ESI Talents

Type*

Specialites*

Organisme*

Coencadrants*

Promoteur*

DJERABA Chaabane

Email promoteur*

Tel promoteur

Intitule*

Réseaux de neurone impulsionnel – Application aux données métérologiques

Resume*

Le projet confié aux stagiaires a deux objectifs interdépendants. Le premier est la création de nouveaux ensembles de données, qui sont une priorité absolue pour la communauté scientifique afin de comparer les approches d'apprentissage neuromorphique. Le deuxième objectif consiste à développer une approche d'apprentissage neuromorphique pour la classification de séquences d'images spatio-temporelles disponibles en grande quantité et sans vérité de terrain ou avec une vérité de terrain très limitée. Les données sont des aérosols, recueillis à partir de satellites d'observation de la terre. Les résultats attendus de ce travail  contribueront à terme à rendre accessible, voire exploitable une grande quantité de données atmosphériques par la communauté scientifique.

Objectifs*

Le premier objectif est l'une des principales priorités de la communauté scientifique (physique atmosphérique et vision/apprentissage) : la création de nouveaux ensembles de données publics (ensembles de données, données de vérité de terrain et protocole d'évaluation) pour la prévision de l’étude de phénomènes atmosphériques (ex. la qualité de l'air). Il s'agit de construire un ensemble de données à grande échelle pour la classification des données sous la supervision du laboratoire CRIStAL (informatique) et du centre de données ICARE (données atmosphériques). Cette collaboration est fortement inscrite dans le futur CPER CornelIA. Un tel ensemble de données pourrait avoir un impact aussi puissant dans le domaine de l'analyse d'images atmosphériques/ que celui d'ImageNet dans le domaine de la vision par ordinateur et de l'apprentissage approfondi. L'objectif contribue à l'élaboration d'une procédure standard qui évalue les méthodes dans le cadre de scénarios du monde réel. Grâce à ces procédures standards, les chercheurs et les praticiens peuvent faire un choix éclairé en choisissant une méthode adaptée à leur problème.  

Le deuxième objectif est l'approche neuromorphique d'analyse des données à grande vitesse et à faible consommation d'énergie. L'un des principaux aspects empêchant la pleine adaptation des approches aux problèmes pratiques est que la plupart des modèles considérés sont très exigeants en termes de calcul. Les réseaux de neurones neuromorphique sont très rapides et consomment très peu d'énergie. Les progrès réalisés sur les plateformes de réseaux de neurones permettent d'augmenter rapidement la complexité et la profondeur des réseaux, ce qui rend possible les processus de réglage fin requis dans un délai raisonnable. 

Ces deux objectifs interdépendants sont au service du développement d'un modèle de prévision rapide pour l'évaluation et le suivi de phénomènes atmosphériques, comme la qualité de l'air au niveau local et régional. Les objectifs du projet sont par essence interdisciplinaires. Il est impossible d'atteindre ces objectifs (repères publics et vision informatique / approche d'apprentissage profond avec de grandes données et sans ou avec une vérité au sol très limitée) sans un travail interdisciplinaire entre apprentissage et physique atmosphérique. Ce qui explique que le projet est réalisé en collaboration entre le laboratoire d’informatique et d’automatique (CRIStAL) et le centre de données ICARE de l’université.

Resultats attendus*

•	Modèle théorique d’un réseau de neurone impulsionnel
•	Approche 
•	Expérimentation et validation sur des données tests
•	Réalisation d’un benchmark

Antecedents

Moyens informatiques

Echeancier*

-Lectures :  1 thèse de doctorat, 2 articles scientifiques  ( 0.5 mois)
-Etape 2 	Etude théorique (1 mois)
-Développement d’une approche (1 mois)
-Expérimentation et validation (6.5 mois)

Bibliographie

Statut validation*

Reponse aux experts

Reserve pour*

Projet recherche

Notification

Sujet de Stage N°: 487

Sujet de stage N° 487

Avis sur le Sujet de Stage