BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//LORIA - ECPv6.17.4.1//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:LORIA
X-ORIGINAL-URL:https://www.loria.fr
X-WR-CALDESC:Évènements pour 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:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20230326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20231029T010000
END:STANDARD
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
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240916T150000
DTEND;TZID=Europe/Paris:20240916T170000
DTSTAMP:20240912T144845Z
CREATED:20240813T144034Z
LAST-MODIFIED:20240912T144845Z
UID:26567-1726498800-1726506000@www.loria.fr
SUMMARY:Soutenance de thèse d'Antoine Leudière
DESCRIPTION:Antoine Leudière (Caramba) soutiendra sa thèse intitulée « Morphisms of Drinfeld Modules and their Algorithms » le 16 septembre à 15h en salle A008. \nRésumé\nLa cryptographie sécurise les données numériques. À ce titre\, c’est un pilier important de nos sociétés. Cette discipline repose entre autres sur des objets mathématiques appelés « courbes elliptiques » ; ce sont des courbes définies par des équations du type y² = x³ + ax + b. Les solutions sont cherchées dans les nombres complexes\, ou des ensembles finis appelés « corps finis ». Si toutefois l’on cherche à remplacer ces ensembles ou les nombres complexes par des espaces de fonctions\, on obtient (en acceptant quelques\nraccourcis…) les « modules de Drinfeld ». Le but de ma thèse est de développer et implémenter des algorithmes pour manipuler ces objets fascinants\, dont la formalisation remonte à la deuxième moitié du vingtième siècle. \nJury\nEncadrants \n\nEmmanuel Thomé (Inria – Loria)\nPierre-Jean Spaenlehauer (Inria – Loria)\n\nMembres du jury (ordre alphabétique) : \n\nCécile Armana (Université de Franche-Comté)\nElena Berardini (Université de Bordeaux)\nAlain Couvreur (INRIA Saclay)\nXavier Goaoc (Université de Lorraine)\nÉric Schost (University of Waterloo)
URL:https://www.loria.fr/event/soutenance-antoine-leudiere/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240912T140000
DTEND;TZID=Europe/Paris:20240912T170000
DTSTAMP:20240830T075540Z
CREATED:20240830T075540Z
LAST-MODIFIED:20240830T075540Z
UID:26612-1726149600-1726160400@www.loria.fr
SUMMARY:Soutenance de thèse de Florian Marchal-Bornert
DESCRIPTION:Florian Marchal-Bornert (Bird) soutiendra sa thèse intitulée « Vers des explications narratives pour des recommandations au sein d’un territoire augmenté » le 12 septembre à 14h en salle C005. \nRésumé\nL’espace dans lequel nous vivons se charge de matière numérique jusqu’à ce que nous traversions des territoires augmentés\, cette transformation nous amène des systèmes d’informatique à grande échelle – dont les systèmes de recommandations –\, et en retour ceux-ci vont façonner nos usages. \nLa recommandation contextualisée y nécessite un cadre où l’utilisateur se sent suffisamment en confiance pour interagir et partager un maximum avec le système. La start-up Agoraa cherche à rapprocher les utilisateurs de leurs territoires\, la plateforme qu’elle a développé ne force pas l’utilisateur à être exploité pour avoir accès aux informations de son territoire\, et permet aux acteurs territoriaux d’interagir entre eux.\nDans cette thèse CIFRE\, réalisée au sein de la start-up\, j’explore une partie des possibilités qu’offre la narration pour accompagner les recommandations dans ce cadre de territoire augmenté. Cela a donné lieu à la création du Framework « Personnages Puzzles Personnalisés pour Explications Narrées » (3PEN) qui a pour but de générer de manière modulaire des explications sous forme narrative à partir de personnages inspirés des utilisateurs\, ainsi qu’à des expérimentations autour de l’approche « Puzzling models » qui permet de construire des utilisateurs fictifs avec des vrais morceaux d’historique à partir des utilisateurs du système \nJury\nEncadrants \n\nSamuel Nowakowski – Université de Lorraine\, Loria\, Équipe BIRD\n\nRapporteurs : \n\nAnne-Gwen Bosser – École Nationale d’Ingénieurs de Brest\nEric Anquetil – Institut National des Sciences Appliquées de Rennes\n\nExaminateurs : \n\nMaxime Amblard – Université de Lorraine\, Loria\, Équipe Semagramme\nMarion Gilson – Université de Lorraine\nMargarita Alexandrova – Amazon
URL:https://www.loria.fr/event/soutenance-de-these-de-florian-marchal-bornert/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240903T100000
DTEND;TZID=Europe/Paris:20240903T120000
DTSTAMP:20240830T132919Z
CREATED:20240830T132919Z
LAST-MODIFIED:20240830T132919Z
UID:26614-1725357600-1725364800@www.loria.fr
SUMMARY:Soutenance de thèse d'Evan Dufraisse
DESCRIPTION:Evan Dufraisse (Bird) soutiendra sa thèse intitulée « Analyse Automatique des News pour la Compréhension de la Polarisation » le 3 septembre. \nRésumé\nLes progrès technologiques dans le domaine des télécommunications ont radicalement changé la manière dont l’information est diffusée et dont le public interagit avec elle. Le paysage médiatique\, autrefois dominé par une poignée d’acteurs\, est devenu très concurrentiel avec l’avènement d’internet et a entraîné une forte augmentation du nombre de sources. Cette évolution est parfois qualifiée par les spécialistes de « crise de l’information »\, caractérisée par la fragmentation de l’audience et la personnalisation accrue de la consommation d’informations. \nJury\nEncadrants \n\nArmelle BRUN\, UNIVERSITÉ DE LORRAINE\nJulien TOURILLE\, CEA\n\nRapporteurs : \n\nPascale SÉBILLOT\, UNIVERSITÉ DE RENNES\nSymeon PAPADOPOULOS\, INFORMATION TECHNOLOGIES INSTITUTE\, CERTH Oana GOGA\, POLYTECHNIQUE PARIS Slim OUNI\, UNIVERSITÉ DE LORRAINE\n\nExaminateurs : \n\nOana GOGA\, POLYTECHNIQUE PARIS\nSlim OUNI\, UNIVERSITÉ DE LORRAINE
URL:https://www.loria.fr/event/soutenance-de-these-devan-dufraisse/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240711T093000
DTEND;TZID=Europe/Paris:20240711T113000
DTSTAMP:20240612T153913Z
CREATED:20240612T153913Z
LAST-MODIFIED:20240612T153913Z
UID:26422-1720690200-1720697400@www.loria.fr
SUMMARY:Soutenance de Marco Freire (MFX)
DESCRIPTION:Marco Freire (MFX) soutiendra sa thèse intitulée « Problèmes d’agencement sous contraintes topologiques pour la fabrication computationnelle » le 11 juillet à 9h30 en salle C005. \nRésumé\nLes problèmes d’agencement surviennent dans de nombreux domaines en ingénieurie et en informatique. Ils sont constitués d’objets\, d’un espace\, de contraintes et d’objectifs. Un agencement valide est un placement des objets dans l’espace respectant les contraintes et optimisant les objectifs. La conception de circuits électroniques et la planification architecturale sont des exemples de problèmes d’agencement. Ceux-ci impliquent souvent des contraintes topologiques portant sur les relations entre les objets\, comme des composants électroniques étant connectés ou des salles n’étant pas contigües sur un plan. Cette thèse s’intéresse aux problèmes d’agencement avec des contraintes topologiques dans la fabrication computationnelle\, plus précisément pour l’agencement de circuits électroniques et la génération de supports pour l’impression 3D. Ces technologies sont plus accessibles que jamais grâce à l’existence d’imprimantes 3D abordables et de services en ligne de fabrication de circuits. \nJury\nEncadrant \n\nSylvain LEFEBVRE\, Université de Lorraine\, CNRS\, Inria\, LORIA\n\nRapporteurs \n\nTamy BOUBEKEUR\, Adobe Research France\, Telecom Paris\nNobuyuki UMETANI\, University of Tokyo\n\nExaminatrice: \n\nMélina SKOURAS\, Université Grenoble Alpes\, Inria\, CNRS\, Grenoble INP\, LJK\n\nInvitée \n\nMarie-Odile BERGER\, Université de Lorraine\, CNRS\, Inria\, LORIA
URL:https://www.loria.fr/event/soutenance-de-marco-freire-mfx/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240710T140000
DTEND;TZID=Europe/Paris:20240710T160000
DTSTAMP:20240710T081214Z
CREATED:20240630T202622Z
LAST-MODIFIED:20240710T081214Z
UID:26417-1720620000-1720627200@www.loria.fr
SUMMARY:PhD Defense: Diego Amaya (Capsid)
DESCRIPTION:Diego Amaya (Capsid) will defend his thesis\, entitled « Data science approach for the exploration of HLA antigenicity based on 3D structures and molecular dynamics »\, on Wednesday\, July 10 at 2 p.m.\, in room A008. \nAbstract:\n\n\nOrgan transplantation is the sole treatment for end-stage organ failure\, with 10\,810 patients on the waiting list and only 5\,493 transplants conducted in France in 2022. The primary cause of transplant loss is the recipient’s alloimmune response\, particularly the humoral response producing donor-specific antibodies (DSA) against Human Leukocyte Antigen (HLA) mismatches. The complexity of the HLA system\, with its vast genetic polymorphism\, poses challenges for defining compatibility between donor and recipient\, which currently relies on serological classifications at antigen level.\nThis thesis addresses the challenge of defining HLA antigenicity through 3D molecular data and data science. High-quality 3D structures and molecular dynamics (MD) simulations of 207 HLA antigens were generated and analyzed to understand structural differences influencing antigenicity. Complementarily\, 3D shape descriptors for comparison of dynamic protein surfaces (i.e. Zernike descriptors) were explored. Additionally an HLA Epitope Predictor (HLA-EpiCheck)  was trained on static and dynamic structural features to predict HLA antigenicity. The predictor demonstrated a high performance in identifying eplets\, showing strong agreement with experimental data. Finally\, HLA-3D-Diff was developed to visualize and compare 3D HLA structures\, aiding in the understanding of complex immunization patterns.\n\nKeywords: Organ transplantation\, molecular dynamics\, HLA antigenicity\, data science.\n\nThesis Committee:\n\nReviewers: \n\n\n\nJuliette Martin\, DR CNRS\, École Normale Supérieure Lyon\nFrédéric Cazals\, DR INRIA\, Centre Sophia Antipolis–Méditerranée\n\n\n\nExaminers: \n\n\n\nManuel Dauchez\, Professor\, University of Reims Champagne-Ardenne\nOlivier Toutirais\, Professor\, University of Caen\nMalika Smaïl-Tabbone\, MC HDR\, University of Lorraine\n\n\n\nSupervisors: \n\n\n\nMarie-Dominique Devignes\, CR CNRS (HDR)\, LORIA Nancy\nJean-Luc Taupin\, Professor\, University Paris-Cité
URL:https://www.loria.fr/event/phd-defense-diego-amaya-capsid/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240710T140000
DTEND;TZID=Europe/Paris:20240710T160000
DTSTAMP:20240612T153126Z
CREATED:20240612T153126Z
LAST-MODIFIED:20240612T153126Z
UID:26419-1720620000-1720627200@www.loria.fr
SUMMARY:PhD Defense: Alaaeddine Chaoub (Synalp)
