Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Défis technologiques >> Data intelligence dont Intelligence Artificielle
8 proposition(s).

Toutes les offres [+]

IA embarquée pour l'interprétation sémantique d'un modèle d'environnement probabiliste

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Infrastructure et Ateliers Logiciels pour Puces

Master de recherche ou diplome d'ingénieur

01-10-2020

SL-DRT-20-0291

tiana.rakotovao@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

Dans le cadre général du véhicule autonome, la problématique de perception et modélisation de l'environnement est primordiale. Comment représenter l'environnement immédiat du véhicule ? Comment détecter et identifier les différents obstacles ? Les zones libres, praticables et sécurisées pour le véhicule ? Comment prédire l'état de l'environnement à un instant futur ? Quelle combinaison de capteurs est optimale pour parvenir à une modélisation et description exhaustive de l'environnement ? Aujourd'hui ces questions ont toutes des ébauches de réponses, mais restent ouvertes. La contrainte de l'embarquabilité des solutions proposées est par ailleurs très forte, et est aujourd'hui au c?ur des préoccupations du CEA. Quels traitements des données capteurs sont envisageables en embarqués ? Le formalisme de Grille d'Occupation présente plusieurs avantages pour représenter et modéliser l'environnement d'un véhicule. Plusieurs capteurs de modalité différentes viennent alimenter la grille, chaque modalité apportant une information spécifique. L'infra-rouge est ainsi particulièrement efficace de nuit, le lidar particulièrement performant pour voir à 360° mais est limité en conditions d'intempéries auquel cas un radar sera plus adapté. A contrario l'ultrason est souvent utilisé pour analyser les très faibles distances. Des méthodes basées sur la fusion bayésienne ont été développées au sein du CEA pour produire SigmaFusion, un outil permettant de fusionner les informations issues de différents capteurs et de produire une grille d'occupation évoluant au cours du temps. L'un des points forts de SigmaFusion réside en l'optimisation calculatoire, rendant ainsi la technologie particulièrement efficace et compétitive sous de fortes contraintes d'intégration embarquée (intégration bas-coût et basse consommation sur des microcontrôleurs qualifiés pour les tâches critiques pour l'automobile). Une question actuellement en cours de développement consiste à utiliser des méthodes embarquées d'intelligence artificielle afin d'analyser la sémantique des grilles d'occupation. Quelles sémantiques pourront être estimées en appliquant des méthodes IA sur des successions de grilles d'occupation ? Peut-on détecter automatiquement, en temps réel, et à faible coût énergétique et calculatoire les objets évoluant dans la scène (piétons, cycliste, voitures, etc.) ? Cette question et le développement des solutions adaptées sont le sujet de cette thèse.

Télécharger l'offre (.zip)

Apprentissage robuste et distribué de flux de données basé sur des systèmes multi-agents dans un environnement collaboratif

Département Métrologie Instrumentation et Information (LIST)

Laboratoire Intelligence Artificielle et Apprentissage Automatique

Ingenieur/Master 2 en Artificial Intelligence (Machine Learning) avec de bonnes compétences en programmation

01-09-2019

SL-DRT-20-0665

sandra.garciarodriguez@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

Actuellement, les flux de données sont présents dans de plus en plus d'applications et de domaines où la réactivité et la vitesse sont primordiales. Des axes de recherche ouverts concernent la création et le traitement de ces flux, en particulier dans des environnements distribués, hétérogènes et collaboratifs. En effet, les systèmes existants ne disposent généralement pas des moyens nécessaires pour collaborer, négocier, partager ou valider des flux de données dans ce type d'environnements hétérogènes. Les systèmes multi-agents donnent accès à certaines de ces fonctionnalités, mais il reste cependant encore beaucoup à faire pour les adapter aux caractéristiques des flux de données. L'objectif principal du sujet proposé consiste à utiliser des agents collaboratifs pour gérer des flux de données et faire face à différents défis tels que la gestion de flux non synchronisés provenant de différentes sources, l'augmentation de la robustesse des modèles en ligne qui traitent de tels flux (pour les rendre robustes à des modifications inattendues de l'environnement) et la génération de nouvelles métriques pour évaluer les besoins mentionnés précédemment. Ce travail s'appuiera sur la plateforme "Streamer" déjà existante dans le laboratoire.

