Augmentation Basée sur les Modèles de Diffusion : Une Nouvelle Approche pour l’Apprentissage Multi-Instances sur des Images Entières en Pathologie Contexte Scientifique et Motivation Dans le domaine de la pathologie computationnelle (computational pathology), l’analyse efficace des images entières de lames histopathologiques (Whole Slide Images, WS...
Détection dirigée de communautés d’ordre supérieur par un cadre évolutif multiobjectif Contexte et motivation de la recherche Dans le domaine de la science des réseaux complexes, la structure communautaire est l’une des caractéristiques essentielles des recherches sur les réseaux. Ces structures sont omniprésentes dans de nombreux réseaux réels, te...
Nouvelle méthode de sélection de caractéristiques efficace pour l’apprentissage horizontal fédéré Fond de recherche L’apprentissage fédéré horizontal (Horizontal Federated Learning, HFL) est une approche émergente dans l’apprentissage automatique distribué visant à protéger la confidentialité des données. Dans le cadre du HFL, chaque client partage...
Analyse d’une publication scientifique : Comparaison entre apprentissage sans modèle propre et apprentissage avec récompenses externes dans des environnements à contraintes d’information Contexte & Motivation Les systèmes cyber-physiques (Cyber-Physical Systems, CPS) sont largement utilisés dans des domaines clés tels que les véhicules autonomes, l...
Génération et détection d’attaques d’injection de fausses données adversariales dans les réseaux intelligents à l’aide de graphes spatio-temporels Contexte et Introduction Les réseaux intelligents modernes, en tant que systèmes cyber-physiques (Cyber-Physical Systems, CPS), sont vulnérables aux cyberattaques en raison de leur interconnexion et du v...
Titre de l’article Système simplifié d’apprentissage large sensible au coût basé sur le noyau pour le diagnostic de pannes déséquilibré Contexte et Importance Avec l’avènement de l’industrie 4.0, l’analyse des mégadonnées industrielles joue un rôle crucial dans la production intelligente. En exploitant les informations pertinentes des données, il e...
Contrôle optimal des systèmes stochastiques à saut marovien avec des bruits de Wiener et de Poisson : deux méthodes d’apprentissage par renforcement Contexte académique Dans la théorie moderne du contrôle, le contrôle optimal est un domaine de recherche essentiel, avec pour objectif de concevoir une stratégie de contrôle optimale qui minimise une f...
Rapport sur la thèse : “Des dispositifs auditifs avec des bulles sonores” Les environnements bruyants et les paysages sonores complexes rendent souvent la communication difficile, en particulier dans des lieux tels que les restaurants bondés, les salles de conférence ou les avions. Bien que les casques anti-bruit traditionnels réduisent les bruits ...
Impact des types d’explication de l’IA sur la performance diagnostique et la confiance des médecins Contexte académique Ces dernières années, les systèmes de diagnostic basés sur l’intelligence artificielle (IA) dans les domaines des soins de santé et de la radiologie ont progressé rapidement, montrant un potentiel pour améliorer les soins aux pati...
Étude sur la technologie de mise au point automatique des microscopes à lentilles liquides basée sur l’apprentissage par renforcement profond Contexte académique L’imagerie microscopique joue un rôle crucial dans la recherche scientifique, les études biomédicales et les applications d’ingénierie. Cependant, les microscopes traditionnels et leurs te...