Une journée commune des fédérations Normandie-Mathématiques et Normastic, du Pôle SN et de la Grad'School MINMACS s'est tenue à l'UFR des Sciences et Techniques de l'Université de Rouen Normandie, site du Madrillet (Saint-Étienne du Rouvray) le jeudi 24 février 2022

Les vidéos des exposés sont disponibles en ligne ici.

Programme

9h-9h15 : Accueil

9h15-9h55 : Stéphane Canu (LITIS, INSA de Rouen) L’IA appliqué à la conduite : le deep learning dans les véhicules autonomes De Tesla à Waymo en passant par Stellantis, Renault, Mobileye et Valéo, la plupart des acteurs du monde de l’automobile revendiquent l’intégration de l’intelligence artificielle dans leurs produits. Mais de quelle IA parle-t-on ? À partir d’une vision historique, nous retracerons les principales étapes de l’introduction de l’IA dans les véhicules. Nous ferons ensuite un bilan de l’existant en précisant les techniques utilisées et les performances obtenues, en insistant sur les différences entre aide à la conduite et véhicule autonome. Nous finirons par passer en revue les principaux challenges et questions ouvertes liées à la conduite autonome en termes de perception, d’aide à la décision et de mise en œuvre de cette IA embarquée.

10h-10h40 : Hasnaa Zidani (LMI, INSA de Rouen) Analyse d'atteignabilité et planification de trajectoires Motivés pas de nombreuses applications réelles, la planification de trajectoires et l'analyse d'accessibilité pour des systèmes dynamiques non-linéaires ont été beaucoup étudiés dans la théorie du contrôle. Nous présenterons un cadre général basé sur une approche de contrôle optimal et sur la résolution d'équations de type Hamilton-Jacobi. Cette approche fournit un outil très efficace pour traiter de nombreux cas rencontrés dans des applications réelles, notamment le problème des cibles et/ou obstacles en mouvement, dynamique systèmes sous incertitudes, ou jeux à somme-nulle.

10h40-11h : Pause café

11h-11h40 : Frédéric Jurie (GREYC, Université de Caen Normandie) Apprentissage incrémental semi-supervisé pour les applications de vision artificielle L’apprentissage incrémental propose un nouveau paradigme d’apprentissage pour les réseaux de neurones artificiels. Il vise à développer des systèmes capables d’enrichir leurs connaissances et leurs compétences après la phase d’entraînement initiale. Ce schéma d’entraînement est particulièrement intéressant pour des applications liées à un domaine de connaissances évolutif ou très étendu. Pour qu’une solution soit adaptée à l’apprentissage incrémental, le modèle doit remplir deux conditions : être capable d’apprendre la nouveauté et retenir ce qui a été précédemment appris, i.e. prévenir l’oubli catastrophique des acquis. Ce deuxième point est une problématique majeure des réseaux de neurones artificiels. L’ajout de nouvelles connaissances en incrémental vient écraser les précédentes. Nous proposons de traiter l’apprentissage continu du point de vue du domaine de l’apprentissage des représentations. En supposant l’existence de données non-annotées accessibles par le modèle pendant l’apprentissage, nous proposons des approches incrémentales semi-supervisées. Nous montrons qu’exploiter des données annexes permet de régulariser le modèle pendant le processus incrémental. Via la semi-supervision, les modèles proposés exploitent les représentations améliorées pour faciliter l’apprentissage de la nouveauté, mais aussi pour stabiliser les poids face à l’oubli catastrophique.

11h45-12h25 : Tuan Ngo Dac (LMNO, Université de Caen Normandie) Valeurs zêta multiples Suite à cette présentation, un texte qui en reprend le contenu a été publié sur le site de l'INSMI. Les valeurs zêta multiples sont des nombres réels positifs qui ont fait l'objet des travaux d'Euler à la fin du XVIIIe siècle. Elles généralisent les valeurs de la fonction zêta de Riemann aux entiers positifs et apparaissent naturellement dans le calcul de leurs produits. De manière surprenante, ces nombres réels particuliers sont omniprésents dans plusieurs théories mathématiques et physiques. Par exemple, ils sont liés aux périodes des motifs mixtes de Tate, et aux valeurs des intégrales de Feynman dans la théorie quantique des champs. Ces propriétés, ainsi que d'autres, ont fait des valeurs zêta multiples le centre d'études intensives, en particulier au cours des trois dernières décennies.
Dans un premier temps, nous faisons une introduction à ces nombres fascinants. Puis nous présentons des résultats spectaculaires de Terasoma, Deligne-Goncharov et Brown. Si le temps le permet, nous parlerons des résultats sur les valeurs zêta multiples en caractéristique positive.

12h30-14h30 : Pause déjeuner, posters de doctorants

Après-midi : Présentations des projets RIN en cours

14h30-15h : Arnaud Ducrot, Projet « Modélisation et Analyse des Systèmes Complexes en Biologie » (MASYCOMB)

15h-15h30 : Edwige Pissaloux et Abderrahim El Moataz , Projet « Guide Muséal »

15h30-16h : Bruno Deschamps, Projet « Théorie Inverse de Galois Non Commutative » (TIGANOCO)

16h-16h30 : Alexandre Pauchet, Projet « Interaction Naturelle avec des Compagnons Artificiels » (INCA)