logo CRAS
Comptes Rendus. Mathématique

Programmation dynamique, Apprentissage statistique
Parameter Identification by Statistical Learning of a Stochastic Dynamical System Modelling a Fishery with price variation
[Identification de paramètre par apprentissage statistique dans un système dynamique modélisant un site de pêche à prix variable]
Comptes Rendus. Mathématique, Tome 358 (2020) no. 3, pp. 245-253.

Dans cette courte note nous étudions les performances de l’apprentissage statistique par réseau de neurones pour l’identification des paramètres d’un modèle de pêche. L’idée est d’observer la pêche pendant quelques jours et d’en déduire les paramètres du modèle et donc la biomasse de poisson sur le long terme.

In this short paper we report on an inverse problem for parameter setting of a model used for the modelling of fishing on the West African coast. We compare the solution of this inverse problem by a Neural Network with the more classical algorithms of optimisation and stochastic control. The Neural Network does much better.

Reçu le :
Accepté le :
Publié le :
DOI : https://doi.org/10.5802/crmath.2
Classification : 93E20
@article{CRMATH_2020__358_3_245_0,
     author = {Pierre Auger and Olivier Pironneau},
     title = {Parameter {Identification} by {Statistical} {Learning} of a {Stochastic} {Dynamical} {System} {Modelling} a {Fishery} with price variation},
     journal = {Comptes Rendus. Math\'ematique},
     pages = {245--253},
     publisher = {Acad\'emie des sciences, Paris},
     volume = {358},
     number = {3},
     year = {2020},
     doi = {10.5802/crmath.2},
     language = {en},
}
Pierre Auger; Olivier Pironneau. Parameter Identification by Statistical Learning of a Stochastic Dynamical System Modelling a Fishery with price variation. Comptes Rendus. Mathématique, Tome 358 (2020) no. 3, pp. 245-253. doi : 10.5802/crmath.2. https://comptes-rendus.academie-sciences.fr/mathematique/articles/10.5802/crmath.2/

[1] T. Brochier; P. Auger; D. Thiao; A. Bah; S. Ly; T. Nguyen Huu; P. Brehmer Can overexploited fisheries recover by self-organization? Reallocation of the fishing effort as an emergent form of governance, Marine Policy, Volume 95 (2018), pp. 46-56 | Article

[2] François Chollet Deep learning with Python, Manning publications, 2017

[3] Ian Goodfellow; Yoshua Bengio; Aaron Courville Deep Learning, MIT Press, 2016 (http://www.deeplearningbook.org) | Zbl 1373.68009

[4] Frédéric Hecht New development in FreeFem++, J. Numer. Math., Volume 20 (2012) no. 3-4, pp. 251-265 | MR 3043640 | Zbl 1266.68090

[5] Mathieu Laurière; Olivier Pironneau Dynamic programming for mean-field type control, J. Optim. Theory Appl., Volume 169 (2016) no. 3, pp. 902-924 | Article | MR 3501391 | Zbl 1342.35420