Télécharger l'offre (.zip)

Spécification formelle des algorithmes d'apprentissage machine

Département Ingénierie Logiciels et Systèmes (LIST)

Laboratoire pour la Sûreté du Logiciel

Master 2 IA ou methodes formelles

SL-DRT-20-0764

zakaria.chihani@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

L'apprentissage machine, en particulier au moyen des réseaux de neurones artificiels, connaît actuellement une expansion impressionnante, pénétrant des domaines allant de l'aide à la conduite à l'assistance juridique ou médicale. Bien que bénéfique en apparence, cette révolution a de quoi inquiéter à mesure qu'elle s'approche d'une application concrète dans les logiciels critiques, car la fragilité de ces techniques d'apprentissage est exposée de plus en plus, notamment face aux perturbations malicieuses. Quelques travaux sont déjà en cours pour adapter les méthodes formelles, utilisées depuis des décennies dans le domaine des logiciels critiques, à ces nouvelles technologies. Cette thèse s'inscrit dans cette dynamique en s'intéressant à un composant primordial de la discipline de vérification et validation de logicielle: les spécifications formelles. En effet, là où les propriétés des logiciels traditionnels peuvent être exprimées de manière à être prouvées par divers outils informatiques, l'une des grandes difficultés des IAs est de spécifier formellement le comportement des systèmes. Ces travaux seront complémentaires à ceux déjà engagés dans notre laboratoire dans le domaine de la vérification des IAs.

Télécharger l'offre (.zip)

Apprentissage par Transfert et Transport Optimal appliqués au pilotage de procédés de fabrication additive

Département Métrologie Instrumentation et Information (LIST)

Laboratoire Science des Données et de la Décision

Master 2 ou Diplôme d'ingénieur en Maths Appliquées, Data Sciences, Traitement du Signal

01-10-2020

SL-DRT-20-0792

fred-maurice.ngole-mboula@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

Le but de cette thèse est d'explorer les apports possibles du transport optimal au domaine de l'apprentissage automatique qu'est l'apprentissage par transfert selon trois axes : - la construction d'un critère de transférabilité de la connaissance entre une tâche source et une tâche cible à partir d'une caractérisation de la régularité du plan de transport optimal entre les distributions des données associées aux tâches source et cible ; - l'intégration d'a priori sur la similarité des tâches via la métrique de "terrain" utilisée pour calculer le plan de transport optimal entre les distributions des données associées aux tâches source et cible ; - l'application du barycentre de Wasserstein à l'apprentissage multi-tâches. Ces travaux pourront s'appliquer à différents problèmes pratiques ayant fait l'objet de travaux au sein du laboratoire, notamment la fabrication additive. Une version plus détaillée du sujet de thèse est consultable via le lien suivant : https://drive.google.com/file/d/1TmoIYeK9RKRWV7aHFGeqY48tpobuBJeB/view?usp=sharing

Télécharger l'offre (.zip)

Architecture de calcul distribuée et centrée sur la mémoire pour des applications IA utilisant des technologies avancées de la 3D et la NVM

Département Architectures Conception et Logiciels Embarqués (LIST-LETI)

Laboratoire Intégration Silicium des Architectures Numériques

Master 2 conception architectures numériques

01-09-2020

SL-DRT-20-0913

ivan.miro-panades@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

Avec la révolution des applications d'intelligence artificielle, les algorithmes d'intelligence artificielle deviennent de plus en plus gourmand en termes de besoins de calcul et de mémoire. D'autre part, il est envisagé que de nouveaux dispositif mettant en ?uvre ces fonctionnalités d'intelligence artificielle soient disponibles au niveau du « edge », c'est-à-dire proches de l'utilisateur final (e.g. dispositif portables, automobile, IoT, etc.) et non plus seulement dans le cloud. Cela implique une exigence très forte en termes de capacité de mémoire et de calcul pour permettre l'apprentissage au niveau du edge, tout cela avec une bonne efficacité énergétique. Le doctorat consiste à proposer et à explorer une nouvelle architecture distribuée centrée sur la mémoire pour les applications d'IA, en utilisant des technologies avancées pour surmonter les problèmes actuels (capacité de mémoire, bande passante mémoire, énergie par inférence et capacité d'apprentissage). Les technologies récentes de mémoire non volatile (NVM) et les technologies d'intégration 3D offrent une intégration de mémoire dense tout en rapprochant la mémoire des c?urs de calcul. Le défi de l'architecture consiste à définir le partitionnement adéquat du système, les mécanismes de communication distribués, les exigences de ratios mémoire / calcul, pour obtenir in-fine une architecture de calcul adaptée à ces besoins. Les travaux consisteront à explorer l'architecture et le système d'application par le biais de la modélisation du système, et pourront conduire au design d'un circuit de test pour valider le concept proposé. Le doctorat se déroulera dans le cadre d'une collaboration entre l'Université de Stanford (CA, USA) et le CEA (Grenoble, France).

