UMR CNRS 7253

Outils du site

fr:recherche

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision		Révision précédente
fr:recherche [2009/01/12 16:56] – quostbenfr:recherche [2016/02/05 12:19] (Version actuelle) – [Propositions de sujets de thèse] quostben
Ligne 1: Ligne 1:
  
 +====== Activités de recherche ======
  
-====== Thèse de doctorat ======+Apprentissage supervisé et non supervisé à partir de données imparfaites ; apprentissage non-supervisé avec introduction de connaissance //a priori//. 
  
 +Représentation des connaissances imparfaites ; prise en compte de l'incertitude dans les systèmes de décision. 
  
 +Combinaison de classifieurs, fusion d'informations. 
  
-===== Cadre de recherche ===== 
  
-Le travail réalisé se situe dans le cadre de la reconnaissance des formes. +====== Encadrements de recherche ======
  
-Il est à la croisée de deux domaines : la classification supervisée, qui consiste à entraîner un classifieur à reconnaître le type d'un phénomène observé, et la représentation des connaissances imparfaites.  
  
-Plus précisément, je me suis attaché à étudier la combinaison de classifieurs dans le cadre de la théorie des fonctions de croyance, un formalisme permettant de représenter de telles connaissances.  
  
 +===== Doctorants =====
  
 +**Djalil Ourabah [2013-2016, thèse CIFRE UTC/Renault]** \\ 
 +«Prédiction énergétique d’un parcours automobile pour réduire la consommation de carburant des véhicules hybrides rechargeables.» \\ 
 +Co-direction : Thierry Denœux (Heudiasyc, UTC), Benjamin Quost (Heudiasyc, UTC), Atef Gayed (Renault) 
  
-===== Informations pratiques =====+**Xun Wang [2011-2014, allocation Collegium UTC/CNRS-INSIS]** \\  
 +«Identification et localisation de sources acoustiques par apprentissage de modèles de mélange et prise en compte de l’incertitude de propagation.» \\  
 +Co-direction : Jérôme Antoni (LVA, INSA Lyon) et Jean-Daniel Chazot (Roberval, UTC) 
  
-== Titre == +**Dingfu Zhou [2011-2014, allocation China Scolarship Council]** \\  
-Combinaison de classifieurs binaires dans le cadre de la théorie des fonctions de croyance. +«Perception multimodale basée vision-3D et classification de données imprécises et incertaines pour l'analyse de scènes dynamiques.» \\  
 +Co-direction : Vincent Frémont (Heudiasyc, UTC) 
  
-== Mots-Clés == +**Violaine Antoine [2008-2011, allocation de recherche MENRT]** \\  
-  * Reconnaissance des formes, apprentissage statistique, classification ;  +«Intégration de connaissances //a priori// en classification automatique.» \\  
-  * combinaison de classifieurs, fusion de classifieurs, fusion d'informations ;  +Co-direction : Mylène Masson (Heudiasyc, UTC) 
-  * théorie des fonctions de croyance, théorie de Dempster-Shafer, Modèle des Croyances Transférables ;  +
-  * modélisation des connaissances imparfaites (imprécises, incertaines). +
  
-== Directeurs == 
-[[http://www.hds.utc.fr/~tdenoeux|Thierry Denœux]], Professeur à l'Université de Technologie de Compiègne ; \\  
-[[http://www.hds.utc.fr/~masson|Marie-Hélène Masson]], Maître de Conférences HdR à l'Université de Picardie Jules Verne.  
  
-== Mode de financement == +===== Étudiants de master =====
-Allocataire de recherches MENRT, \\  +
-moniteur (CIES Nord—Pas-de-Calais—Picardie). +
  
----- +**Bernard Laval [printemps 2011]** \\  
-== Thèse soutenue le 30 novembre 2006, devant le jury composé de : == +«Étude des méthodes de classification pour la détection d'obstacles par stéréovision.» \\  
-  * Alain Appriou, Directeur de Recherches à l'ONERA,  +Laboratoire Heudiasyc, UMR UTC-CNRS 6599 (co-encadrant : Vincent Frémont) 
-  * Florence d'Alché-Buc, Professeur à l'Université d'Evry — Val d'Essonne,  +
-  * Thierry Denœux, Professeur à l'Université de Technologie de Compiègne,  +
-  * Gérard Govaert, Professeur à l'Université de Technologie de Compiègne,  +
-  * Marie-Hélène Masson, Maître de Conférences HdR à l'Université de Picardie Jules Verne,  +
-  * Patrick Vannoorenberghe, Maître de Conférences à l'Université Paul Sabatier de Toulouse. +
  
-** [[http://www.utc.fr/univ_utc/communique000117f1.php|Thèse récompensée par le prix de thèse Guy Deniélou 2007]] **+**Julien Hirel [printemps 2008]** \\  
 +«Apprendre à prédire un événement dans une tâche de navigation autonome.» \\  
 +Laboratoire ETIS, UMR CNRS 8051 (Encadrant : Philippe Gaussier) 
  
