Pole TI - UMons - Lab'InSight Artificial Intelligence

803 vues

Publié le

Description of the laboratory skills (Lab'InSight Artificial Intelligence Business intelligence / Datamining 30/05/2011)

Publié dans : Technologie
0 commentaire
0 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Aucun téléchargement
Vues
Nombre de vues
803
Sur SlideShare
0
Issues des intégrations
0
Intégrations
5
Actions
Partages
0
Téléchargements
6
Commentaires
0
J’aime
0
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Pole TI - UMons - Lab'InSight Artificial Intelligence

  1. 1. 1Bruxelles – 30 mai 2011 POLE-TI UMONS, Mons Dr. Stéphane Dupont Coordinateur Adjoint Lab’Insight « Intelligence Artificielle » - Datamining et Business Intelligence, Bruxelles, le 30 mai 2011
  2. 2. 2Bruxelles – 30 mai 2011 EN QUELQUES CHIFFRES  Personnel (63ETP): 17 enseignants, 14 assistants, 13 boursiers, 51 chercheurs avec contrat,  Production (2009-2010): près de 200 publications dont 32 articles de revues internationales, 9 chapitres d'ouvrages, 125 articles de conférences avec comité de lecture,  Propriété Intellectuelle: > 10 brevets internationaux, notamment dans les domaines du traitement de la parole et de la photonique.
  3. 3. 3Bruxelles – 30 mai 2011 QUELQUES DOMAINES TRANSVERSAUX • NUMEDIART – programme régional, formation et recherche dans le domaine des technologies des arts numériques, et capitalisant sur la dynamique enclenchée dans le cadre de MONS 2015. • DIYSE - projet européen dans le cadre Eureka ITEA2, "Do-it-Yourself Smart Experiences" développe des technologies et des services autour de l'internet des objets et des environnements intelligents. • GREENRAIL – projet régional, mise au point d'un système de gestion temps- réel du système ferroviaire en vue de l'optimisation de la consommation énergétique. • LOCOTRAC - projet régional, sécurité des lignes ferroviaires régionales et locales, et en particulier développement du réseau telecom/telealim Logistique et transports Interaction, media, et arts numériques
  4. 4. Domaines de compétences • Modélisation de séries temporelles et signaux complexes • Interaction homme-machine • Gestion de contenu • Recherche opérationnelle • IT for green • Temps-réel et optimisation Secteurs d’activité potentiellement intéressés • Industries culturelles et créatives • Logistique et transports • Production 4Bruxelles – 30 mai 2011 DOMAINES DE COMPÉTENCES ET CIBLES INDUSTRIELLES
  5. 5. 5Bruxelles – 30 mai 2011 Technologies vocales/audioTechnologies vocales/audio Deux facettes  Mise en œuvre de techniques de data mining variées sur des volumes important de données, socle de l’apprentissage automatique:  Audio, plusieurs centaines, voire milliers d’heures; texte, plusieurs milliards de mots, ou plus.  Spécificités UMONS POLE-TI dans:  différentes architectures de Réseaux de Neurones Artificiels (RNA) pour la classification.  une modélisation des mécanismes d’attention humaine.  Reconnaissance vocale, et plus généralement audio, rendent possible le data mining de contenu audiovisuel. Projets  RW IRMA (06-08) - Interface de Recherche Multimodale dans le contenu Audiovisuel. Reconnaissance vocale facilitant la recherche dans des archives audiovisuelles.  EUREKA SERKET (06-08) - Securisation Keeps Threats Ahead. Data mining de données de video et audio-surveillance, détection d’anomalies.
  6. 6. 6Bruxelles – 30 mai 2011 Technologies pour le contenu multimedia Technologies pour le contenu multimedia Problématiques  Intelligence artificielle pour l’analyse de contenu audiovisuel et 3D  Scalabilité du système de base de données, spécificité du multimedia Examples  Data mining sur base de mesures des mouvements et de gestuelle de danseurs, et interface de recherche visuelle dans ce contenu.  Analyse et groupement de sons similaires, et interface de recherche/création musicale innovante. Projets  RW NUMEDIART (07-13) – Programme de recherche sur les technologies des arts numériques. Clustering, classification, recherche par similarité, outils pour production.  RW NAVIMED (06-08) – Navigation intuitive dans les données médicales. Clustering de cas, sur base de recherche dans le texte, et dans l’image.
