Annonce

Les commentaires sont clos.

Development of efficient graph neural networks for time-series data H/F

23 Novembre 2022


Catégorie : Stagiaire


The candidate will develop graph neural networks for application to time-series data. In particular, there will be a focus on increasing the efficiency of the approach such that it is compatible with the energy and memory constraints of embedded systems.


Le candidat développera des réseaux neuronaux graphiques pour les appliquer à des séries de données temporelles. En particulier, il s'agira d'accroître l'efficacité de l'approche de manière à ce qu'elle soit compatible avec les contraintes d'énergie et de mémoire des systèmes embarqués.

 

Contact : marielle.malfante@gmail.com

 

Graph neural networks are an emerging method in artificial intelligence developed in order to apply deep learning techniques on graph structured data. Recently graph neural networks have been found to perform well in applications where images and video are represented as graphs and do so with impressive reductions in computational complexity and hardware requirements. The objective of this internship will be to apply and adapt these methods (under development in the LIIM laboratory) to time-series data (i.e., analogue signals recorded from sensors). In particular, the question of the how such as an algorithm can be adapted to run in real-time in an embedded system at the edge will be addressed. The M2 internship will be hosted by the LIIM laboratory, based at the Minatec campus in Grenoble. The start date is flexible, but expected to be in springtime 2023 and will last for 6 months. There is a possibility to follow-up the internship with a PhD for candidates that show promise. We are looking for a candidate with an interest in AI, embedded systems and electronic circuits as well as in doing upstream technological research. This is an advanced topic and the candidate will be required to develop their own ideas and research plan with the support of a team of three supervisors.

Les réseaux neuronaux graphiques sont une méthode émergente en intelligence artificielle, développée afin d'appliquer des techniques d'apprentissage profond sur des données structurées en graphes. Récemment, les réseaux de neurones graphiques se sont révélés performants dans des applications où les images et les vidéos sont représentées sous forme de graphes, et ce avec des réductions impressionnantes de la complexité de calcul et des exigences matérielles. L'objectif de ce stage sera d'appliquer et d'adapter ces méthodes (en cours de développement dans le laboratoire du LIIM) à des données de séries temporelles (c'est-à-dire des signaux analogiques enregistrés par des capteurs). En particulier, la question de savoir comment un tel algorithme peut être adapté pour fonctionner en temps réel dans un système embarqué à la périphérie sera abordée. Le stage de M2 sera accueilli par le laboratoire LIIM, basé sur le campus Minatec à Grenoble. La date de début est flexible, mais devrait être au printemps 2023 et durera 6 mois. Il y a une possibilité de suivre le stage avec un doctorat pour les candidats qui se montrent prometteurs. Nous recherchons un candidat ayant un intérêt pour l'IA, les systèmes embarqués et les circuits électroniques, ainsi que pour la recherche technologique en amont. Il s'agit d'un sujet avancé et le candidat devra développer ses propres idées et son plan de recherche avec le soutien d'une équipe de trois superviseurs.