Managing imprecision and inconsistency in robust combinatorial optimisation

The topic that we want to explore is to use rich uncertainty modelling tools to model uncertainty and manage inconsistencies
that can arise in robust combinatorial optimisation problems, be it in the preferences provided by the decision
maker (e.g., to obtain an objective function) or in the description of the optimisation instances (uncertain variables
or costs).En lire plus...

Thesis offers 2022/2023 – University of Corsica Pascal Paoli

The Call for applications for thesis offers for the year 2022/2023 is open until April 29, 2022 at 12 p.m.

Go to the Doctoral School website : ecole-doctorale.universita.corsica > banner > Thesis offers 2022/2023 and on your Digital Campus, « Doctoral School » section > Thesis offer.

Subjects concerning the Saphir project 

  • Sujet / Topic 1 :  Interprétabilité et explicabilité de méthodes d’apprentissage automatique pour la prévision météorologique et d’évènements intenses / Interpretability and explainability of machine learning methods for forecasting weather and intense events
    • Discipline / Field :  Informatique / Computer science
    • Directeur/Supervisor  : Christophe PAOLI – christophe.paoli[
En lire plus...

Interprétation granulaire de données hétérogènes et multivariées / Granular interpretation of heterogeneous and multivariate data

Descriptif détaillé de la thèse :

Contexte : Priorité du gouvernement français, la lutte contre le trafic de stupéfiants est, d’une part, un enjeu de santé publique, avec chaque année, dans le monde, en moyenne 168 000 décès directement causés par l’usage de la drogue, et, d’autre part, un enjeu de sécurité, puisqu’il entraîne une dégradation des conditions de vie et des violences dans les quartiers touchés.… En lire plus...

Système d’Intelligence Artificielle pour la surveillance, la prédiction et l’aide à la décision dans le suivi du bien-être Fœtal au cours du Travail (SIA-BEFoeT)

Le projet SIA-BEFoeT vise à développer des méthodes et des outils d’Intelligence Artificielle (IA) pour améliorer la détection des anomalies du rythme cardiaque fœtal pendant le travail afin de prédire et d’anticiper la survenue d’un événement grave chez le fœtus pouvant conduire au décès ou au transfert en réanimation néonatale pour encéphalopathie anoxo-ischémique.… En lire plus...

Artificial intelligence methods in Small Data for the optimization of derived materials and devices applied to organic and perovskite photovoltaic cells.

• Overview :

This thesis is part of an interdisciplinary project between artificial intelligence (AI) and materials for energy conversion for the optimization and acceleration of the production of devices for photovoltaic or solar energy. In this context, the research work will focus more particularly on the foundations of the management and analysis of small data sets.En lire plus...

MUltimodal DeEEp Fake detection using Text-To-Speech Synthesis, Voice Conversion and Lips Reading (MUDEEFA)

Résumé du sujet

Ces dernières années, la vérification automatique du locuteur (ASV pour Automatic Speaker Verification) est de plus en plus utilisée pour la biométrie vocale. La sécurisation de ces systèmes biométriques vocaux pour les applications du monde réel devient donc un enjeu majeur. Le problème que nous posons donc ici est celui de l’usurpation d’identité au travers d’une attaque sur un système d’identification biométrique basé sur la voix, et des contre-mesures qui pourraient être mise en oeuvre pour répondre à ces attaques.… En lire plus...

Analyse relationnelle de concepts sur un SGBD — Agrégation fondée sur des algèbres qualitatives

 

Beaucoup de données ont un caractère relationnel : données spatiales, temporelles, ou décrivant des liens entre individus. Elles nécessitent alors des approches spécifiques, incluant des techniques d’agrégation. Parmi ces approches, l’analyse relationnelle de concepts est dérivée de l’analyse de concepts formels, une méthode mathématique de classification, largement appliquée sur différents types de données de nombreux domaines.En lire plus...

Self-Supervised Learning for Anomaly Detection in Medical Neuroimaging

Scientific context

The vast majority of deep learning architectures for medical image analysis are based on supervised models requiring the collection of large datasets of annotated examples. Building such annotated datasets, which requires skilled medical experts, is time consuming and hardly achievable, especially for some specific tasks, including the detection of small and subtle lesions that are sometimes impossible to visually detect and thus manually outline.En lire plus...

Combining educational resources through graph representation learning

Context and motivation

 

There is a large number of publicly available learning resources. To combine these resources and create potential coherent sequences to achieve a specific learning goal is a challenging task for educators. Identifying resources to complete or complement an existing course also requires a considerable effort. At the same time, teachers and professors are confronted with the task of creating online courses within a very short time, in particular during the Covid sanitary crisis.En lire plus...