  7. 7. 7Bruxelles – 30 mai 2011 Optimisation & Aide à la décisionOptimisation & Aide à la décision Méthodes  Aide à la décision et optimisation en présence de critères multiples  Heuristiques et métaheuristiques pour l’optimisation approchée  Modélisation des imprécisions et des préférences: logique floue, contraintes flexibles  Classification Examples  Optimisation, de la production en particulier  Tuyttens D, Vandaele A. "Using a greedy random adaptative search procedure to solve the cover printing problem." Computers & Operations Research. 2010;37(4):640-648.  Teghem J, Souai N. "Genetic algorithm based approach for the integrated airline crew-pairing and rostering problem." European Journal of Operational Research. 2009;199(3):674-683.  Javier Roca, Etienne Pugnaghi and Gaëtan Libert. “Solving an Extended Resource Leveling Problem with Multiobjective Evolutionary Algorithms.” World Academy of Science, Engineering and Technology 46. 2008.  Optimisation énergétique
  8. 8. 8Bruxelles – 30 mai 2011 Optimisation énergétiqueOptimisation énergétique Projet GreenRAIL  Pôle de compétitivité « Logistics in Wallonia », plan MARSHALL appel 3  Gestion du parcours pour l’optimisation des ressources énergétiques  Coordinateur: ALSTOM Belgium, 7 partenaire  Rôle du Pôle TI: Solutions d’optimisation heuristiques et meta- heuristiques
  9. 9. 9Bruxelles – 30 mai 2011 Calcul parallèleCalcul parallèle Méthodes informatiques  cadres théoriques et modèles solides  hypothèses et heuristiques nécessaires pour les mettre en pratique  optimisation poussée et emploi des architectures de calcul actuelles Très pertient dans le cadre de « data mining » sur de vastes volumes de données Calcul haute performance  Puces multi-coeurs, même pour les systèmes embarqués  Accélérateurs graphiques (GPGPU – General Purpose Computation on Graphics Processing Units)  Grilles de calcul et « cloud computing »
  10. 10. Exemples →Etudes de faisabilité, ou projets de R&D ciblés, parfois par le biais de thèses de master. →Recherche industrielle: par exemple data mining de signaux de toux avec société développant des produits de monitoring médical à domicile, en cours. →Recherche à long-terme, par exemple par thèses de doctorat cofinancées entreprise-université: plusieurs en cours, notamment avec Acapela Group, et avec EVS. →Protection de la propriété intellectuelle par prise de brevet. →Aide pour l'accès aux programmes de recherche et d'innovation régionaux, et européens, y compris constitution d'un consortium. →Outils logiciels variés, parfois open source (ne pas réinventer la roue). 10Bruxelles – 30 mai 2011 SERVICES A L’ENTREPRISESERVICES A L’ENTREPRISE
  11. 11. Equipements 11Bruxelles – 30 mai 2011 SERVICES A L’ENTREPRISESERVICES A L’ENTREPRISE Tests couche physique pour transmissions numériques jusqu’à 10 Gb/s. Capture de mouvement "full- body", technologie inertielle sans fil. Cluster pour le calcul haute performance parallèle sur CPU et GPU. Salle blanche et équipements pour la recherche en photonique et réseaux de Bragg. Laser femtoseconde. Inscription point par point. Laboratoire et outils pour la conception et la certification en micro-électronique.
  12. 12. 12Bruxelles – 30 mai 2011 CONTACTS LABO Prof. Joël Hancq Professeur, Coordinateur Pôle-TI Joel.hancq@umons.ac.be - Phone : +32 65 37 47 30 Dr. Stéphane Dupont Coordinateur Adjoint Pôle-TI Stephane.dupont@umons.ac.be - Phone : +32 65 37 47 39 Université de Mons POLE-TI 31, Bvd. Dolez – B-7000 Mons http://www.umons.ac.be/poleti

×