DESCRIPTION:Alaaeddine Chaoub (Synalp) will defend his thesis\, entitled « Deep learning representations for prognostics and health management »\, on Wednesday\, July 10 at 2 p.m.\, in Amphi 7\, Bâtiment Victor Grignard. \nAbstract\nThis thesis contributes to the application of Deep Learning (DL) in Remaining useful life (RUL) prediction of industrial equipment\, addressing significant challenges in this field. Our research is driven by the need to develop DL architectures that mitigate performance degradation under various operating conditions\, to improve model interpretability\, and to address data scarcity by leveraging external (un)labeled data. We structured our work into two principal parts. In the first part\, we explore architectures capable of handling data variability resulting from different operating conditions\, without manual feature engineering. This led us to propose an MLP-LSTM-MLP architecture. By employing an MLP at the first stage\, we were able to normalize this variability\, thus improving performances under such settings. Furthermore\, To enhance interpretability\, we proposed to replaced the first-stage MLP stage with a Gated mixture of experts (GMoE) system\, enabling interpretable decomposition based on operating conditions. The second part of the thesis addresses the issue of data scarcity\, a widely recognized challenge in the Prognostics and health management (PHM) field. Through the introduction of adapters\, i.e. task-specific layers that address the challenge of handling multiple input/output structures\, we proposed an auxiliary training approach that leverages external labeled data\, presenting a method that surpasses traditional techniques found in the literature. Moreover\, to utilize external unlabeled data in auxiliary training\, We proposed a meta-learning approach to automatically derive auxiliary objectives from these data by pseudo-labeling them in an end-task aware manner. The goal of this part was to leverage broader spectrum of available data to improve RUL prediction performances. In reflecting upon our work\, we acknowledge the limitations of the proposed approaches and suggest both immediate and long-term directions for future research. These include tackling the challenges of processing long sequence data\, further improving model interpretability\, addressing data scarcity with more advanced training methodologies\, and exploring the potential of federated learning and large language models in industrial settings.\nJury\n\nReviewers:\n\nEmmanuel Ramasso – Associate professor HDR – Institut FEMTO-ST\nCéline Hudelot – Professor – Centralesupelec University of Paris-Saclay\n\nExaminers:\n\nBernardetta Addis – Professor – Université de Lorraine\nBirgit Vogel-Heuser – Professor – Technische Universität München\nRaphaël Couturier – Professor – Université de Franche-Comté\n\nSupervisors:\n\n\n\nChristophe Cerisara – Researcher HDR (CR) – Université de Lorraine\, LORIA\nAlexandre Voisin – Associate professor HDR – Université de Lorraine\, CRAN
URL:https://www.loria.fr/event/phd-defense-alaaeddine-chaoub-synalp/
LOCATION:Amphi 7\, Bâtiment Victor Grignard
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240705T090000
DTEND;TZID=Europe/Paris:20240705T110000
DTSTAMP:20240628T151312Z
CREATED:20240628T150932Z
LAST-MODIFIED:20240628T151312Z
UID:26478-1720170000-1720177200@www.loria.fr
SUMMARY:PhD Defense: Runbo Su (Simbiot)
DESCRIPTION:Runbo Su (Simbiot) will defend his thesis\, entitled « Trust Management in Service-Oriented Internet of Things (SO-IoT) »\, on Friday\, July 5 at 9 a.m.\, in room C005. \nAbstract\n\nUnlike Trust in Social Science\, in which interactions between humans are measured\, thanks to the integration of numerous smart devices\, Trust in IoT security focuses more on interactions between nodes. Moreover\, As IoT nodes can somehow benefit from ‘Group’/’Community’ since they form by similar interests or functionalities\, the assessment of Group-Individual and Inter-Individual Trust is also important. However\, handling limitations brought by potential threats\n(e.g.\, trust-related attack and BAR Model) and inherent vulnerability due to Trust Management (TM) architecture remains challenging. This thesis investigates Trust from three perspectives in the Service-Oriented Internet of Things (SO-IoT): Inter-Group Trust\, Group-Individual Trust\, and Inter-Individual Trust. Firstly\, a role-based dynamic model is developed to assess intra- and inter-community(group)\, enhancing service-oriented activities and addressing security issues within and between communities. A locally centralized four-phase approach is employed\, focusing on countermeasures against attacks on services within the community. Additionally\, a three-phase mechanism is devised to measure cooperativeness between communities. An implementation based on the ROS 2 system was implemented to analyze the performance of the proposed model based on the preliminary results. Secondly\, to address misbehavior in SO-IoT in terms of Inter-Individual trust\, a Stochastic Bayesian Game (SBG) is introduced. This game theoretical model considers the heterogeneity of IoT nodes and complex behavioral schemes of service providers\, encouraging cooperation and penalizing malicious strategical actions. Lastly\, the work of assessing the Trust of V2X messages in IoV demonstrates the possibility of implementing Trust Management in a concrete IoT environment.\n\nKeywords: Trust Management\, IoT security\, Trust modeling\, misbehavior detection\, Service-Oriented IoT\n\nJury\n\nReviewers:\n\n\nValeria Loscrì\, Inria Lille-Nord Est\n\n\nAbdelmadjid Bouabdallah\, Université de technologie de Compiègne\n\n\nExaminers:\n\n\nClaudia-Lavinia Ignat\, Inria-Nancy Grand Est\, Université de Lorraine\n\n\nAnna Maria Mandalari\, University College London\n\n\n\nInvités:\n\n\n\n\nYe-Qiong Song\, Université de Lorraine\n\n\nRiahi Arbia\, Cylab\, CISS\, Royal Military Academy\, Belgium\n\n\n\nSupervisors:\n\n\n\n\nEnrico Natalizio\, Loria\, Université de Lorraine; Technology Innovation Institute (TII)\, UAE\n\n\nPascal Moyal\, IECL\, Université de Lorraine
URL:https://www.loria.fr/event/phd-defense-runbo-su-simbiot/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240704T133000
DTEND;TZID=Europe/Paris:20240704T163000
DTSTAMP:20240527T131417Z
CREATED:20240527T131417Z
LAST-MODIFIED:20240527T131417Z
UID:26330-1720099800-1720110600@www.loria.fr
SUMMARY:PhD Defense: Abdelkarim Elassam (Tangram)
DESCRIPTION:Abdelkarim Elassam (Tangram) will defend his thesis\, entitled « Learning-based vanishing point detection and its application to large-baseline image registration »\, on Thursday\, July 4 at 1:30 p.m.\, in room A008. \nAbstract\n\nThis thesis examines the detection of vanishing points and the horizon line and their application to visual localization tasks in urban environments. The thesis proposes new deep learning methods to overcome the limitations of existing approaches to vanishing point detection. The first key contribution introduces a novel approach for horizon line and vanishing point detection. Unlike most existing methods\, our method directly infers both the HL and an unlimited number of horizontal VPs\, even those extending beyond the image frame. The second key contribution of this thesis is a structure-enhanced vanishing point detector. This method utilizes a multi-task learning framework to estimate multiple horizontal vanishing points from a single image. It goes beyond simple vanishing point detection by generating masks that identify vertical planar structures corresponding to each vanishing point\, providing valuable scene layout information. Experimental results demonstrate that our method outperforms traditional line-based methods and modern deep learning-based methods. The thesis then explores the use of vanishing points for image matching and registration\, particularly in cases where images are captured from vastly different viewpoints. Despite continuous progress in feature extractors and descriptors\, these methods often fail in the presence of significant scale or viewpoint variations. The proposed methods address this challenge by incorporating vanishing points and scene structures. One major challenge in using vanishing points for registration is establishing reliable correspondences\, especially in large-scale scenarios. This work addresses this challenge by proposing a vanishing point matching method aided by the detection of masks of vertical scene structures corresponding to these vanishing points. To our knowledge\, this is the first implementation of a method for vanishing point matching that exploits image content rather than just detected segments. This vanishing point correspondence facilitates the estimation of the camera’s relative rotation\, particularly in large-scale scenarios. Additionally\, incorporating information from scene structures enables more reliable keypoint correspondence within these structures. Consequently\, the method facilitates the estimation of relative translation\, which is itself constrained by the rotation derived from the vanishing points. The quality of rotation can sometimes be impacted by the imprecision of detected vanishing points. Therefore\, we propose a vanishing point-guided image matching method that is much less sensitive to the accuracy of vanishing point detection.\n\nJury\n\nReviewers:\n\n\nVincent Lepetit\, Professeur des Universités – Ecole des Ponts ParisTech\n\n\nValérie Gouet-Brunet\, Directrice de Recherche – IGN – LaSTIG – Université Gustave Eiffel\n\n\nExaminers:\n\n\nAlain Pagani\, Principal Researcher – DFKI – Kaiserslautern\n\n\nPierrick Gaudry\, Directeur de Recherche – LORIA CNRS\n\n\nSupervisors:\n\n\n\n\nGilles Simon\, Professeur des Universités – Université de Lorraine\n\n\nMarie-Odile Berger\, Directrice de Recherche – Inria Nancy – Grand Est
URL:https://www.loria.fr/event/phd-defense-abdelkarim-elassam-tangram/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240625T133000
DTEND;TZID=Europe/Paris:20240625T163000
DTSTAMP:20240527T124415Z
CREATED:20240527T124257Z
LAST-MODIFIED:20240527T124415Z
UID:26323-1719322200-1719333000@www.loria.fr
SUMMARY:Soutenance de Jacques Zhong (Larsen)
DESCRIPTION:Jacques Zhong (Larsen) soutiendra sa thèse intitulée « Prise en compte de la variabilité morphologique d’opérateurs sur des chaînes de montage en réalité virtuelle » le 25 juin à 13h30 en salle C005. \nRésumé\nDans l’industrie\, les troubles musculo-squelettiques constituent un problème de santé majeur affectant le bien-être et la productivité des travailleurs. Le travail d’un ergonome consiste à identifier les facteurs de risque et à mettre en place des mesures correctives pour améliorer les conditions de travail. Parmi les facteurs de risque\, la morphologie d’un individu a un rôle déterminant sur le développement des troubles musculo-squelettiques et doit être prise en compte lors de l’évaluation ergonomique. Dans ce contexte\, l’objectif de la thèse est de développer des outils pour évaluer l’adéquation d’un poste de travail à une grande variété de morphologies de travailleurs. Les outils de simulation d’humains virtuels sont couramment utilisés dans l’industrie pour réduire les coûts de prototypage en détectant au plus tôt les défauts de conception. Ces outils peuvent simuler différentes morphologies d’humains et dresser rapidement une analyse complète et quantitative du risque. Cependant\, un outil de simulation doit être suffisamment réaliste dans la modélisation des phénomènes physiques pour que les résultats soient interprétables. De plus\, les postures et les mouvements générés doivent être adaptés à l’activité mais aussi à la morphologie de l’humain. Enfin\, un tel outil doit être accessible à des utilisateurs non-spécialistes\, avec un temps nécessaire minimal pour sa prise en main. Une approche émergente en ergonomie et utilisée dans ces travaux consiste à simuler l’humain dans une simulation physique à l’aide d’un contrôleur corps-complet issu de la robotique humanoïde. Cette approche permet de générer en temps interactif des mouvements et des efforts dynamiquement cohérents. De plus\, l’approche est générique et peut être appliquée à différentes morphologies d’humains et à différents scénarios de postes de travail. Dans une première contribution\, le problème de la mise en posture d’un humain virtuel physique est étudié. En effet\, la simulation utilisée impose des contraintes liées à la physique\, qui rendent plus difficile la mise en posture de l’humain virtuel. Pour répondre à cela\, nous développons une interface en réalité virtuelle\, avec l’utilisateur en immersion dans le poste de travail virtuel. Cette approche permet à l’utilisateur d’interagir de manière plus naturelle avec des humains virtuels de morphologies différentes et de visualiser plus facilement les postures et les efforts internes en jeu. Dans une deuxième contribution\, le problème de la génération de comportements spécifiques à la morphologie pour une large population d’humains est étudié. Nous proposons une approche utilisant un algorithme multitâches et boîte noire basé sur l’optimisation qualité-diversité\, pour optimiser efficacement le paramétrage des contrôleurs corps-complet pour l’ensemble des individus. Sur un scénario de vissage\, notre approche permet de générer des comportements uniques pour chaque morphologie et optimisés en termes de performance et d’ergonomie. En outre\, cette approche produit une carte d’adéquation qui permet de voir directement si un poste de travail est adapté ou non à la population ciblée.\nLes approches introduites ouvrent de nouvelles pistes à explorer\, notamment pour optimiser directement les postes de travail par rapport à la morphologie de l’humain ou pour prendre en compte la diversité de stratégies comportementales pour chaque morphologie. \nJury\n\nPhilippe SOUÈRES (CNRS)\nXuguang WANG (Université Gustave Eiffel)\nChristine CHEVALLEREAU (CNRS)\n\nEncadrants de thèse\n\n\nFrancis COLAS (INRIA)\n\n\nPauline MAURICE (CNRS)\n\n\nVIncent WEISTROFFER (CEA-LIST)
