Thème Données, Services, Intelligence

Présentation

Les travaux menés dans le thème DSI (Données, Services, Intelligence) portent sur trois problématiques interdépendantes :

  • Gestion de grandes masses de données : il s'agit d'étudier ici les problèmes liés à l'intégration de données hétérogènes et à l'interrogation de grandes masses de données dans le cadre d'architectures distribuées et massivement parallèles. Les travaux développés s'intéressent à l'expérimentation à grande échelle de systèmes de gestion de grandes masses de données ainsi qu'à l'exploration de nouvelles approches pour l'optimisation des requêtes dans ce contexte. 
  • Extraction des connaissances et apprentissage artificiels. Les problèmes étudiés dans ce contexte concernent à la fois la proposition de nouveaux algorithmes d’extraction de connaissances et d’apprentissage artificiel en présence de données complexes et massives et l’étude, pour des objectifs de passage à l’échelle, du portage de ce type d’algorithmes vers des environnements de type Cloud (en liaison avec la problématique précédente). Les approches développées visent à définir un cadre de formalisation et de spécification d'un système intelligent capable d’extraire des connaissances ou d’apprendre à partir de données complexes, et de les contrôler par interaction avec un utilisateur. La qualité de la connaissance extraite ou apprise se trouve ici au coeur des préoccupations. Ainsi la prise en compte de la sémantique associée à cette connaissance facilite l’interaction avec l’utilisateur.
  • Analyse, vérification, test des applications, des services web et des processus métier. Les travaux portent sur l'analyse de services, d'applications ou de processus métiers dans le but de les optimiser, fiabilier ou de les sécuriser. Les applications sont modélisées via des onthologies ou par des modèles (formels ou UML). D'une manière générale, ces modèles servent ensuite à optimer une propriété donnée, à vérifier si une propriété est satisfaite ou à générer des tests.   Les travaux dévelopés s'articulent autour de trois activités : analyse et vérification des applications (services web et  processus métier), la conformité et la sécurité de logiciels et  la génération de modèles à partir de traces. 
 

 

 

Dernières Publications

Isaac Wilfried Sanou, Julien Baderot, Ali Hallal, Vincent Barra, Johann Foucher - 4 juin 2025
Deep Learning-Based on Feature Enhancement Module for Outer and Inner Object Segmentation in Semiconductor Images: Applications in Annotation and Metrology
17th International Conference on Quality Control by Artificial Vision (QCAV)

Roxane Jouseau, Sébastien Salva, C. Samir - 2 janvier 2025
A New Metric for Measuring the Intrinsic Quality in Data Collected for Quantitative Classification
Lecture Notes in Artificial Intelligence

Sk Imran Hossain, Jocelyn de Goër de Herve, David Abrial, Richard Emilion, Isabelle Lebert, Yann Frendo, Delphine Martineau, Olivier Lesens, Engelbert Mephu Nguifo - 1 janvier 2025
Expert Opinion Elicitation for Assisting Deep Learning based Lyme Disease Classifier with Patient Data
International Journal of Medical Informatics

Armel Soubeiga, Violaine Antoine, Alice Corteval, Nicolas Kerckhove, Sylvain Moreno, Issam Falih, Jules Phalip - 1 janvier 2025
Clustering and Interpretation of time-series trajectories of chronic pain using evidential c-means
Expert Systems with Applications

Benoît Albert, Violaine Antoine, Jonas Koko - 1 janvier 2025
ECM+: An improved evidential c-means with adaptive distance
Fuzzy Sets and Systems

Rim El Cheikh, Issam Falih, Engelbert Mephu Nguifo - 29 décembre 2024
Deep-DAP: A Self-Explainable Attribute-Based Deep Neural Network


Maxime Lefrançois, Catherine Roussey, Fatma-Zohra Hannou, Victor Charpenay, Antoine Zimmermann - 12 novembre 2024
Kind of X and X of Interest: An Ontology Design Pattern to Reconcile Web of Thing Ontologies
15th Workshop on Ontology Design and Patterns (WOP 2024)

Antoine Zimmermann - 11 novembre 2024
Make autonomous agents work and collaborate on the Web thanks to ontologies and ontology patterns
15th Workshop on Ontology Design and Patterns (WOP 2024)

Maureen Domche, Jerry Lonlac, Norbert Tsopze, Engelbert Mephu Nguifo - 4 novembre 2024
Unveiling the Gap Between Gradual Patterns and Statistical Correlations in Numerical Data Analysis


Jerry Lonlac, Bernoulli Fotsing Tchide, Alain Bomgni, Arnaud Doniec, Engelbert Mephu Nguifo - 28 octobre 2024
Revisiting Frequent (Closed) Gradual Itemsets Mining
IEEE 36th International Conference on Tools with Artificial Intelligence (ICTAI)

Toutes les publis se trouvent ici