Ajouter à votre agenda

MEUNIER François

Doctorant
Équipe : LFI
Localisation : Campus Pierre et Marie Curie
    Sorbonne Université - LIP6
    Boîte courrier 169
    Couloir 26-00, Étage 5, Bureau 516
    4 place Jussieu
    75252 PARIS CEDEX 05
Tel: 01 44 27 87 26, Francois.Meunier (at) nulllip6.fr
Direction de recherche : Christophe MARSALA
Co-encadrement : CASTANIE Laurent

Prédiction de phénomènes géologiques pour l'aide à la décision lors de la prise de permis d'exploitation

Ce travail de doctorat propose de valoriser un certain type de données que sont les objets (structures) 3D construits à partir de maillage, en justifiant empiriquement les apports indéniables d'une extraction de sous-parties issues de ces derniers. Cet objectif est atteint en résolvant un problème de prévision par une nouvelle approche de classification supervisée pour la recommandation d'information. Au delà du résultat attendu, une justification de ce dernier est également fournie sous forme de la visualisation de sous-parties extraites discriminantes, permettant ainsi l'interprétation par le spécialiste.
Grâce à une adaptation des Time series Shapelets et des méthodes de sélection de features, on parvient à ne sélectionner que les parties les plus pertinentes pour la classification souhaitée.
En plus de présenter de meilleurs résultats de prévision que ceux de l'état de l'art, cette méthode offre une visualisation des sous-parties d'objets 3D les plus discriminantes, et donc les zones qui auront le plus d'influence sur la classification des données.
Par la suite, nous proposons une amélioration de cette méthode sur deux axes: le premier est l'apport d'une adaptation du transfert de connaissances (ou transfer learning) appliqué à l'algorithme précédemment proposé; le second est la mise en oeuvre d'une méthode novatrice de sélection d'attributs, basée sur des outils issus de la théorie des sous-ensembles flous, est introduite. Cette dernière s'avère être potentiellement applicable à tout type de sélection d'attributs en classification supervisée.
Les résultats obtenus confirment le potentiel général de la sélection aléatoire d'attributs candidats, en particulier dans un contexte de grandes quantités de données.
Soutenance : 13/12/2018 - 14h - Site Jussieu 25-26/105
Membres du jury :
PONCELET Pascal, Université de Montpellier [rapporteur]
VRAIN Christel, Université d'Orléans [rapporteur]
AMANN Bernd, Sorbonne Université
DE RUNZ Cyril, Université de Reims Champagne-Ardenne
MARSALA Christophe, Sorbonne Université
CASTANIE Laurent, Total E&P
CONCHE Bruno, Total E&P

Publications 2015-2018

 Mentions légales
Carte du site |