BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.2//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:LORIA
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Events for LORIA
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20250402T140000
DTEND;TZID=Europe/Paris:20250402T150000
DTSTAMP:20250321T152819Z
CREATED:20250321T152819Z
LAST-MODIFIED:20250321T152819Z
UID:27811-1743602400-1743606000@www.loria.fr
SUMMARY:Apprentissage continu et détection d’anomalies : vers des systèmes fiables en environnements ouverts
DESCRIPTION:Le séminaire “Apprentissage continu et détection d’anomalies : vers des systèmes fiables en environnements ouverts”\, proposé par Son Vu\, Maître de conférences à l’ENSEA et chercheur au laboratoire ETIS\, aura lieu au Loria\, le 2 avril à 14h\, en salle C103. \nRésumé: Bien que les modèles profonds aient connu un succès remarquable dans diverses applications\, ils ne sont pas sans limites. Un inconvénient majeur réside dans leur capacité à exceller principalement dans des environnements fermés\, tout en peinant à s’adapter à des situations imprévues ou à des événements rares. Cette fragilité peut devenir problématique dans des systèmes critiques comme l’imagerie médicale\, où des cas atypiques peuvent fausser un diagnostic\, ou la formation chirurgicale en réalité virtuelle\, où une erreur peut induire une mauvaise décision.\nDans cette présentation\, nous partagerons quelques récentes avancées pour autonomiser les systèmes afin qu’ils fonctionnent de manière sûre et autonome dans des scénarios ouverts\, avec un focus sur la détection d’anomalies et l’apprentissage continu. En ce qui concerne la détection d’anomalies\, nous proposons le premier modèle unifié AnoMem combinant mémoire Hopfield et apprentissage auto-supervisé\, adapté aux scénarios “one-class (zero-shot)” et “unbalanced outlier-exposure (few-shot)”. Nous présenterons également SeeABLE et CTru\, deux algorithmes pionniers proposant des solutions innovantes pour la détection de deepfakes\, en reformulant cette tâche comme un problème de détection d’anomalies zero-shot dans des espaces hypersphériques et hyperboliques. Ensuite\, nous dévoilerons DSDM\, un nouvel algorithme d’apprentissage continu exploitant les réseaux de mémoire associative dynamique.\nEnfin\, nous discuterons de la manière dont l’apprentissage continu et la détection d’anomalies peuvent bénéficier à d’autres tâches\, telles que le recalage et la localisation visuelle.
URL:https://www.loria.fr/event/apprentissage-continu-et-detection-danomalies-vers-des-systemes-fiables-en-environnements-ouverts/
LOCATION:Loria\, salle C103
CATEGORIES:Séminaire
END:VEVENT
END:VCALENDAR