Télécharger l'offre (.zip)

Crowdsensing pour l'identification de sources de pollution atmosphérique par un réseau de capteurs de gaz multimodaux à bas coût

Département Systèmes (LETI)

Laboratoire Signaux et Systèmes de Capteurs

traitement de signal, modélisation, mathématiques appliquées, qualité de l'air

SL-DRT-20-0966

sylvain.leirens@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

Le crowdsensing pour l'identification de sources de pollution atmosphériques repose sur l'utilisation d'un grand nombre de capteurs de gaz multimodaux à bas coût. Le sujet de thèse porte sur la mise en oeuvre de ce réseau de capteurs pour l'identification de sources fortement polluantes dans le trafic routier urbain. Il est maintenant avéré qu'un petit nombre de véhicules est responsable d'une importante fraction de la pollution générée, alors que la qualité de l'air en zone urbaine devient un sujet de plus en plus préoccupant à l'échelle européenne. Le travail de thèse consistera en la formulation et la résolution d'un problème de séparation et localisation de sources polluantes mobiles en environnement urbain avec un réseau de capteurs mobiles. Des campagnes de mesures permettront de valider expérimentalement l'approche développée dans la thèse.

Télécharger l'offre (.zip)

Apprentissage par transfert du virtuel au réel pour l'estimation de pose 3D de personne dans des scènes complexes

Département Intelligence Ambiante et Systèmes Interactifs (LIST)

Laboratoire Vision et Apprentissage pour l'analyse de scènes

Master 2 Recherche, traitement de l'image, vision par ordinateur, apprentissage par ordinateur, apprentissage profond

01-10-2020

SL-DRT-20-1232

bertrand.luvison@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

L'analyse de la posture humaine dans les vidéos est une tâche clé pour la compréhension de scènes. La posture est en effet informative de l'activité menée par la ou les personnes. Les avancées significatives de ces dernières années ont montré qu'il était possible d'estimer cette pose uniquement à partir d'images RGB pour plusieurs personnes simultanément. Cependant les méthodes actuelles manquent encore de précision dans diverses situations: lorsque les postures à reconnaître sont "non conventionnelles", comme par exemple avec des postures sportives, lorsque les personnes sont proches les unes des autres et qu'elles s'occultent mutuellement lors d'interactions comme la danse de couple, etc. L'objectif de la thèse est d'améliorer cette estimation dans ces situations. Pour cela, l'utilisation de données issues du monde de la modélisation sera au c?ur du sujet. En effet ces modélisations sont de plus en plus photo-réalistes mais aussi réalistes dans la gestuelle elle-même. L'utilisation de ces données permettra d'avoir accès à des vérités terrains très précises qui ne peuvent pas aussi facilement être mesurées sur des vidéos réelles. Cependant pour pouvoir être ensuite utilisé sur des images réelles, le problème du "domain shift" devra être résolu. Des méthodes de désenchevêtrement, de GAN, d'apprentissage multi-dataset, multi-label seront à investiguer et à proposer tout au long de la thèse.

Télécharger l'offre (.zip)

Abstractions basiques pour des systèmes distribués tolérant aux fautes byzantines, consistantes et auditable.

Département Ingénierie Logiciels et Systèmes (LIST)

Lab.systèmes d'information de confiance, intelligents et auto-organisants

01-10-2020

SL-DRT-20-1265

antonella.delpozzo@cea.fr

Data intelligence dont Intelligence Artificielle (.pdf)

En même temps que la sécurité et la confidentialité, l'auditabilité des données a récemment pris de plus en plus d'importance avec l'avènement du règlement général sur la protection des données (RGPD). En résumé, le RGPD est un ensemble de réglementations couvrant l'ensemble du cycle de vie des données personnelles, ce qui a un effet dramatique sur les systèmes d'information (SI) actuels, en particulier les stockages de données distribués et la technologie émergente qu'est la blockchain. L'objectif de cette thèse de doctorat est de formaliser les critères du RGPD dans le contexte des abstractions de systèmes distribués et d'évaluer la faisabilité de solutions de systèmes distribués conformes au RGPD. Le résultat de cette thèse sera une compréhension plus claire des possibilités (en termes de nouveaux protocoles) et des impossibilités pour la prochaine génération d'abstractions distribuées conformes au RGPD.

Télécharger l'offre (.zip)

Voir toutes nos offres