URL:https://www.loria.fr/event/soutenance-de-jacques-zhong-larsen/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240624T140000
DTEND;TZID=Europe/Paris:20240624T170000
DTSTAMP:20240527T130829Z
CREATED:20240527T130722Z
LAST-MODIFIED:20240527T130829Z
UID:26327-1719237600-1719248400@www.loria.fr
SUMMARY:PhD Defense: Esteban Marquer (Orpailleur)
DESCRIPTION:Esteban Marquer (Orpailleur) will defend his thesis\, entitled « Reasoning over Data: Analogy-based and Transfer Learning to improve Machine Learning »\, on Monday\, June 24 at 2 p.m.\, in room B013. \nAbstract\nRecent years have seen a renewed interest in the potential of analogy detection and analogical inference\, with successful applications in Machine Learning (ML) to the retrieval and generation of images\, of text\, and structured data such as knowledge graphs\, but also the detection of relations between and within images\, texts\, and structured data. While some of those works are based on an intuitive understanding of analogy\, significant effort has been made since the antiquity to define analogies as accurately as possible. Analogies are a key component of human cognition\, and can be viewed as an abstraction mechanism that identifies similarities and differences between different situations\, and as a reasoning tool to adapt known solutions to new situation. When reasoning by analogy\, the goal is to adapt the solution of a known or source problem\, which is sufficiently similar to the actual or target problem. This process involves a transfer between the context of the source problem (the problem and its solution) and the context of the target problem. In the past 50 years\, different aspects of the notion of Analogical Proportions (APs) have been explored. An AP is typically composed of four elements\, written A:B::C:D when the ratio between A and B is conform with the one between C and D\, and this formal tool has been declined to cover numerous different interpretations of what an analogy can be\, with any number of elements. In our work\, we explore different methods to tackle the detection of APs and solving of analogical equations on different domains\, using Deep Learning (DL). In particular\, we study word morphology and Target Sense Disambiguation for words in context\, two domains for which our model outperform the State of the Art (SotA)\, as well as in frame semantics\, where we obtain encouraging results. We also study CoAT\, a Case-Based Reasoning (CBR) system based on analogical transfer. With CoAT\, we encounter significant success in the measure of case competence and in the task of case base compression. \nJury\n\nReviewers:\n\nZied Bouraoui\, MCF HdR : Université d’Artois\, France\nPr. Dafna Shahaf : Hebrew University of Jerusalem\, Israel\n\nExaminers:\n\nPr. Mário A. T. Figueiredo : Instituto Superior Técnico\, Portugal\nPr. Maxime Amblard : Université de Lorraine\, France\n\n\nInvited guests : \n\n\nPr. David B. Leake : Indiana University\, United States\nPr. Yves Lepage : Waseda University\, Japan\n\nSupervisors:\n\n\n\nPr. Miguel Couceiro : Université de Lorraine\, France\nAlain Gély\, MCF : Université de Lorraine\, France
URL:https://www.loria.fr/event/phd-defense-esteban-marquer-orpailleur/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240624T100000
DTEND;TZID=Europe/Paris:20240624T120000
DTSTAMP:20240612T151027Z
CREATED:20240612T151027Z
LAST-MODIFIED:20240612T151027Z
UID:26415-1719223200-1719230400@www.loria.fr
SUMMARY:Soutenance d'Ambroise Baril
DESCRIPTION:Ambroise Baril (Orpailleur) soutiendra sa thèse intitulée « Complexité fine et paramétrée des problèmes de coloriage de graphe » le 24 juin à 10h en salle A008. \nRésumé\nL’objectif de la thèse est d’étudier la complexité fine et paramétrée du problème de H-coloration\, ainsi que la classe plus générale des problèmes CSP(Gamma)\, en utilisant des méthodes d’algèbre universelle. Ici\, l’approche récemment développée basée sur la théorie des clones partiels semble être pertinente\, puisqu’on sait que les polymorphismes partiels (pPol(·)) des langages de contraintes sont corrélés à la complexité de CSP(Gamma) dans le pire cas le pire des cas O(c^n). \nJury\nEncadrants \n\nDirecteur de thèse : Miguel Couceiro\, UNIVERSITE DE LORRAINE\nCo-directeur de thèse : Victor Lagerkvist\, UNIVERSITE DE LINKÖPING\n\nRapporteurs \n\nPierre Charbit\, UNIVERSITE PARIS-CITE\nJohanne Cohen\, UNIVERSITE PARIS-SACLAY\n\nExaminateurs \n\nBernardetta Addis\, UNIVERSITE DE LORRAINE\nJovanka Pantović\, FACULTY OF TECHNICAL SCIENCES – SERBIA
URL:https://www.loria.fr/event/soutenance-dambroise-baril/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240619T140000
DTEND;TZID=Europe/Paris:20240619T170000
DTSTAMP:20240527T111323Z
CREATED:20240527T093340Z
LAST-MODIFIED:20240527T111323Z
UID:26316-1718805600-1718816400@www.loria.fr
SUMMARY:Soutenance de Bastien Laboureix (Adagio)
DESCRIPTION:Bastien Laboureix (Adagio) soutiendra sa thèse intitulée « Hyperplans arithmétiques : connexité\, reconnaissance & transformations » le 19 juin à 14h en salle A008. \nRésumé\nLe monde numérique est parsemé de structures mathématiques discrètes\, destinées à être facilement manipulables par un ordinateur tout en donnant à notre cerveau l’impression d’être de belles formes réelles continues. Les images numériques peuvent ainsi être vues comme des sous-ensembles de Z^2. En géométrie discrète\, nous nous intéressons aux structures de Z^d et cherchons à établir des propriétés géométriques ou topologiques sur ces objets. Si les questions que nous nous posons sont relativement simples en géométrie euclidienne\, elles deviennent beaucoup plus difficiles en géométrie discrète : plus de division\, adieu les limites\, tout n’est plus qu’arithmétique. Cette thèse est également l’occasion de jongler avec de nombreuses notions élémentaires de mathématiques et d’informatique (algèbre linéaire\, anneaux\, automates\, analyse réelle\, arithmétique\, combinatoire) pour résoudre des questions de géométrie discrète. \nNous nous intéressons à des structures fondamentales de cette géométrie : les hyperplans arithmétiques. Ceux-ci ont en effet une définition très simple et purement arithmétique : un hyperplan arithmétique est l’ensemble des points entiers situés entre deux hyperplans (réels) affines parallèles. Nous parlons dans cette thèse de trois problèmes portant sur les hyperplans arithmétiques :\n– la connexité : un hyperplan arithmétique est-il composé d’un seul morceau ou de plusieurs ? Apport principal de ce manuscrit\, nous étendons des résultats déjà connus pour la connexité par faces pour des voisinages quelconques. Si certains phénomènes demeurent dans le cas général\, l’explosion combinatoire rend difficile l’adaptation des algorithmes connus pour résoudre le problème. Nous adoptons donc une approche analytique et prouvons des propriétés de connexité en étudiant la régularité d’une fonction.\n– la reconnaissance : comment connaître les caractéristiques d’un hyperplan arithmétique ? Problème plus classique de géométrie discrète\, avec une littérature très riche\, nous proposons pour le résoudre un algorithme de reconnaissance reposant sur l’arbre de Stern-Brocot généralisé. Nous introduisons notamment la notion de corde séparante qui caractérise géométriquement les zones auxquelles appartiennent les paramètres d’un hyperplan arithmétique.\n– les transformations douces : comment transformer continûment un hyperplan arithmétique via des translations ou rotations ? Approche discrète des transformations homotopiques\, nous caractérisons les mouvements de pixels possibles dans une structure discrète tout en préservant ses propriétés géométriques. \nAu-delà de l’étude de ces problèmes et des résultats que nous avons pu obtenir\, cette thèse montre l’intérêt d’utiliser des réels\, et notamment de l’analyse réelle\, pour mieux comprendre les hyperplans arithmétiques. Ces derniers sont en effet caractérisés en grande partie par leur vecteur normal\, souvent considéré entier pour obtenir des propriétés de périodicité. Considérer des vecteurs normaux réels quelconques permet de gagner en souplesse\, et de faire disparaître les phénomènes de bruit induits par les relations arithmétiques du vecteur. S’ouvrir de nouveau au réel est enfin un moyen de créer des ponts vers d’autres branches des mathématiques\, comme la combinatoire des mots ou les systèmes de numération. \nJury\nRapporteurs :\n• Jacques-Olivier Lachaud\, Professeur à l’Université Savoie Mont-Blanc\, LAMA\n• Yan Gérard\, Maître de Conférences à l’Université Clermont-Auvergne\, LIMOS \nExaminateurs :\n• Emilie Charlier\, Chargée de travaux à l’Université de Liège\, Institut de Mathématiques\n• Emmanuel Jeandel\, Professeur à l’Université de Lorraine\, LORIA \nInvités :\n• Eric Andres\, Professeur à l’Université de Poitiers\, XLIM\n• Laurent Vuillon\, Professeur à l’Université Savoie Mont-Blanc\, LAMA \nEncadrants :\n• Isabelle Debled-Rennesson\, Professeure à l’Université de Lorraine\, LORIA\n• Eric Domenjoud\, Chargé de Recherche CNRS\, LORIA
URL:https://www.loria.fr/event/soutenance-de-bastien-laboureix-adagio/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240617T140000
DTEND;TZID=Europe/Paris:20240617T170000
DTSTAMP:20240610T131604Z
CREATED:20240610T131604Z
LAST-MODIFIED:20240610T131604Z
UID:26394-1718632800-1718643600@www.loria.fr
SUMMARY:PhD Defense: Nicolas Hubert (BIRD)
