majeur dans l'étude du comportement spatio-temporel, dans un contexte où les mouvements sont variables et souvent influencés par les interactions spatiales. Cette étude propose un modèle hybride GNN-LSTM conçu pour modéliser et estimer les trajectoires des poules à partir de données GPS. Ce modèle comprend un réseau de neurones graphiques (GNN), qui capture les liens spatiaux entre les individus grâce à une structure de graphe, et un réseau de mémoire à long terme (LSTM), utilisé pour appréhender les dépendances temporelles des déplacements. Après traitement, les données sont normalisées et organisées en séries temporelles avant la construction d'un graphe spatial basé sur la proximité entre les animaux. L'approche proposée dans cette étude pour l'analyse du comportement des poules a démontré son efficacité, comme en témoignent les résultats obtenus.
Keywords
Speaker
Comment submit