Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

27 mars 2018

Deep Learning appliqué à des signaux temporels multidimensionnels


Catégorie : Doctorant


L'objectif de la thèse est d'étudier dans quelle mesure l’apprentissage profond (« Deep Learning ») est adapté aux problématiques de classification à partir de signaux temporels multidimensionnels et hétérogènes issus de divers capteurs. Applications : wearables, IoT, capteurs autonomes pour le sport, la santé, le transport et l'industrie.

 

Le laboratoire DRT/LETI/DSYS/SSCE/LSSC, au sein duquel se déroulera la thèse, est spécialisé dans le traitement de signaux capteurs de différents types (accéléromètre, magnétomètre, gyromètre, GPS, Audio, Wifi, Bluetooth, rythme cardiaque...) et s’intéresse à des problématiques de classification comme la détermination automatique du mode de transport à partir des capteurs embarqués dans un smartphone, l’estimation de l’état de stress à partir de capteurs physiologiques dédiés ou encore la reconnaissance de gestes sportifs à partir d’un bracelet connecté.

Ces problématiques ont déjà fait l’objet de nombreux travaux qui reposent sur des approches de classification « traditionnelles », i.e. en construisant manuellement les descripteurs (« features ») utilisés pour la classification à partir des signaux disponibles.

L'objectif de cette thèse est d'étudier dans quelle mesure l’apprentissage profond (« Deep Learning »), technique qui a récemment obtenu des résultats impressionnants en reconnaissance d'images, est adapté à ces problématiques de classification à partir de signaux temporels multidimensionnels et hétérogènes.

Cette thèse bénéficiera de l’expertise du LIRIS dans le domaine de l’apprentissage automatique et de l’apprentissage profond.

Directeur de thèse : M. Liming CHEN.

Candidater sur :

http://www-instn.cea.fr/formations/formation-par-la-recherche/doctorat/liste-des-sujets-de-these/deep-learning-applique-a-des-signaux-temporels-multidimensionnels%2C18-0646.html

 

https://www.youtube.com/watch?v=cvS1w8VbTfE

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.