Résultats de votre recherche
Pré-traitement d'informations pour la résolution de tâches complexes / Compilation avancée de connaissances – PING-ACK
L’objectif principal du projet PING / ACK est de contribuer au développement du champ de recherche qu'est la compilation de connaissances, en élargissant son champ d’application, à la fois du côté théorique et du côté pratique. Nous prévoyons ainsi de définir de nouvelles cartes de compilation de co
Prédiction de l'activité solaire à partir de données hétérogènes par apprentissage automatique – PRESAGE
Notre projet s'intéresse à l'activité du Soleil, dont les événements (par exemple les éruptions et les éjections de masse coronale (CME)) sont des phénomènes dynamiques qui peuvent avoir de forts impacts sur l'environnement solaire-terrestre. Les événements d'activité solaire semblent être fortement
Prédiction des défauts internes des grumes à partir de leurs caractéristiques corticales – WoodSeer
Répondre aux enjeux de la transition écologique en lien avec l’utilisation du bois nécessite de caractériser l’approvisionnement des bois avant la 1ère transformation afin d’en tirer le meilleur parti avant de faire appel à des procédés de déconstruction–reconstruction plus coûteux aux plans énergét
Prédiction et thérapie du diabète insulino-dépendant à l'aide d'épitopes auto-antigéniques reconnus par les lymphocytes T CD8+ dans le modèle de la souris NOD transgénique pour HLA-A2 – T1D CD8
L'augmentation continuelle de l'incidence du diabète insulinodépendant (DID) crée un problème majeur de santé publique dans les pays riches. Le développement de stratégies permettant le diagnostic précoce ainsi que la prévention du DID est donc urgent. Des avancées récentes ont mis en évidence le rô
Prédire la biodiversité des poissons récifaux – FISH-PREDICT
La biodiversité et les habitats des espèces se détériorent dans la plupart des écosystèmes mondiaux, mais peut-être nulle part aussi rapidement que dans les récifs côtiers qui procurent bien-être et avantages socio-économiques à plus de 1,3 milliard de personnes dans le monde. Ces récifs côtiers abr
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
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
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
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
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