DESCRIPTION:Nicolas Hubert\, PhD student in the ERPI laboratory and in the BIRD team\, will defend his thesis on Monday\, 17 June 2024 at 2pm in the Auditorium 1 of the ENSGSI. \nHis thesis is entitled « From knowledge-aware to knowledge-enhanced graph embedding models for link prediction ». \nRapporteurs:\nFatiha Saïs\, Professeure\, Université Paris Saclay\nPaul Groth\, Professor\, University of Amsterdam\nExaminator:\nFabian Suchanek\, Professor\, Télécom Paris\, Institut Polytechnique de Paris\nInvited guest:\nHeiko Paulheim\, Professor\, University of Mannheim\nSupervisors:\nDavy Monticolo\, Professor\, Université de Lorraine\nArmelle Brun\, Professeure\, Université de Lorraine\n\n\n\nAbstract:\n\nKnowledge graph embedding models (KGEMs) have gained considerable traction in recent years. These models learn a vector representation of knowledge graph entities and relations\, a.k.a. knowledge graph embeddings (KGEs). This thesis specifically explores the advancement of KGEMs for the link prediction (LP) task\, which is of utmost importance as it underpins several downstream applications such as recommender systems.\nIn this thesis\, various challenges around the use of KGEMs for LP are identified: the scarcity of semantically rich resources\, the unidimensional nature of evaluation frameworks\, and the lack of semantic considerations in prevailing machine learning-based approaches.\nCentral to this thesis is the proposition of novel solutions to these challenges. Firstly\, the thesis contributes to the development of semantically rich resources: mainstream datasets for link prediction are enriched using schema-based information\, EducOnto and EduKG are proposed to overcome the paucity of resources in the educational domain\, and PyGraft is introduced as an innovative open-source tool for generating synthetic ontologies and knowledge graphs. Secondly\, the thesis proposes a new semantic-oriented evaluation metric\, Sem@K\, offering a multi-dimensional perspective on model performance. Importantly\, popular models are reassessed using Sem@K\, which reveals essential insights into their respective capabilities and highlights the need for multi-faceted evaluation frameworks. Thirdly\, the thesis delves into the development of neuro-symbolic approaches\, transcending traditional machine learning paradigms. These approaches do not only demonstrate improved semantic awareness but also extend their utility to diverse applications such as recommender systems.\nIn summary\, the present work not only redefines the evaluation and functionality of knowledge graph embedding models but also sets the stage for more versatile\, interpretable AI systems\, underpinning future explorations at the intersection of machine learning and symbolic reasoning.\nKeywords:\nKnowledge graph\, Graph embedding\, Neuro-symbolic AI\, Link prediction\nRésumé:\n\nLes modèles d’embeddings à base de graphes de connaissances ont considérablement gagné en popularité ces dernières années. Ces modèles apprennent une représentation vectorielle des entités et des relations des graphes de connaissances (GCs). Cette thèse explore spécifiquement le progrès de tels modèles pour la tâche de prédiction de lien (PL)\, qui est d’une importance capitale car elle se retrouve dans plusieurs applications telles que les systèmes de recommandation.\nDans cette thèse\, divers défis liés à l’utilisation des modèles d’embeddings de GCs pour la PL sont identifiés : la rareté des ressources sémantiquement riches\, la nature unidimensionnelle des cadres d’évaluation\, et le manque de considérations sémantiques dans les approches d’apprentissage automatique.\nCette thèse propose des solutions novatrices à ces défis. Premièrement\, elle contribue au développement de ressources sémantiquement riches : les jeux de données principaux pour la prédiction de lien sont enrichis en utilisant des informations basées sur des schémas\, EducOnto et EduKG sont proposés pour surmonter la pénurie de ressources dans le domaine éducatif\, et PyGraft est introduit comme un outil innovant pour générer des ontologies synthétiques et des graphes de connaissances. Deuxièmement\, la thèse propose une nouvelle métrique d’évaluation orientée sémantique\, Sem@K\, offrant une perspective multidimensionnelle sur la performance des modèles. Il est important de souligner que les modèles populaires sont réévalués en utilisant Sem@K\, ce qui révèle des aspects essentiels et jusqu’alors inexplorés de leurs capacités respectives et souligne le besoin de cadres d’évaluation multidimensionnels. Troisièmement\, la thèse se penche sur le développement d’approches neuro-symboliques\, transcendant les paradigmes traditionnels de l’apprentissage automatique. Ces approches ne démontrent pas seulement une meilleure capacité sémantique dans leurs prédictions\, mais étendent également leur utilité à diverses applications telles que les systèmes de recommandation.\nEn résumé\, le présent travail ne redéfinit pas seulement l’évaluation et la fonctionnalité des modèles d’embeddings de GCs\, mais prépare également le terrain pour des systèmes d’intelligence artificielle plus polyvalents et interprétables\, soutenant les explorations futures à l’intersection de l’apprentissage automatique et du raisonnement symbolique.\n\nMots clés: \n\n\nGraphe de connaissance\, Plongement de graphe\, IA neuro-symbolique\, Prédiction de lien
URL:https://www.loria.fr/event/phd-defense-nicolas-hubert-bird/
LOCATION:ENSGSI
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240606T090000
DTEND;TZID=Europe/Paris:20240606T120000
DTSTAMP:20240527T140228Z
CREATED:20240527T110843Z
LAST-MODIFIED:20240527T140228Z
UID:26313-1717664400-1717675200@www.loria.fr
SUMMARY:Soutenance de Timothée Anne (Larsen)
DESCRIPTION:Timothée Anne (Larsen) soutiendra sa thèse intitulée « L’optimisation multi-tâche et ses applications à la robotique : d’abord résoudre\, ensuite généraliser »\, le 6 juin à 9h en salle B013. \n\nRésumé\nDoter des agents artificiels\, tels que des robots\, d’une capacité à apprendre à réaliser des tâches complexes et à s’adapter est une quête centrale de la recherche en intelligence artificielle. L’apprentissage par renforcement profond en est aujourd’hui une des méthodes privilégiées\, mais n’est ni toujours simple à mettre en œuvre\, ni toujours la plus performante. \nDans cette thèse\, nous étudions un autre concept d’apprentissage de politique qui se divise en deux étapes : une étape de résolution d’un ensemble de sous-problèmes puis une étape de généralisation. Plus formellement\, la première étape reformule le problème général comme un problème multi-tâche permettant d’obtenir un jeu de données de solutions. La seconde étape utilise de l’apprentissage supervisé sur ce jeu de données pour entraîner une politique générale.Nous évaluons d’abord la viabilité de ce concept à un problème d’apprentissage de réflexes d’évitement de chute avec un robot humanoïde réel. Non seulement il permet d’apprendre des comportements en simulation qui permettent d’éviter la chute dans plus de 75\% des cas\, mais ces comportements sont assez robustes pour fonctionner sur le robot réel. \nNous développons ensuite un algorithme de qualité-diversité multi-tâche\, Multi-Task Multi-Behavior MAP-Elites\, pour améliorer l’efficacité d’échantillonnage de la première étape de résolution. Nous illustrons cet algorithme sur le même problème d’apprentissage de réflexes d’évitement de chute d’un robot humanoïde et pour généraliser à des environnements plus réalistes. \nNous proposons enfin de passer d’une étape de résolution discrète à une résolution continue. Pour ce faire\, nous reformulons le problème d’optimisation multi-tâche boîte noire comme un problème d’optimisation paramétrique et proposons une méthode pour le résoudre : Parametric-Task MAP-Elites. \Parametric-Task MAP-Elites résout une nouvelle tâche à chaque itération\, recouvrant asymptotiquement l’espace des tâches. Après avoir consommé son budget d’évaluations\, \eng{Parametric-Task MAP-Elites} distille les solutions trouvées dans une politique pour généraliser à l’ensemble de l’espace continu. \nL’optimisation multi-tâche est une méthode sous-exploitée qui montre\, dans cette thèse\, son aptitude à permettre de résoudre certains problèmes de robotique de façon plus simple à mettre en œuvre et plus performante que l’apprentissage par renforcement profond. \nJury\nRapporteurs : \n\nClément Moulin-Frier\, Centre Inria de l’université de Bordeaux\nMarc Schoenauer\, Centre Inria de Saclay\n\nExaminatrices : \n\nBernardetta Addis\, LORIA – Université de Lorraine\nAmy Hoover\, New Jersey Institute of Technology\n\nEncadrant : Jean-Baptiste Mouret\, Centre Inria de l’Université de Lorraine
URL:https://www.loria.fr/event/soutenance-de-timothee-anne-larsen/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240328T140000
DTEND;TZID=Europe/Paris:20240328T163000
DTSTAMP:20240313T103835Z
CREATED:20240313T103835Z
LAST-MODIFIED:20240313T103835Z
UID:25121-1711634400-1711643400@www.loria.fr
SUMMARY:Soutenance de thèse de Djedjiga Belhadj (Read)
DESCRIPTION:Djedjiga Belhadj (Read) soutiendra sa thèse intitulée « Multi-GAT semi-supervisé pour l’extraction d’informations et son adaptation au chiffrement homomorphe »\, le 28 mars à 14h en salle A008. \nRésumé :\nCette thèse est réalisée dans le cadre du projet BPI DeepTech\, en collaboration avec la société Fair&Smart\, veillant principalement à la protection des données personnelles conformément au Règlement Général sur la Protection des Données (RGPD). Dans ce contexte\, nous avons proposé un modèle neuronal profond pour l’extraction d’informations dans les documents administratifs semi-structurés (DSSs). En raison du manque de données d’entraînement publiques\, nous avons proposé un générateur artificiel de DSSs qui peut générer plusieurs classes de documents avec une large variation de contenu et de mise en page. Les documents sont générés à l’aide de variables aléatoires permettant de gérer le contenu et la mise en page en respectant des contraintes visant à garantir leur proximité avec des documents réels. Des métriques ont été introduites pour évaluer la diversité des DSSs générés en termes de contenu et de mise en page. Les résultats de l’évaluation ont montré que les jeux de données générés pour trois types de DSSs (fiches de paie\, tickets de caisse et factures) présentent un degré élevé de diversité\, ce qui permet d’éviter le sur-apprentissage lors de l’entraînement des systèmes d’extraction d’informations. En s’appuyant sur le format spécifique des DSSs\, constitué de paires de mots (mots-clés\, informations) situés dans des voisinages proches spatialement\, le document est modélisé sous forme de graphe où les nœuds représentent les mots et les arcs\, les relations de voisinage. Le graphe est incorporé dans un réseau d’attention à graphe (GAT) multi-couches (Multi-GAT). Celui-ci applique le mécanisme d’attention multi-têtes permettant d’apprendre l’importance des voisins de chaque mot pour mieux le classer.  Une première version de ce modèle a été utilisée en mode supervisé et a obtenu un score F1 de 96 % sur deux jeux de données de factures et de fiches de paie générées\, et de 89 % sur un ensemble de tickets de caisse réels (SROIE). Nous avons ensuite enrichi le Multi-GAT avec un plongement multimodal de l’information au niveau des mots (avec des composantes textuelle\, visuelle et positionnelle)\, et l’avons associé à un auto-encodeur variationnel à graphe (VGAE). Ce modèle fonctionne en mode semi-supervisé\, capable d’apprendre à partir des données annotées et non annotées simultanément. Pour optimiser au mieux la classification des nœuds du graphe\, nous avons proposé un semi-VGAE dont l’encodeur partage ses premières couches avec le classifieur Multi-GAT. Cette optimisation est encore renforcée par la proposition d’une fonction de perte VGAE gérée par la perte de classification. En utilisant une petite base de données non annotées\, nous avons pu améliorer de plus de 3 % le score F1 obtenu sur un ensemble de factures générées. Destiné à fonctionner dans un environnement protégé\, nous avons adapté l’architecture du modèle pour son chiffrement homomorphe. Nous avons étudié une méthode de réduction de la dimensionnalité du modèle Multi-GAT. Ensuite\, nous avons proposé une approche d’approximation polynomiale des fonctions non-linéaires dans le modèle. Pour réduire la dimension du modèle\, nous avons proposé une méthode de fusion de caractéristiques multimodales qui  nécessite peu de paramètres supplémentaires et qui réduit les dimensions du modèle tout en améliorant ses performances. Pour l’adaptation au chiffrement\, nous avons étudié des approximations polynomiales de degrés faibles aux fonctions non-linéaires avec une utilisation des techniques de distillation de connaissance et de fine tuning pour mieux adapter le modèle aux nouvelles approximations. Nous avons pu minimiser la perte lors de l’approximation d’environ 3 % pour deux jeux de données de factures ainsi qu’un jeu de données de fiches de paie et de 5 % pour SROIE. \nJury\nRapporteurs : \n\nRolf Ingold (Université de Fribourg)\nJean-Yves Ramel  (LIFAT – Université de Tours)\n\nExaminatrices : \n\nClaire Gardent (CNRS – LORIA)\nVéronique Eglin (LIRIS – INSA – CNRS)\n\nDirecteur : \n\nAbdel Belaïd (Université de Lorraine – LORIA)
