Rémi SOURIAU soutient sa thèse de doctorat le jeudi 28 janvier 2021 à 13h30. La soutenance est publique et retransmise via Collaborate.
Titre : Apprentissage Automatique pour la Modélisation de Systèmes Stochastiques Dynamiques : Application au Contrôle Adaptatif sur la Stimulation Cérébrale Profonde
Résumé :
Ces dernières années ont été marquées par l’émergence d’un grand nombre de base données dans de nombreux domaines comme la médecine par exemple. La création de ces bases données a ouvert la voie à de nouvelles applications. Les propriétés des données sont parfois complexes (non linéarité, dynamique, grande dimension ou encore absence d’étiquette) et nécessite des modèles d’apprentissage performants. Parmi les modèles d’apprentissage existant, les réseaux de neurones artificiels ont connu un large succès ces dernières décennies. Le succès de ces modèles repose sur la non linéarité des neurones, l’utilisation de variables latentes et leur grande flexibilité leur permettant de s’adapter à de nombreux problèmes. Les machines de Boltzmann présentées dans cette thèse sont une famille de réseaux de neurones non supervisés. Introduite par Hinton dans les années 80, cette famille de modèle a connu un grand intérêt dans le début du 21e siècle et de nouvelles extensions sont proposées régulièrement.
Cette thèse est découpée en deux parties. Une partie exploratoire sur la famille des machines de Boltzmann et une partie applicative. L’application étudiée est l’apprentissage non supervisé des signaux électroencéphalogramme intracrânien chez les rats Parkinsonien pour le contrôle des symptômes de la maladie de Parkinson. Les machines de Boltzmann ont donné naissance aux réseaux de diffusion. Il s’agit de modèles non supervisés qui reposent sur l’apprentissage d’une équation différentielle stochastique pour des données dynamiques et stochastiques. Ce réseau fait l’objet d’un développement particulier dans cette thèse et un nouvel algorithme d’apprentissage est proposé. Son utilisation est ensuite testée sur des données jouet ainsi que sur des données réelles.
Composition du jury de thèse
| Membre du jury | Titre | Lieu d’exercice | Fonction dans le jury |
|---|---|---|---|
| Vincent VIGNERON | Maître de Conférences HDR | Université d’Évry, Université Paris-Saclay | Directeur de thèse |
| Jean LERBET | Professeur des Universités | Université d’Évry, Université Paris-Saclay | Co-directeur de thèse |
| Aurelia FRAYSSE | Maître de Conférences HDR | Université Paris-Saclay | Examinatrice |
| Florence FORBES | Directrice de Recherche | INRIA Rhones | Examinatrice |
| Ali MANSOUR | Professeur | ENSTA Bretagne | Rapporteur |
| Bertrand RIVET | Maître de Conférences HDR | Grenoble-INP | Rapporteur |
- Date : jeudi 28/01/2021, 13h30
- Soutenance publique via Collaborate
- Doctorant : Rémi SOURIAU, IBISC équipe SIAM
- Direction de thèse : Vincent VIGNERON (MCF HDR Univ. Évry, IBISC équipe SIAM)
- Co-Direction de thèse : Jean LERBET (PR Univ. Évry, LAMME)
- Le document de thèse est disponible sur HAL
