Résultats de votre recherche
Raisonner pour élaborer et raffiner des stratégies de jeux – NOGGINS
L'objectif de ce projet est de construire des joueurs intelligents capables d'apprendre et de représenter de manière symbolique des stratégies pour jouer à des jeux tout en considérant différentes perspectives allant de "gagner le jeu" à "être éthique". Pour ce faire, les agents raisonneront d'abord
Raisonnement propositionel pour l'optimisation à grande échelle. Application à la mobilité via les énergies propres – Massal'IA
Le problème de la satisfiabilité d'une formule propositionnelle (SAT) est fondamental dans de nombreux domaines de l’Informatique et particulièrement en Intelligence Artificielle (IA). Du fait de ses capacités à représenter le raisonnement, SAT constitue une approche très compétitive pour la résolut
Raisonnement Visuel dans les architectures de réseaux de neurones profonds – VISA DEEP
. . . . Au cours de la dernière décennie, l’apprentissage machine et les réseaux de neurones profonds (DNN) ont été au cœur d'une révolution technologique et scientifique de l’Intelligence Artificielle (IA). En classification d'images, les DNN constituent l'approche phare depuis 2012, où pour la pre
REsource efficient tunnelling based on real-time excavation MATerial CHaracterisation – REMATCH
Ces dernières années, la question de l'utilisation efficace des ressources a également pris de plus en plus d'importance dans le secteur de la construction, car le sol et la roche représentent plus de 50 % des déchets minéraux de construction. Les projets de tunnels jouent un rôle particulier à cet
REPUBLIC: Vers l'IA responsable avec l'apprentissage par renforcement sous contraintes – REPUBLIC
Le développement d'une IA responsable requiert l'intégration de 3 éléments fondamentaux : la robustesse, le respect de la vie privée (privacy) et l'absence de biais (fairness). Dans le projet REPUBLIC, nous proposons d'étudier ces 3 aspects dans le cadre de l'apprentissage par renforcement (AR) sous
Quantification Evidentielle de l'Incertitude pour la Fiabilité dans les Cartes de Saillance en XAI – EQUR-XSM
EQUR-XSM (Evidential Quantification of Uncertainty for Reliability in XAI Saliency Maps) est un projet de recherche visant à développer des solutions d’IA fiables et explicables pour l’analyse d’images médicales. En associant Evidential Deep Learning (EDL) à une modélisation avancée de l’incertitude
Qualité de la semence et fertilité chez les bovins: développement de nouveaux outils moléculaires de diagnostic – SeQuaMol
SeQuaMol, «Qualité de la semence et fertilité chez les bovins: développement de nouveaux outils moléculaires de diagnostic », propose une nouvelle caractérisation moléculaire de la semence de taureaux. La variabilité en fonction de la diversité génétique et d'un grand nombre de conditions environnem
Punk sound is not dead. Caractérisation musicologique, sonore et perceptive du punk via des approches qualitatives et data-driven – PSIND
Le projet PSIND a pour objectif d’approfondir la compréhension de la notion de genre musical via le cas d’étude du punk, en démêlant objectivement le substrat acoustique du son punk de ses corrélats socio-culturels, et en révélant les morphologies susceptibles de représenter le son punk au plus près
Prévision probabiliste des évènements extrêmes avec une approche hybride physique/IA – POESY
Le projet POESY vise à améliorer la prévision probabiliste des phénomènes météorologiques à fort impact (HIW), avec une approche innovante combinant la modélisation physique classique et des méthodes d’Intelligence Artificielle (IA). Les prévisions probabilistes actuelles prennent la forme de petits
Prédire le tenseur de réarrangements cellulaires dans les écoulements tissulaires – CRAC-TENSOR-FLOWS
Les déformations tissulaires lors du développement embryonnaire ou de la progression tumorale sont régies par les propriétés rhéologiques du tissu, les réarrangements cellulaires relaxant les déformations cellulaires. Les méthodes actuelles de caractérisation de ces propriétés reposent sur des techn