URL:https://www.loria.fr/event/soutenance-de-these-de-djedjiga-belhadj-read/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240322T143000
DTEND;TZID=Europe/Paris:20240322T170000
DTSTAMP:20240313T103932Z
CREATED:20240313T103110Z
LAST-MODIFIED:20240313T103932Z
UID:25117-1711117800-1711126800@www.loria.fr
SUMMARY:Soutenance de thèse de Youssef Assis (Tangram)
DESCRIPTION:Youssef Assis (Tangram) soutiendra sa thèse intitulée « La détection des anévrismes intracrâniens par apprentissage profond »\, le 22 mars à 14h30 en salle C005. \nRésumé :\nLes anévrismes intracrâniens sont des dilatations locales des vaisseaux sanguins cérébraux\, présentant un risque significatif de rupture\, susceptible d’entraîner des conséquences graves. La détection précoce des anévrismes non rompus revêt donc une importance cruciale pour prévenir des complications potentiellement mortelles. Cependant\, l’analyse des images médicales pour localiser ces anévrismes est une tâche complexe et chronophage\, demandant du temps et d’expertise\, et malgré cela reste susceptible d’erreurs d’interprétation. Face à ces défis\, cette thèse explore des méthodes automatisées pour la détection des anévrismes\, visant à faciliter le travail des radiologues et à améliorer l’efficacité du diagnostic. Notre approche se concentre sur l’utilisation de techniques d’intelligence artificielle\, en particulier les réseaux de neurones profonds\, pour la détection des anévrismes à partir d’images d’IRM angiographique par temps de vol (TOF-MRA). Nos travaux de recherche se sont articulés autour de plusieurs axes principaux. Tout d’abord\, en raison de la rareté des données d’entraînement dans le domaine médical\, nous adoptons une méthode d’annotation rapide\, bien qu’approximative\, afin de faciliter la collection de données. Par ailleurs\, nous proposons une stratégie basée sur des petits patchs. En association avec de la synthèse de données\, les échantillons sont démultipliés dans la base d’apprentissage. En sélectionnant les échantillons\, leur distribution est ajustée pour faciliter l’optimisation. Ensuite\, pour la détection automatisée des anévrismes\, nous étudions diverses architectures de réseaux de neurones. Une première approche explore les réseaux de segmentation d’images. Nous proposons dans un second temps une architecture innovante inspirée des travaux en détection d’objets. Ces architectures\, notamment la dernière\, obtiennent des résultats compétitifs\, en particulier en termes de sensibilité par rapport aux experts. Enfin\, au-delà de la détection des anévrismes\, nous étendons notre modèle à l’estimation de la pose des anévrismes dans les images 3D. Ceci peut grandement faciliter leur analyse et leur interprétation dans des plans de coupes reformattés. Une évaluation approfondie des modèles proposés est systématiquement réalisée\, incluant des études par ablation\, l’exploitation de métriques adaptées au problème de la détection et des évaluations menées par des experts cliniciens\, permettant d’apprécier leur efficacité potentielle pour une utilisation clinique. Nous mettons en particulier en évidence les problèmes liés à l’incertitude dans l’annotation des bases de données existantes. \nJury\nRapporteurs : \n\nChristine FERNANDEZ-MALOIGNE\, Professeure – Université de Poitiers\nAntoine VACAVANT\, Professeur – Université Clermont Auvergne\n\nExaminateurs : \n\nCarole LARTIZIEN\, Directrice de recherche – CNRS\nCarole LE GUYADER\, Professeure – INSA Rouen Normandie\n\nDirecteurs : \n\nErwan KERRIEN\, Directeur de thèse\, Chargé de recherche – Inria\nRené ANXIONNAT\, Co-directeur de thèse\, Professeur – Université de Lorraine\nFabien PIERRE\, Co-encadrant\, Maître de conférences – Université de Lorraine
URL:https://www.loria.fr/event/soutenance-de-these-de-youssef-assis/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240124T100000
DTEND;TZID=Europe/Paris:20240124T120000
DTSTAMP:20240124T080937Z
CREATED:20240123T134022Z
LAST-MODIFIED:20240124T080937Z
UID:24746-1706090400-1706097600@www.loria.fr
SUMMARY:Soutenance de thèse de Maxime Samson (Simbiot)
DESCRIPTION:Maxime Samson (Simbiot) soutiendra sa thèse* intitulée « Conception et configuration de réseaux TSN guidées par les modèles »\, le 24 janvier à 10h en salle C005. \nRésumé :\n\nNous étudions le processus de conception et de configuration de réseaux temps réel utilisant les standards Time-Sensitive Networking (TSN). Le groupe de travail IEEE 802.1 TSN a publié un ensemble de standards ajoutant de nouvelles fonctionnalités aux normes utilisés par les ré- seaux Ethernet commutés. \n\nJury\nRapporteurs :\n\n\nKatia Jaffres-Runser\, Pr.\, INP Toulouse\nMarc Boyer\, Directeur de recherche\, ONERA\n\n\nExaminateurs : \n\n\n\nLiliana Cucu-Grosjean\, Directrice de recherche\, Inria Paris\nEmmanuel Grolleau\, Pr.\, ISAE-ENSMA\n\n\n\nEncadrants : \n\n\nEric Dujardin\, Ingénieur de recherche\, Thales R&T (encadrant Thales)\nThomas Vergnaud\, Ingénieur de recherche\, Thales R&T (encadrant Thales)\nYe-Qiong Song\, Pr. UL (Directeur de thèse)\nLaurent Ciarletta\, MCF\, UL (co_directeur\, Invité)
URL:https://www.loria.fr/event/soutenance-de-these-de-maxime-samson-simbiot/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20240110T133000
DTEND;TZID=Europe/Paris:20240110T153000
DTSTAMP:20231220T172251Z
CREATED:20231220T123021Z
LAST-MODIFIED:20231220T172251Z
UID:24310-1704893400-1704900600@www.loria.fr
SUMMARY:PhD Defense: Gabriela Herrera (NeuroRhythms)
DESCRIPTION:Gabriela Herrera (NeuroRhythms) will defend her thesis\, entitled « Vibrotactile Feedback to Support Kinesthetic Motor Imagery in a Brain-Computer Interface for Post-stroke Motor Rehabilitation »\, on Wednesday\, January 10th at 1:30 pm in room C005. \nAbstract :\n\nBrain-computer interfaces (BCIs) hold promise for post-stroke brain rehabilitation\, relying on Kinesthetic Motor Imagery (KMI). KMI involves mentally simulating movement sensations but lacks crucial sensory feedback\, impeding the learning process. BCIs\, which detect brain electrical activity during KMI\, play a vital role by offering feedback and contributing to the recovery journey. We introduce vibrotactile (VT) stimulation to tackle the lack of feedback. By stimulating the skin\, VT feedback assists patients in evaluating their performance. This input and a gamified\, semi-immersive virtual scenario create comprehensive feedback that actively supports KMI execution. This thesis proposes a user-centered approach to develop an innovative BCI that integrates visual and haptic feedback\, distinguishing itself from technology-centered methods. A novel VT feedback is designed\, merged with visual animation\, and tested as a feedback modality for the BCI. The emphasis on a user-centered methodology underscores the potential to redefine post-stroke patient studies\, providing a robust roadmap for future endeavors in this evolving domain. This holistic approach not only positions the user at the core of the design process but also signifies a transformative shift in how we approach and apply BCIs in post-stroke rehabilitation. \n\nJury\n\nReviewers:\n\nFrançois Cabestaing\, Professeur\, Université de Lille\, France\nGéry Casiez\, Professeur\, Université de Lille\, France\n\nExaminers:\n\nMaryam Alimardani\, Assistant Professor at Tilburg University\, The Netherlands\nInes di Loreto\, MCF\, Université de Technologie de Troyes\, France\n\nSupervisors:\n\nPatrick Hénaff – Professeur\, Université de Lorraine/ Mines\, LORIA\, Nancy\, France\nLaurent Bougrain – MCF\, Université de Lorraine\, LORIA\, Nancy\, France\nStéphanie Fleck – MCF\, Université de Lorraine\, PErSEUs\, Metz\, France\nAnatole Lécuyer – Directeur de Recherche\, INRIA Rennes\, IRISA\, Rennes\, France
URL:https://www.loria.fr/event/phd-defense-gabriela-herrera-neurorhythms/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231220T090000
DTEND;TZID=Europe/Paris:20231220T110000
DTSTAMP:20231201T141613Z
CREATED:20231201T101619Z
LAST-MODIFIED:20231201T141613Z
UID:24128-1703062800-1703070000@www.loria.fr
SUMMARY:PhD Defense: Anna Kravchenko (Capsid)
DESCRIPTION:Anna Kravchenko (Capsid) will defend his thesis\, entitled « Fragment-based modelling of protein-RNA complexes for protein design »\, on Wednesday\, December 20th at 9 am in room A008. \nAbstract :\n\nThe structural modelling of protein-ssRNA complexes poses a significant challenge due to the inherent flexibility of ssRNA. The state-of-the-art fragment-based docking method\, ssRNA’TTRACT\, is hindered by sampling and scoring problems\, i.e. failure to generate correct models and inaccurate ranking\, respectively. Both problems stem mainly from the protein-RNA parameters of the ATTRACT scoring function being not ssRNA-specific. This thesis aims to advance protein-ssRNA docking by addressing both problems. \nA major accomplishment of this work is the development of the Histogram-Based Pseudo Potential (HIPPO)\, a novel protein-ssRNA coarse-grained scoring function that combines four scoring potentials. HIPPO effectively accounts for the various protein-ssRNA binding modes\, mitigating the scoring problem in docking. The versatility of the workflow to derive HIPPO allows its application to other ligands\, such as ssDNA and long peptides. \nMany ssRNA binding proteins contain conserved RNA-Recognition Motifs (RRM). To tackle the sampling problem in RRM-ssRNA complexes\, structural knowledge has been leveraged to create the data-driven docking pipeline ‘RRM-RNA dock.’ Beyond improving sampling\, this pipeline serves as a user-friendly tool for RRM-ssRNA fragment-based data-driven docking. It holds the potential for expansion into a more generalised protein-ssRNA docking tool. \n\nJury\n\nReviewers:\n\nJuan Cortes – LAAS-CNRS\, Paris\, France\nPablo Chacon – Institute of Physical Chemistry\, Spain\nPiotr Setny – University of Warsaw\, Poland\n\nExaminers:\n\nMartin Zacharias – Technical University of Munich\, Germany\nSamuela Pasquali – Université Paris Cité\, France\n\nSupervisors:\n\nIsaure Chauvot de Beauchêne – Université de Lorraine\, France\nMalika Smaïl-Tabbone – Université de Lorraine\, France
URL:https://www.loria.fr/event/phd-defense-anna-kravchenko-capsid/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231219T140000
DTEND;TZID=Europe/Paris:20231219T170000
DTSTAMP:20231130T090152Z
