L’axe 4 de la fédération MIRES souhaite organise une demi journée sur différents aspects liés à l’apprentissage machine, plus précisément sur la thématique : science des données et modèles.

Celle-ci se déroulera le 21 juin après midi à Poitiers,  »salle des actes  » de l’ENSIP (bâtiment B1) sous format hybride.

 

Programme

13h30-14h15 : Quelques techniques de traitement optique avancées (Yassin Boussafa, XLIM)

Authors : Yassin Boussafa, Bruno Pessoa Chaves, Lynn Sader, Van-Thuy Hoang, Benjamin Wetzel

Summary : Nous passons en revue des travaux récents utilisant des plateformes intégrées et fibrées pour des techniques de traitement optique avancées. Nous montrons que, couplé à des méthodes de caractérisation optique ultra-rapide, l’apprentissage automatique dans les systèmes photoniques peut être exploité pour générer des paquets d’ondes optiques personnalisés et adaptés à des applications ciblées.

Nous présentons deux cas complémentaires étudiés numériquement et expérimentalement :

1/ La mise en forme temporel de train d’impulsions optiques ultra-rapide pour le conditionnement multidimensionnel de dynamiques de propagation non-linéaire et cohérentes dans les fibres optiques. Nous présentons ainsi un système de mesure XFROG (Cross-correlation Frequency-Resolved Optical Gating), permettant une caractérisation spectro-temporelle des signaux optiques de sorties ainsi que leur potentiel d’optimisation, notamment pour des applications en imagerie.

2/ La stabilisation et l’optimisation de corrélation spectrales obtenues lors de l’élargissement spectral d’une impulsion se propageant de manière incohérente dans une fibre optique. La caractérisation en temps-réel de ces fluctuations spectrales large bande est obtenue par la technique DFT (Dispersive Fourier Transform) et la régulation de ces dynamiques bruitées est mise en œuvre par un contrôle optique des conditions initiales.

14h15-15h00 : Apprentissage automatique pour le recouvrement de la matrice de transmission d’une fibre optique multimodale sans onde de référence (Vincent Kermene, XLIM)

Authors : Benjamin Gobé, Maksym Shpakovych, Jérémy Saucourt, Geoffrey Maulion, Marc Fabert, David Helbert, Agnès Desfrages-Berthelemot, Vincent Kermene

Summary : Nous proposons une méthode d’apprentissage automatique pour recouvrer la matrice de transmission d’une fibre optique multimodale. Habituellement, les éléments (amplitude et phase) de cette matrice sont mesurés à l’aide d’un système interférométrique complexe basé sur l’utilisation d’une onde de référence. Dans cette présentation, nous montrerons qu’il est possible de retrouver cette matrice à partir de simples mesures du profil intensimétrique du faisceau laser en sortie de fibre. Nous rapporterons la validation de la méthode d’apprentissage à travers des résultats obtenus numériquement et expérimentalement. La connaissance de cette matrice de transmission permet de contrôler la propagation dans les fibres optiques mutimodales ou la structure 3D du champ laser de sortie, ce qui est d’intérêt pour de nombreuses applications telles que les télécoms optiques, les capteurs, l’imagerie ou les lasers.

15h00-15h45 : Réseaux de Neurones à Couches Géométriques et un théorème d’Approximation (Julien De Saint Angel, MIA)

15h45-16h15 : pause café

16h15-17h00 : Prise en compte du temps dans le Conformance Checking (Ronan Champagnat, L3I)

Authors : Julien De Saint Angel, Christophe Saint Jean

Summary : Cet exposé aborde l’utilisation de l’algèbre géométrique conforme dans les réseaux de neurones, en particulier en remplaçant les hyperplans par des hypersphères. Cette variante concerne les couches Dense et Conv2d et est basée sur le modèle conforme défini par Hestenes et al. Nous proposons une implémentation de ces nouvelles couches ainsi que des contraintes pour la mise à jour des poids, et nous abordons les difficultés d’entraînement. De plus, l’exposé aborde la notion de théorème d’approximation pour les réseaux de neurones à couches hypersphériques en utilisant un théorème de Schwartz basé sur une combinaison linéaire de translations. Cette approche établit des conditions théoriques de compacité sur les fonctions approximables ainsi que sur les fonctions d’activation utilisées.

17h00-17h45 : Bayesian Inference for Model Learning: an Illustration (Guillaume Mercère, LIAS)

Authors : Ronan Champagnat

Summary : La fouille de processus vise à extraire de la connaissance à partir de logs. L’objectif est de construire un modèle de processus qui représente la dynamique capturée dans les logs. La qualité du modèle découvert est estimée en fonction de la capacité du modèle à rejouer les logs. C’est-à-dire que la trace capturée dans les logs correpond à une trace d’exécution possible du modèle.

 Le Conformance Checking est un thème des recherche en fouille de processus. Il vise à identifier les similitudes et différences entre le comportement d’un modèle et des comportements observés dans des traces. L’objectif est varié : audit, améliorer la qualité du modèle… Les modèles utilisés sont basés sur des systèmes à évènements discrets où le temps n’est pris en compte que de manière qualitative.

 Nous présentons dans cet exposé, la problématique du Conformance Checking, la prise en compte du temps dans les modèles de processus et décrivons les travaux abordant la notion de temps dans le Conformance Checking.

17h45-18h15 : discussion sur les thématiques de l’axe 4

Organisation :
G. Mercère (guillaume.mercere@univ-poitiers.fr) et P. Carre (philippe.carre@univ-poitiers.fr)