Analyse topologique de données pour le suivi temporel de débris à haute vitesse en physique des matériaux

Stage M2 + thèse L’analyse topologique de données permet d’identifier de manière robuste des structures d’intérêt au sein de données complexes. Dans le cas de données variant dans le temps, il est possible d’extraire ces structures pour chaque pas de temps, puis d’estimer un appariement optimal entre les structures de…

Lire la suite

Change point detection in temporal graphs

Stage M2 Temporal graphs, which model interactions over time, are essential for analyzing datasets in fields like Industry 4.0 and cybersecurity, but their sparsity and irregularity make change point (CP) detection challenging. Recent research suggests that using time-series and graph dictionaries to transform temporal graphs into new dynamical-structural domains can…

Lire la suite

Machine Learning Framework for Temporal Graph Exploration

Stage M Transportation systems with scheduled travels, like trains, flights, and buses, pose optimization challenges such as finding the fastest routes or maximizing stops within a time frame, which fall under the temporal graph exploration problem (TEXP). Despite its importance in fields like logistics and cybersecurity, TEXP’s NP-hardness makes exact…

Lire la suite

Few-Shot Learning for Matching Relief-Printed Patterns on Medieval Ceramic Sherds

Stage M2 Nous sommes à la recherche d’un(e) candidat(e) motivé(e) pour rejoindre notre équipe dans le cadre d’un stage de recherche. Si vous êtes passionné(e) par l’intelligence artificielle, la vision par ordinateur ou les mathématiques/informatique appliquées, et que vous souhaitez contribuer à un projet innovant, cette opportunité est faite pour…

Lire la suite

Réseaux de neurones profonds pour l’analyse de performance et la gestion de microréseaux électriques intelligents

Stage M2 Le but de ce stage est d’évaluer l’intérêt de deux types de réseaux de neurones pour l’analyse des microréseaux électriques : Le CERTES utilise de nombreuses techniques d’apprentissage machine [Ark21] et dispose d’une plateforme technologique de micro-réseaux modulaires et multifonctionnels. Cette plateforme permet d’étudier différents scenarios d’agrégation de…

Lire la suite

RUL prediction with neural networks

Stage M2 / Ingénieur This internship explores physics-informed neural networks (PINNs) for predicting the Remaining Useful Life (RUL) of systems, focusing on time series data. Key tasks include analyzing state-of-the-art methods, improving and applying them to the CMAPSS dataset. Niveau du stage : Master 2 ou 3ème année d’école d’ingénieur…

Lire la suite