CREATED:20231130T084109Z
LAST-MODIFIED:20231130T090152Z
UID:24108-1702994400-1703005200@www.loria.fr
SUMMARY:Soutenance HDR d'Isaure Chauvot de Beauchene
DESCRIPTION:La soutenance d’HDR d’Isaure Chauvot de Beauchene \, intitulée « Modélisation 3D des interactions protéine-ARN par assemblage de fragments » aura lieu mardi 19 décembre à 14h00 en salle A008.\n \nRésumé\n\nLa modélisation des assemblages entre protéines et ARN simple-brin (ARNsb) nécessite un échantillonnage des conformations 3D possibles d’ARNsb\, ce que sa très grande flexibilité rend difficile. Ce manuscrit décrit une approche par assemblage combinatoire de fragments\, qui contourne ce problème: La séquence d’ARN est découpée en fragments chevauchants suffisamment petits pour que leur espace conformationnel soit discrétisé par un ensemble de prototypes de cardinalité raisonnable. Ces ensembles sont positionnés sur toute la surface de la protéine\, les poses de meilleur score d’interaction sont conservées\, et celles géométriquement compatibles sont assemblées en modèles complets d’ARN. Cet assemblage consiste en la recherche des meilleurs chemins de longueur fixe dans le graphe de connectivité des poses pondérées de leur score/rang. \nJe présente d’abord cette approche et ses limites\, puis résume des avancées – fruits de mes encadrements – sur différents aspects de cette approche globale :\n– un outil de création de bibliothèques de fragments 3D d’ARN et leur analyse statistique (ProtNAff)\n– un algorithme de clustering qui crée le plus petit ensemble de prototypes représentatif d’un ensemble fini de structures 3D (Radius\, collab. Yann Guermeur)\n– une approche hiérarchique branch-and-bound de sampling exhaustif de positions de fragment dans une poche protéique (DeepATTRACT)\n– le développement analytique d’un potentiel gros-grain protéine-ARNsb (HIPPO)\n– des variantes pour applications particulières : au domaine protéique nommé RRM\, aux hairpins d’ARN\, aux ADN et aux glycanes .\nJe termine avec des pistes de recherches sur le passage aux ARN structurés\,  et la prise en compte de la flexibilité de la protéine.\n\nJury\n\nJessica Andreani (rapporteuse)\, Chercheuse CEA (HDR)\, I2BC\, Saclay\n\nSamuela Pasquali (rapporteuse)\, Professeure\, CiTCoM\, Paris\n\n\nFariza Tahi (rapporteuse)\, Professeure\, IBISC\, Évry\n\n\nJuan Cortes\, DR CNRS\, LAAS\, Toulouse\n\n\nTap Ha-Duong\, Professeur\, BioCIS\, Paris\n\n\nThérèse Malliavin\, DR CNRS\, LPCT\, Nancy\n\n\nMarie-Dominique Devignes (Marraine)\, CRHC CNRS (HDR)\, LORIA\, Nancy
URL:https://www.loria.fr/event/soutenance-hdr-disaure-chauvot-de-beauchene/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231218T150000
DTEND;TZID=Europe/Paris:20231218T170000
DTSTAMP:20231218T120921Z
CREATED:20231218T071445Z
LAST-MODIFIED:20231218T120921Z
UID:24301-1702911600-1702918800@www.loria.fr
SUMMARY:PhD Defense: Teven Le Scao (Synalp)
DESCRIPTION:Teven Le Scao (Synalp) will defend his thesis\, entitled « Scaling multilingual language models under constrained data »\, on Monday\, December 18th at 3 pm in room A006. \nAbstract\nThis work is concerned with large language models (LLMs)\, the current dominant paradigm in natural language processing in research and industrial settings\, thanks to those models’ generalization capabilities. Although LLMs have generated wide excitement\, many obstacles are left before they can be deployed everywhere\, not the least of which is the fact that state-of-the-art results are\, for now\, only possible in English\, with other languages far behind. We try to make progress towards better models in languages with lower amounts of linguistic resources. In the first half\, we create artifacts: we process and crowdsource a large multilingual dataset for language modeling and document the tools required for this\, and then we train the first open massive multilingual language model as part of a large international research collaboration. In the latter half\, we propose empirically derived recommendations for practitioners in low-resource pretraining and finetuning settings. We estimate the performance degradation that results from training on multiple epochs in compute-rich\, data-constrained settings and find that it is broadly acceptable. We then show that the prompt-following capabilities of language models can be combined with the pretrain-then-finetune paradigm in NLP and that this helps particularly in settings where downstream task data is scarce.\n\n\nJury members\n\nStephan Oepen\, Head of the Department for Informatics\, University of Oslo (Reviewer)\nJörg Tiedemann\, Professor of Language Technology at the Department of Digital Humanities Languages\, University of Helsinki (Reviewer)\nFrançois Yvon\, Senior researcher (HDR)\, CNRS\, Université Paris-Sorbonne\nColin Raffel\, Assistant Professor in the Department of Computer Science University of North Carolina\, Chapel Hill\nSasha Rush\, Associate Professor\, Cornell University (PhD advisor)\nClaire Gardent\, CNRS Director of Research\, LORIA (PhD advisor)
URL:https://www.loria.fr/event/phd-defense-teven-le-scao-synalp/
LOCATION:A006
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231218T140000
DTEND;TZID=Europe/Paris:20231218T170000
DTSTAMP:20231204T143817Z
CREATED:20231204T143719Z
LAST-MODIFIED:20231204T143817Z
UID:24144-1702908000-1702918800@www.loria.fr
SUMMARY:Soutenance HDR de Sabeur Aridhi
DESCRIPTION:La soutenance HDR de Sabeur Aridhi \, intitulée « Découverte de connaissances à partir de grands graphes biologiques » aura lieu lundi 18 décembre à 14h00 en salle A008.\n \nRésumé\n\n\nLes graphes sont utilisés dans de nombreux domaines différents\, allant de la sécurité informatique des réseaux sociaux\, à la géographie et à la bioinformatique. Leur polyvalence et leur capacité à modéliser des données complexes en font un outil précieux pour résoudre plusieurs problèmes notamment dans le domaine de l’extraction de connaissances à partir de graphes biologiques qui est notre domaine d’intérêt. Cependant\, l’utilisation de graphes peut présenter plusieurs défis tels que la représentation des données\, l’évolutivité et le comportement dynamique/temporel de certains graphes réels. Dans le cas particulier des graphes biologiques\, des défis liés à la complexité des systèmes biologiques\, à l’interprétabilité et à la validation pourraient être soulevés. Sans s’attaquer à l’ensemble de ces défis majeurs\, nous présentons dans ce manuscrit d’HDR plusieurs contributions. Tout d’abord\, nous présentons une nouvelle approche basée sur un graphe de protéines qui combine la notion de similarité de domaine avec une technique d’inférence de voisinage de graphe pour l’annotation de la fonction des protéines. Ensuite\, nous décrivons une approche de prédiction de liens explicables dans les graphes de connaissances biologiques pour le repositionnement des médicaments. Enfin\, nous présentons nos contributions sur le clustering de graphes distribués et le plongement de graphes de connaissances à grande échelle. \n\n\nJury\nRapporteurs \n\nFatiha Sais\, Professeur des Universités\, LRI\, Université Paris Saclay\, France\nPhilippe Fournier-Viger\, Professeur des Universités\, Université de Shenzhen\, Chine\nOsmar Zaiane\, Professeur des Universités\, University d’Alberta\, Canada\n\nExaminateurs \n\nSarah Cohen Boulakia\, Professeur des Universités\, LRI\, Université Paris-Saclay\, France\nAbdoulay Baniré Diallo\, Professeur des Universités\, Université du Québec à Montréal\, Canada\nYannick Toussaint\, Professeur des Universités\, Loria\, Université de Lorraine\, France\n\nGarante scientifique  \n\nMarie-Dominique Devignes\, Chargée de recherche (HDR)\, CNRS\, France
URL:https://www.loria.fr/event/soutenance-hdr-de-sabeur-aridhi/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231215T140000
DTEND;TZID=Europe/Paris:20231215T160000
DTSTAMP:20231214T165114Z
CREATED:20231127T083759Z
LAST-MODIFIED:20231214T165114Z
UID:24014-1702648800-1702656000@www.loria.fr
SUMMARY:PhD Defense: Laura Zanella (Orpailleur)
DESCRIPTION:Laura Zanella (Orpailleur) will defend her thesis\, entitled « Biomedical Event Extraction Based on Transformers and Knowledge Graphs« \, on Friday\, December 15th at 2 pm in room B013. \nAbstract :\nBiomedical event extraction can be divided into three main subtasks; (1) event trigger detection\, (2) argument identification\, and (3) event construction. In this work\, for the first subtask\, we analyze a set of transformer language models that are commonly used in the biomedical domain to evaluate and compare their capacity for event trigger detection. We fine-tune the models using seven manually annotated corpora to assess their performance in different biomedical subdomains. SciBERT emerged as the highest-performing model\, presenting a slight improvement compared to baseline models. For the second subtask\, we construct a knowledge graph (KG) from the biomedical corpora and integrate its KG embeddings to SciBERT to enrich its semantic information. We demonstrate that adding the KG embeddings to the model improves the argument identification performance by around 20 %\, and by around 15 % compared to two baseline models. For the third subtask\, we use the generative model\, ChatGPT\, based on prompts to construct the final set of extracted events. Our results suggest that fine-tuning a transformer model that is pre-trained from scratch with biomedical and general data allows to detect event triggers and identify arguments covering different biomedical subdomains\, and therefore improving its generalization. Furthermore\, the integration of KG embeddings into the model can significantly improve the performance of biomedical event argument identification\, outperforming the results of baseline models.\n\nJury\nReviewers:\n\n\n\nNatalia Grabar  (C.R. CNRS\, Université de Lille)\n\n\nAnne Vilnat (Pr. Université Paris-Saclay)\n\n\nExaminers:\n\n\n\n\nClaire Gardent (D.R. CNRS\, Université de Lorraine)\n\n\nMathieu Roche (D.R. CIRAD)\n\n\nThierry Charnois (Pr. Université de Paris 13)\n\n\nThesis Director:\n\n\n\nYannick Toussaint (Pr. Université de Lorraine)
URL:https://www.loria.fr/event/phd-defense-laura-zanella-orpailleur/
LOCATION:B013
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231215T133000
DTEND;TZID=Europe/Paris:20231215T133000
DTSTAMP:20231212T103233Z
CREATED:20231212T103212Z
LAST-MODIFIED:20231212T103233Z
UID:24289-1702647000-1702647000@www.loria.fr
SUMMARY:PhD Defense: Melike Aydinlilar (MFX)
DESCRIPTION:Melike Aydinlilar (MFX) will defend his thesis\, entitled « Implicit modeling for additive manufacturing »\, on Friday\, December 15th at 1:30 pm in room C005. \nAbstract :\n\nImplicit surfaces provide many useful solutions for computer graphics tasks such as simple in/out queries\, resolution independent representation and compact definition. However\, rendering them robustly and efficiently provides a challenge especially for surfaces defined with complex field functions. In Part I\, we introduce a real-time rendering method for skeleton-based integral surfaces. It relies on dynamically built A-buffers on GPU to discard empty spaces and reduce the number of skeleton primitives evaluation. The root finding is performed using rational quadratic interpolation to limit the number of field evaluations. Part II introduces per-primitive interval arithmetic for skeleton-based integral surfaces for real-time rendering and slicing\, and finally in Part III we introduce a family of robust forward inclusion methods for rendering a wide family of implicits. Using linear and quadratic inclusion functions calculated either by bounding the first and second order derivatives\, or building the bounds up from the basic algebraic operations that constitute the field function definitions\, ray-surface intersections are calculated reliably and efficiently. The problem of creating infinite or invalid bounds are eliminated by reducing the interval sizes and bounding piece-wise defined functions. Example surfaces are given with skeleton-based implicits\, convolution surfaces\, Hermite radial basis implicits for real-time rendering and slicing for additive manufacturing.\n\nJury\n\nReviewers:\n\n\nJulie DIGNE LIRIS\, CNRS\n\n\nEric GALIN LIRIS\, Universite Lyon 1\n\n\nExaminers:\n\n\nGeraldine MORIN IRIT\, Universite de Toulouse\n\n\nSylvain LAZARD Universite de Lorraine\, Loria\, Inria\n\n\nSupervisors:\n\n\nSylvain LEFEBVRE Universite de Lorraine\, Loria\, Inria\n\n\nCedric ZANNI Universite de Lorraine\, Loria\, Inria
