Spiking neural network compatible with ultra-low power hardware for train counting

Main contacts: marius.bilasco@univ-lille.fr, pierre.tirilly@univ-lille.fr An unsupervised spiking-based counting solution has been deployed by the FOX team at Lilliad’s Xperium. The prototype was build using ad-hoc spiking models that do not reflect the requirements of an efficient hardware implementation. In order to reach efficient hardware implementation, the neuron models and the…

Lire la suite

Master Internship – Revisiting PCA with norm-ratio sparsity penalties

In the context of the ERC MAJORIS, and in collaboration with IFPEN company, the aim of this internship is to investigate the problem of sparse principal component analysis (PCA), with norm-ratio sparsifying penalties. https://jobs.inria.fr/public/classic/fr/offres/2024-08488 Subject:  Principal component analysis (PCA) is a workhorse in linear dimensionality reduction [Jol02]. It is widely applied in…

Lire la suite

Stage de 6 mois : Outils d’apprentissage profond et mesure d’incertitude pour les données spectroscopiques. Applications et Benchmark pour les données d’intérêt agronomiques

Stage M2 (ou Césure M1) pour une durée de 6 mois, à partir de Février 2025 (dates flexibles). Il est proposé par l’UMR ITAP (INRAE montpellier – Institut Agro Montpellier) dans le cadre du Laboratoire commun AIOLY (artificial intelligence and optics laboratory : https://anr.fr/Project-ANR-23-LCV2-0015 ) formée avec l’entreprise de tri des déchets…

Lire la suite

Offre de stage M2 : Traitement et analyse d’images multimodales et multi-échelles de vignes pour la détection et la caractérisation de maladies

Encadrant(s) : Jean-Claude Simon (Institut Agro Dijon), Guillaume Dabel (Entreprise AGREEGO) et Frédéric Cointault (Institut Agro Dijon) Durée du stage : 5/6 moisDates de stage envisagées : Février – Mars / Juillet – Août 2025Formation ciblée (e.g. M2 B2IPME, etc. …) : Master en Traitement du signal et des images,…

Lire la suite

Deep learning foundation models applied on bulk and single-cell sequencing data for cellular state classification

Environment: QARMA Team at Laboratoire d’Informatique et Systèmes (LIS)Location: Ecole Centrale Méditerranée (ECM), Technopôle de Château-Gombert, 13013 Marseille Supervisors: R. Sicre (LIS – ECM), B. Habermann (IBDM – AMU), M. Haugland (LIS – IBDM) Salary: legal minimumKeywords: RNA-seq, deep learning, interpretabilityContact: ronan.sicre@lis-lab.fr Large Language Models (LLM) and more generally foundation…

Lire la suite

[Stage M2/Ingé] Reconnaissance, Suivi et Ré-identification d’individus par leur Démarche à partir d’un Réseau de Caméras

Intérêts : Computer Vision, Reconnaissance de formes, Biométrie, Apprentissage Machine, Réseaux de Neurones, Méthodes structurelles. Mots-clés : Reconnaissance, suivi et ré-identification d’individus ; Analyse de scènes à partir d’un réseau de caméras vidéo ; Biométrie par la démarche ; Deep Neural Networks ; Graph Neural Networks. Programmation : Python, Pytorch…

Lire la suite

Stage M2 : outils de cartographie pour personnes en situation de handicap basé sur les données d’un scanner d’environnement

Contexte : Afin de proposer des outils de navigation pour personne en situation de handicap, motorisée ou non, il est d’abord nécessaire de fournir une perception de leur environnement pour pouvoir interagir avec celui-ci et prendre la bonne décision. Les systèmes de perception sont multiples: caméra, laser par exemple. Dans…

Lire la suite

Stage M2 : Application de l’Intelligence Artificielle à l’Étude et la Caractérisation des Transformateurs Électriques de Puissance.

Contexte :  ce stage rentre dans le cadre d’un projet universitaire BQR (Bonus Qualité Recherche) entre le laboratoire LGI2A (https://www.lgi2a.univ-artois.fr/spip/fr/) et le laboratoire LS2E (http://www.lsee.fr/).   Descriptif du Stage :    Les transformateurs électriques de puissance sont des équipements essentiels dans les réseaux de distribution et de transmission d’énergie. La qualité des…

Lire la suite

Fusion of ultrasound and MRI images using weakly or unsupervised learning: application in neuro-oncology

——————————————————————————————————————–For detailed information, please visit: https://cloud.irit.fr/s/eHMsZcVoigPfenR——————————————————————————————————————– Stage M2 Keywords: ultrasound, IRM, fusion, deep learning, diffusion models, DDRM. Where: Institut de Recherche en Informatique de Toulouse (IRIT) in Toulouse. Project DescriptionGlial tumors are the most common primary brain tumors, with significant variability in aggressiveness and prognosis [1]. Surgical resection is the…

Lire la suite

Développement de modèles Graph Neural Networks (GNN) pour la classification et la prédiction des propriétés moléculaires

Stage M2 au Laboratoire LGI2A, Université d’Artois Les représentations moléculaires traditionnelles, telles que SMILES (Simplified Molecular Input Line Entry System) ou les méthodes inspirées de Word2Vec, présentent des limitations dans leur capacité à capturer la stéréochimie moléculaire. Ces formats se concentrent principalement sur la connectivité atomique et les liaisons, sans…

Lire la suite