Type annonces : Postes Doctorant

[PhD] Détection de signaux faibles en contexte volcanique tropical : Apprentissage profond et traitement avancé du bruit électromagnétique

test

Mots clés : Estimation robuste du signal MT, deep Learning interprétable, traitement adaptatifen contexte bruité, séries temporelles multivariées, suivi électromagnétique des volcans Résumé : L’exploitation des données magnétotelluriques (MT) en contexte fortement bruité reste un défi scientifique majeur, en particulier pour la détection de signaux faibles associés aux dynamiques profondes…

Lire la suite

[StageM2+PhD] Hyperspectral Foundation Models

test

The foundation model (FM) paradigm is undoubtedly a major breakthrough in Machine Learning (ML) for Artificial Intelligence (AI). An FM is a large-scale neural network pre-trained with self-supervision on a vast unannotated dataset and designed to perform downstream tasks with minimal fine-tuning on small annotated datasets. While FMs have made…

Lire la suite

[StageM2(+PhD)] : Approches apprentissage pour la complétion informée de données : Détection multi-échelle spectrale de vers de Roscoff.

test

Mots-clés : Apprentissage statistique ; imagerie hyperspectrale ; télédétection ; photosymbiose ; vers de Roscoff. Description du sujet : Le ver de Roscoff (Symsagittifera roscoffensis) est un petit organisme marin vivant en photosymbiose avec une microalgue verte (Tetraselmis convolutae), ce qui en fait à la fois un modèle d’étude de…

Lire la suite

[PhD] Combining deep learning and optimization for well theoretically grounded and interpretable hyperspectral image processing 

test

The whole PhD subject, including equations and figures, can be found at: https://partage.imt.fr/index.php/s/GQcfXmjY58Zkbbq 1. Context Artificial intelligence (AI) and deep learning approaches have produced impressive results on many problems of computer vision and image processing. The field of remote sensing, which exploits satellite or aerial images for Earth observation, also…

Lire la suite

[StageM2 + PhD] Nouvelles représentations temps-fréquence de signaux non stationnaires

test

Mots- clés : temps-fréquence, signaux non stationnaires, apprentissage de représentations. Contexte Construire une représentation adaptée à la structure d’un signal est essentiel pour en faciliter la description, l’interprétation et l’exploitation. Par exemple, la simple observation temporelle d’un signal audio ne suffit souvent pas à en révéler la nature, alors qu’une…

Lire la suite