----- 
-== Téléchargements == 
  
-{{fr:2006_these.pdf|Mémoire de thèse}}, et {{fr:2006_soutenance.pdf|transparents de la soutenance}}  
  
- +====== Propositions de sujets de thèse ======
- +
-===== Résumé ===== +
-La résolution d'un problème de reconnaissance des formes nécessite de construire un classifieur de complexité adaptée. L'apprentissage de ce classifieur peut donc devenir coûteux pour des problèmes difficiles à traiter — dont le nombre de classes élevé, ou dont les classes sont difficiles à séparer. \\  +
-Plutôt que de construire un unique classifieur complexe, il est possible de décomposer le problème considéré en sous-problèmes plus simples à traiter. Chaque sous-problème peut ainsi être résolu au moyen d'un classifieur. La combinaison des solutions ainsi obtenues permet de résoudre le problème global.  +
- +
-Nous avons étudié la combinaison de classifieurs binaires dans le cadre de la théorie des fonctions de croyance. Ce formalisme non-probabiliste de représentation et de manipulation des connaissances permet notamment de représenter des informations définies sur des référentiels différents. \\  +
-Un classifieur binaire n'a qu'une connaissance limitée du problème de classification global ; il semble donc particulièrement intéressant d'interpréter ses sorties comme des fonctions de croyance, de manière à modéliser leur caractère incomplet avant de procéder à leur combinaison.  +
- +
-Nous avons considéré différents schémas de décomposition d'un problème de classification multi-classes — une-contre-une, une-contre-toutes, et codes correcteurs d'erreurs ; pour chacun, un classifieur fournit une fonction de croyance dont le caractère incomplet est modélisé par son domaine de définition. \\  +
-Les classifieurs sont combinés en recherchant une fonction de croyance, définie sur le référentiel correspondant au problème global, qui est la plus proche possible de leurs sorties.  +
- +
- +
-{{  fr:napping_01.gif | Le biotope du thésard  }} +
- +
- +
- +
-====== Mémoire de master ====== +
- +
- +
- +
-===== Informations pratiques ===== +
- +
-Stage réalisé sous la direction de [[http://www.hds.utc.fr/~tdenoeux|Thierry Denœux]], au sein du [[http://www.hds.utc.fr/|laboratoire HeuDiaSyC]], en collaboration avec la société [[http://www.rhea.tm.fr/|RHEA]].  +
- +
- +
-===== Résumé ===== +
- +
-Le programme CALAMAR a été développé par la société [[http://www.rhea.tm.fr/|RHEA]] pour effectuer le calcul précis des précipitations sur des bassins versants à partir de données radar et pluviométriques.  +
-Ce calcul passe par une analyse d'images radar, permettant notamment de se prêter à une étude précise de l'évolution de la pluie au cours d'un événement pluvieux.  +
- +
-CALAMAR traite des images acquises par un radar à différents instants. Pour deux images +
-successives, les échos correspondant aux cellules de pluie sont tout d'abord identiés, puis appariés d'une image à l'autre : le programme associe si possible à un écho de l'image à l'instant t un écho de l'image à l'instant t+δt. Le vecteur vitesse correspondant au déplacement est ensuite évalué à partir de cet appariement.  +
- +
-Naturellement, la manière de déterminer l'origine et l'extrémité du vecteur vitesse conditionne la " reconstruction " du déplacement, et par conséquent influe sur la modélisation du déplacement de la pluie. Deux méthodes de détermination du vecteur vitesse ont été proposées :  +
-  - La méthode du centre de gravité consiste à représenter un écho par centre de gravité, de manière à disposer d'un couple de points définissant les extrémités du vecteur vitesse.  +
-  - La méthode de corrélation croisée consiste à superposer à l'écho observé sur l'image à l'instant t+δt l'écho observé sur l'image à l'instant t (par translation de ce dernier), en recherchant la superposition maximisant la corrélation entre les deux échos.  +
- +
-La seconde méthode constitue a priori une solution aux problèmes liés à l'évolution de la densité des échos : cette densité n'étant pas homogène, sa variation induit un déplacement du centre de gravité de l'écho, et peut donc introduire un biais dans le calcul du vecteur vitesse.  +
- +
-Les objectifs de l'étude réalisée étaient : +
-  * de compléter cette évaluation par une analyse quantitative basée sur différents critères de comparaison, voire en l'appuyant par une analyse visuelle de graphiques, +
-  * d'analyser les événements pour lesquels une éventuelle dégradation des performances par la méthode de corrélation croisée serait observée, afin d'en déterminer les causes. +
  
  

Outils de la page

Outils pour utilisateurs

fr/recherche.1231775809.txt.gz · Dernière modification : 2009/12/18 17:14 (modification externe)
Mentions légales