URL:https://www.loria.fr/event/phd-defense-melike-aydinlilar-mfx/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231214T150000
DTEND;TZID=Europe/Paris:20231214T170000
DTSTAMP:20231214T085755Z
CREATED:20231204T091511Z
LAST-MODIFIED:20231214T085755Z
UID:24134-1702566000-1702573200@www.loria.fr
SUMMARY:Soutenance de thèse de Felix Gaschi (Orpailleur)
DESCRIPTION:Felix Gaschi (Orpailleur) soutiendra sa thèse* intitulée « Comprendre et évaluer les embeddings multilingues non supervisés dans les domaines général et clinique »\, le 14 décembre à 15h en salle C005. \nRésumé :\n\nLes données labellisées et non labellisées sont plus souvent disponibles en anglais que dans d’autres langues. Dans le domaine clinique\, les données non anglaises peuvent être encore plus rares. Les représentations\, ou plongements lexicaux\, multilingues peuvent avoir deux propriétés utiles dans cette situation. La première est l’alignement multilingue\, où les représentations de différentes langues partagent le même espace latent. Plus concrètement\, les mots qui sont la traduction l’un de l’autre doivent avoir des représentations similaires. La deuxième propriété est l’apprentissage par transfert cross-lingue : il permet à un modèle d’être entraîné sur une tâche supervisée dans une langue et de fournir de bons résultats pour la même tâche dans une autre langue\, sans avoir besoin de données annotées dans cette langue. Cette thèse aborde certaines lacunes dans la littérature concernant la compréhension des représentations multilingues. Elle étudie notamment le lien entre l’alignement multilingue et le transfert cross-lingue\, en montrant que les modèles\, comme mBERT et XLM-R\, qui peuvent effectuer ce transfert cross-lingue produisent des représentations qui ont une forme plus forte d’alignement multilingue que d’autres représentations qui ont été explicitement entraînés pour un tel alignement. Est également révélée la forte corrélation entre les capacités de transfert cross-lingue et l’alignement multilingue\, ce qui suggère que ces deux propriétés multilingues sont liées. Ce lien permet d’améliorer le transfert cross-lingue pour les petits modèles en améliorant simplement l’alignement\, ce qui peut leur permettre d’égaler les performances de grands modèles\, mais seulement pour une tâche de bas niveau comme l’étiquetage POS\, en raison de l’impact du fine-tuning lui-même sur l’alignement multilingue. Tout en se concentrant principalement sur le domaine général\, cette thèse évalue finalement le transfert multilingue dans le domaine clinique. Elle montre que les méthodes basées sur la traduction peuvent atteindre des performances similaires à celles du transfert multilingue\, mais qu’elles nécessitent plus de soin dans leur conception. Et bien qu’elles puissent tirer parti de modèles linguistiques cliniques monolingues\, ceux-ci ne garantissent pas de meilleurs résultats que les larges modèles multilingues à usage général\, que ce soit avec le transfert cross-lingue ou par traduction. \n\nJury\nRapporteurs :\n\n\nFrançois Yvon\, Professeur\, Université Paris Saclay\n\n\nAnders Søgaard\, Professeur\, Université de Copenhague\n\n\nExaminateurs : \n\n\nAsma Ben Abacha\, Docteur\, Microsoft Research\n\n\nAnnie Eun-Shiun Lee\, Associate Professor\, Ontario Tech University\n\n\nEncadrants de thèse :\n\n\nYannick Toussaint\, Professeur\, Université de Lorraine\nParisa Rastin\, Maître de conférence\, Université de Lorraine\nFrançois Plesse\, Docteur\, Posos\n\n* Thèse CIFRE réalisée avec l’entreprise Posos.
URL:https://www.loria.fr/event/soutenance-de-these-de-felix-gaschi-orpailleur/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231213T140000
DTEND;TZID=Europe/Paris:20231213T160000
DTSTAMP:20231127T084236Z
CREATED:20231127T083211Z
LAST-MODIFIED:20231127T084236Z
UID:24012-1702476000-1702483200@www.loria.fr
SUMMARY:PhD Defense: Nicolas Zampieri (Multispeech)
DESCRIPTION:Nicolas Zampieri (Multispeech) will defend his thesis\, entitled « Hate Speech Detection in Social Media: contribution of Multiword Expressions« \, on Wednesday\, December 13th at 2 pm in room C005. \nAbstract :\nOver the last few decades\, internet use has increased dramatically\, particularly with the emergence of social networks. However\, this explosion in social media activity has led to the spread of harmful messages\, including hate speech. Hate speech is a type of degrading communication aimed specifically at an individual or group\, that can take the form of threats and acts of violence. Deep learning models have quickly become a means of detecting hate speech. However\, these models require a substantial amount of training data to achieve high levels of performance. Some features can be effective in neural networks to overcome the problem of limited training data for hate speech detection. In this thesis\, we examine two main areas of research aimed at improving hate speech detection performance. We test our methods on four separate datasets\, allowing us to thoroughly evaluate their effectiveness in detecting hate speech. In the first part of our study\, we propose to enhance the hate speech detection by incorporating specific features into a neural network based on sentence embeddings. More specifically\, we examine the incorporation of features such as word case\, emojis\, words present in a hate speech lexicon\, part-of-speech\, and punctuation. Our approach involves developing a neural network that integrates these features at the word level\, in addition to sentence embeddings. We demonstrate that the use of emojis significantly improves the performance of hate speech detection. Next\, we focus on the integration of underexplored features in hate speech detection : multiword expressions. We conduct an in-depth study on the robustness of systems for identifying these expressions in tweets. This study allows us to assess different systems for identifying multiword expressions in tweets\, in order to automatically annotate datasets intended for hate speech detection in terms of multiword expressions. We demonstrate that deep learning-based systems outperform dictionary-based ones in this task. Furthermore\, we propose a two-step system that combines both the deep learning-based and dictionary-based systems. This system outperforms the two existing systems for identifying multiword expressions in tweets. Then\, we develop two neural networks that rely on sentence embeddings and integrate these multiword expressions in different ways. We show a significant improvement in performance on the hate speech detection task using multiword expression information. In the second part\, we explore different learning approaches to enhance performance in hate speech detection. First\, we investigate the impact of multi-task learning. For this purpose\, we propose a multi-head attention-based neural network for multi-task learning. Our system is designed to simultaneously learn two tasks : hate speech detection and multiword expression identification. We demonstrate that jointly learning attention mechanisms for multiword expressions and hate speech enhances the detection of the latter. Next\, we explore the use of contrastive learning for hate speech detection. Our approach involves applying this learning method in a supervised manner. The main objective is to learn sentence embeddings such that tweets belonging to the same class are brought closer together (according to cosine similarity)\, while tweets from different classes are pushed apart. To achieve this goal\, we propose different methods to create pairs of training tweets. We also suggest various cosine similarity-based decision methods to predict classes. We demonstrate that our approaches achieve performance equivalent to traditional learning for hate speech classification. However\, the intriguing aspect of our approach lies in the fact that the sentence embeddings generated through contrastive learning lead to a better separation of classes in an observable vector space\, compared to embeddings generated through conventional learning for hate speech classification.\n\nJury\nReviewers:\n\n\nFarah BENAMARA- IRIT\, France\nRichard DUFOUR- Université de Nantes\, France\n\nExaminers:\n\n\n\nAgatha SAVARY – Université Paris-Saclay\, France\nFrédéric BECHET – Université d’Aix-Marseille\, France\nClaire GARDENT – CNRS\, LORIA-INRIA\, France\n\nThesis Director and co-Director:\n\n\n\nIrina ILLINA – Université de Lorraine\, LORIA-INRIA\, France\nDominique FOHR (retired) – CNRS\, LORIA-INRIA\, France\n\nGuest:\n\n\nCarlos RAMISCH- Université d’Aix-Marseille\, France
URL:https://www.loria.fr/event/phd-defense-nicolas-zampieri-multispeech/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231213T093000
DTEND;TZID=Europe/Paris:20231213T113000
DTSTAMP:20231113T160518Z
CREATED:20231113T160518Z
LAST-MODIFIED:20231113T160518Z
UID:23826-1702459800-1702467000@www.loria.fr
SUMMARY:Soutenance de thèse de Tristan Benoît (Carbone)
DESCRIPTION:Tristan Benoît (Carbone) soutiendra sa thèse intitulée « Cartographie des programmes et de leurs interrelations »\, le 13 décembre à 9h30 en salle A008. \nRésumé :\n\nDans le domaine du génie logiciel\, assurer la qualité et la sûreté des logiciels est complexe. Ce contexte est dû à un ensemble de facteurs\, notamment l’utilisation croissante de bibliothèques et le recours à des pratiques comme la copie de codes à partir de services en ligne.\nUne réponse courante à cette problématique est l’application de méthodes formelles de validation des programmes avant leur diffusion. Cette approche\, cependant\, requiert une compréhension précise des enjeux à vérifier et un haut degré d’expertise.\nCette thèse introduit des méthodes innovantes de rétro-ingénierie pour collecter automatiquement des informations sur l’origine d’un programme et pour identifier des clones de programmes au sein de larges jeux de données.\nNotre première contribution est le nouveau modèle de réseau de neurones Site Neural Network (SNN) qui prédit la chaîne de compilation utilisée pour produire un programme entier. SNN offre une grande rapidité ainsi qu’une bonne précision. Sa modularité grâce à l’utilisation de hiérarchies de classificateurs permet de considérer facilement des chaînes de compilation supplémentaires.\nNotre seconde contribution est Program Spectral Similarity (PSS)\, un outil qui fournit un moyen rapide et efficace de détecter des clones de programmes\, même quand leur architecture matérielle visée diffère ou en cas d’offuscation. Contrairement aux méthodes basées sur les fonctions binaires ou sur la distance d’édition des graphes\, qui sont chronophages et peu robustes\, PSS s’appuie sur l’analyse spectrale de graphes pour mesurer la similarité entre programmes.\nCette thèse participe ainsi à renforcer la sécurité des systèmes en mettant à disposition des outils pour identifier rapidement les clones de programmes malveillants. En outre\, elle apporte un soutien à l’investigation numérique en donnant des informations pertinentes sur la chaîne de compilation.\nCe travail ouvre la voie à de nouveaux réseaux de neurones spécialisés pour les programmes\, ainsi qu’au développement de méthodes d’analyse spectrale pour l’étude de la similarité des codes binaires. \n\nJury\nRapporteurs :\n\nChristophe Hauser\, Dartmouth College\nDavide Balzarotti\, EURECOM Sophia Antipolis\n\nExaminateurs : \n\nValérie Viet Triem Tong\, CentraleSupélec\nMarine Minier\, Université de Lorraine\nYves Le Traon\, Université du Luxembourg\n\nDirecteur et co-directeur de thèse :\n\nJean-Yves Marion (Loria)\nSébastien Bardin (CEA LIST)
URL:https://www.loria.fr/event/soutenance-de-these-de-tristan-benoit-carbone/
LOCATION:A008
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231212T140000
DTEND;TZID=Europe/Paris:20231212T160000
DTSTAMP:20231204T092549Z
CREATED:20231114T131054Z
LAST-MODIFIED:20231204T092549Z
UID:23823-1702389600-1702396800@www.loria.fr
SUMMARY:Soutenance de thèse de Philippe Graff (Resist)
DESCRIPTION:Philippe Graff (Resist) soutiendra sa thèse intitulée « Caractérisation\, identification dans le réseau et optimisation du transport de trafic à faible latence – le cas du Cloud-Gaming »\, le 12 décembre à 14h en salle C005. \nRésumé :\n\nCette thèse s’intéresse au traitement du trafic à faible latence dans les réseaux\, et en particulier aux services de type Cloud Gaming (CG) qui constituent notre cas d’étude. Ceux-ci ont fortement gagné en popularité et devraient représenter une part importante du trafic Internet dans les prochaines années. Or\, les caractéristiques de leur trafic\, à la fois très haut débit et à faible latence\, est exigeant pour les réseaux et rend difficile le maintien d’une bonne qualité de service (QoS) en conditions de réseau dégradées. \nNous commençons par étudier le trafic de quatre plateformes de CG afin d’évaluer la capacité d’adaptation et la réactivité de leur algorithme de contrôle de congestion (CCA). Pour cela\, nous dégradons synthétiquement les conditions réseau en impactant tour à tour le délais\, la gigue\, le taux de pertes et la bande passante disponible avec différentes intensités\, et observons le trafic résultant. Dans un deuxième temps\, nous étudions le trafic CG sur réseau cellulaire en reproduisant les conditions observées sur le réseau 4G d’Orange\, y compris en situation de mobilité. Nous avons relevé une certaine disparité dans le comportement des plateformes. Certaines ne s’adaptent pas suffisamment aux différentes contraintes et s’exposent par conséquent à de forts délais\, se soldant parfois par des pertes de paquets. D’autres surréagissent\, au détriment de leur qualité vidéo. L’ensemble des données collectées a été mis à disposition de la communauté. \nConstatant l’insuffisance des CCA de bout en bout\, nous avons cherché dans un second temps à identifier le trafic CG dans le réseau pour lui faire bénéficier d’un traitement plus optimisé. Pour ce faire\, nous avons mis au point un classificateur permettant de reconnaître avec une haute précision (98.5%) le trafic CG en s’appuyant sur un apprentissage automatique des propriétés statistiques du trafic qui sont calculées à la volée. Nous proposons une implantation de notre classificateur sous forme de plusieurs fonctions réseau virtuelles (VNF) pouvant traiter 10Gb/s. En partenariat avec Orange Labs\, nous avons également étudié l’accélération de certaines fonctions sur un switch matériel programmable en P4 et en avons implanté certaines comme le calcul des caractéristiques\, ce qui prouve qu’un déploiement réaliste au niveau d’un fournisseur d’accès est possible. \nEnfin\, nous proposons de faire bénéficier le trafic CG d’une architecture à double file d’attente afin d’éviter\, d’une part de le faire transiter par des buffers surdimensionnés qui engendrent de la latence\, et d’autre part la mauvaise cohabitation avec des flux régis par des CCA basé pertes. Nous évaluons ainsi l’apport d’une discipline de file d’attente HTB ou de l’AQM DualPI2 disposant d’un file « Low Latency\, Low Loss\, and Scalable Throughput » (L4S). Les plateformes actuelles de CG n’étant pas compatibles\, nous avons développé notre propre plateforme expérimentale et l’avons munie de SCReAM\, un CCA basé pertes et délais pour le protocole RTP et supportant la notification explicite de congestion (ECN). Nous évaluons alors le trafic face à différents flux concurrents soumis à un goulot d’étranglement. Nos résultats montrent que les deux approches permettent de préserver parfaitement la QoS du trafic CG. \n\nJury\n\n\nPrésident : \n\nYe-Qiong SONG\, Professeur à l’ENSEM\, Université de Lorraine\n\n\n\nRapporteurs :\n\nChadi BARAKAT\, Directeur de Recherche à Inria (Centre d’Université Côte d’Azur)\nStefano SECCI\, Professeur au CNAM\n\nExaminateurs : \n\nNoura LIMAM\, Assistant Professor at University of Waterloo\nSandrine VATON\, Professeure à l’IMT Atlantique\n\nEncadrants :\n\nThibault CHOLEZ\, Maître de conférences à TELECOM Nancy\, Université de Lorraine\nOlivier FESTOR\, Professeur à TELECOM Nancy\, Université de Lorraine
URL:https://www.loria.fr/event/soutenance-de-these-de-philippe-graff-resist/
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231206T140000
DTEND;TZID=Europe/Paris:20231206T160000
DTSTAMP:20231129T174229Z
CREATED:20231127T081627Z
LAST-MODIFIED:20231129T174229Z
UID:24010-1701871200-1701878400@www.loria.fr
SUMMARY:Soutenance de thèse de Guillaume Coiffier (Pixel)
DESCRIPTION:Guillaume Coiffier (Pixel) soutiendra sa thèse intitulée « Algorithmes de paramétrisation globale pour maillages quadrangulés »\, le 6 décembre à 14h en salle C005. \nRésumé :\n\nLes maillages quadrangulaires (quads) sont une structure de données centrale au domaine du traitement automatique de la géométrie\, trouvant des applications en infographie comme en simulation numérique. Une approche prometteuse pour générer automatiquement des maillages quads de grande qualité s’appuie sur le fait qu’ils constituent une déformation de la grille régulière presque partout\, excepté en un petit nombre de points singuliers. Grâce au calcul d’une paramétrisation\, à savoir une représentation planaire\, de la surface à mailler\, il est alors possible d’y tracer une grille qui\, reprojetée sur la surface\, formera le maillage désiré. Pour que des quadrilatères puissent être extraits\, cette paramétrisation se doit d’être « sans couture »\, c’est-à-dire de respecter un ensemble de contraintes d’alignement sur son bord et ses découpes. Ces contraintes sont généralement imposées petit à petit dans un pipeline d’opérations désormais bien étudié\, consistant en un calcul de champ de repères lisse\, définissant les futurs points singuliers du maillage\, une phase d’intégration pour obtenir une paramétrisation aux coutures sans rotation\, suivie d’une phase de quantification déterminant les degrés de liberté en translation. \nCette thèse s’intéresse à l’amélioration des différentes étapes du pipeline de génération de maillages quadrangulaires. En nous appuyant sur des notions de géométrie différentielle\, nous proposons des formulations du problème évitant les écueils de l’approche actuelle. \nPremièrement\, nous abandonnons la résolution de problèmes en nombre entier pour certaines étapes (connue pour être difficiles à résoudre) pour la remplacer par la minimisation de fonctions objectif continues (bien que non convexe). \nDeuxièmement\, nous fusionnons certaines étapes du pipeline en une seule optimisation déterminant en un seul coup les degrés de liberté correspondants. Cela permet plus de versatilité et de contrôle utilisateur sur le maillage quad final\, et évite les cas d’échecs classiques causés par l’approche gloutonne du pipeline actuel. Ces formulations théoriques du problème de paramétrisation sans couture s’accompagnent d’implémentations pratiques dans lesquelles nous démontrons la viabilité de nos approches sur une grande variété de modèles CAO. \nFinalement\, notre travail est en théorie généralisable au problème plus difficile du maillage hexaédrique\, là où les algorithmes de paramétrisation actuels sont soit uniquement valables pour les surfaces\, soit échouent à produire des résultats de façon robuste. \n\nJury :\nRapporteurs : \n\nMirela Ben-Chen\, Technion – Institut de technologie d’Israël\nMarco Tarini\, Université de Milan\n\nExaminateurs : \n\nPooran Memari\,  École Polytechnique\nMélina Skouras\, Université de Grenoble\nXavier Goaoc\,  Université de Lorraine\nBruno Lévy\, Université de Lorraine\n\nDirecteurs de thèse : \n\nEtienne Corman\, Université de Lorraine\nDmitry Sokolov\,  Université de Lorraine
URL:https://www.loria.fr/event/soutenance-de-these-de-guillaume-coiffier-pixel/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20231205T140000
DTEND;TZID=Europe/Paris:20231205T160000
DTSTAMP:20231127T081054Z
CREATED:20231127T081054Z
LAST-MODIFIED:20231127T081054Z
UID:24006-1701784800-1701792000@www.loria.fr
SUMMARY:Soutenance de thèse de Mohamed Oulaaffart (Resist)
DESCRIPTION:Mohamed Oulaaffart (Resist) soutiendra sa thèse intitulée « Automating Security Enhancement for Cloud Services »\, le 5 décembre à 14h en salle C005. \nRésumé :\n\nLes avancées des techniques de virtualisation et la maturité des langages d’orchestration ont contribué à la conception et au déploiement de services cloud composites. Ces services cloud peuvent être sujets à des changements dans le temps\, en raison de la migration de leurs ressources. Cela peut introduire de nouvelles vulnérabilités\, qui compromettent un service cloud dans son ensemble. Dans ce contexte\, cette thèse propose d’améliorer et d’automatiser la sécurité des services cloud composites selon trois axes principaux. Le premier axe consiste en un framework de sécurité automatique basé sur SMT pour prendre en charge les migrations dans les services cloud composites\, comme ceux orchestrés avec le langage TOSCA (Topology and Orchestration Specification for Cloud Applications). Il s’appuie sur des techniques de vérification pour évaluer automatiquement les changements de configuration qui affectent les composants des services cloud pendant leurs migrations\, déterminer les vulnérabilités potentielles et sélectionner des contre-mesures adéquates. Le deuxième axe étudie la conception d’un tiers de confiance inter-cloud\, appelé C3S-TTP (Composite Cloud Configuration Security-Trusted Third Party). Celui-ci est capable de réaliser une évaluation précise et exhaustive des vulnérabilités\, tout en limitant les informations partagées entre le fournisseur cloud et le client cloud. Le troisième axe est centré sur l’investigation d’une stratégie défensive par cible mouvante qui combine des algorithmes d’intelligence artificielle avec des techniques de vérification. Le but est de compromettre les activités de reconnaissance effectuées par les attaquants à travers une large exploration des états\, tout en minimisant l’apparition de nouvelles vulnérabilités qui peuvent avoir un impact important sur la surface d’attaques des services cloud concernés.
URL:https://www.loria.fr/event/soutenance-de-these-de-mohamed-oulaaffart-resist/
LOCATION:C005
CATEGORIES:Soutenance
END:VEVENT
END:VCALENDAR