Literatura científica selecionada sobre o tema "Compression basée sur l'Intelligence Artificielle"

Cet article présente la commande de la machine asynchrone à double alimentation en mode génératrice (GADA) par des techniques de l'Intelligence Artificielle (IA), utilisée dans un système de conversion d'énergie éolienne à vitesse variable. Donc dans ce travail, on s’intéresse particulièrement à l’application de la commande vectorielle indirecte par orientation du flux statorique à la GADA, basée sur les régulateurs de l'intelligence artificielle, tels que la logique floue et les réseaux de neurones. Ces derniers surpassent les limites des techniques classiques et possèdent des caractéristiques essentielles pour l'amélioration de la robustesse de la commande vectorielle. Des résultats de simulation sous Matlab/Simulink sontdonnés afin de comparer les performances des deux régulateurs dans le contrôle de la GADA.

Issue de la biologie de la conservation, la planification systématique de la conservation (PSC) est une approche pratique qui se propose de fournir une aide à la décision dans la planification des actions de conservation en intégrant les objectifs écologiques avec les contraintes des gestionnaires. Basée sur la modélisation, l’optimisation et l’informatique, la PSC offre un cadre rationnel pour aborder les problématiques environnementales et réduire le fossé entre recherche et gestion. Dans cette thèse, nous avons introduit une approche formelle pour modéliser et résoudre des problèmes de PSC basée sur la programmation par contraintes, une méthode issue de l'intelligence artificielle et fondée sur le raisonnement automatique. Notre motivation principale était d'apporter plus d'expressivité à la PSC (i.e. d'accroître l'étendue et la variété des problèmes qui peuvent être représentés et résolus), notamment par l'intégration de contraintes spatiales avancées et d'indices du paysage. Cette approche permet également d’obtenir des garanties sur la qualité des solutions produites (satisfaisabilité, optimalité) qui peuvent améliorer considérablement la qualité de l'aide à la décision. Nous avons appliqué cette approche sur des données réelles issues des forêts de Nouvelle-Calédonie, un point chaud de la biodiversité qui doit faire face à de nombreux défis pour la conservation de sa biodiversité. Le contexte développé, insulaire et peu peuplé de cet archipel permet une grande proximité entre les différents acteurs de la conservation, ce qui en fait un terrain d'étude approprié pour expérimenter de nouveaux outils pour la conservation. Nous avons illustré cette particularité à travers un cas d'étude mené en étroite collaboration avec les gestionnaires du parc provincial de la « Côte Oubliée -– Woen Vùù – Pwa Pereeù ». Dans cette étude, nous avons fourni une aide à la décision dans un projet de reforestation, en mettant l'accent sur la réduction de la fragmentation et l'amélioration de la connectivité structurelle. Dans l'ensemble, nous avons démontré le caractère générique, la flexibilité et l'expressivité de l'approche basée sur les contraintes appliquée à la PSC. Nos résultats ont également ouvert de nouvelles perspectives pour l'aide à la décision en Nouvelle-Calédonie, la PSC, et la programmation par contraintes.

L'intelligence artificielle (IA) est de plus en plus utilisée pour le diagnostic en ligne dans le domaine de la radiographie industrielle. Les avancées dans les algorithmes de classification et de segmentation sémantique ces dernières années constituent des outils qui permettent une détection plus précise des détails dans les images radiographiques, ce qui constitue une avancée majeure par rapports aux algorithmes traditionnels à base de traitements d’images « classiques » ou méthodes statistiques. Nous présentons ici 3 approches IA en radiographie industrielle, développées à des fins de diagnostic pour du contrôle sur ligne de production. ▪ La première approche, basée sur la classification, consiste à élaborer et entrainer un réseau de neurones de type CNN pour un établir un diagnostic qualité sur ligne de production sur image radiographique. Les images d’acquisition radiographique dont il est question ici sont des images acquises au moyen d’un capteur matriciel (projection conique). ▪ Les deux autres approches traitent du contrôle radiographique industriel sur ligne de production acquises au moyen d’un capteur linéaire (donc géométrie de projection semi-conique). ▪ La première de ces deux approches consiste à apprendre à un modèle de type Variational Autoencoder un pattern de « normalité », de la structure du matériau analysé, permettant ainsi de s’affranchir de l’apprentissage des défauts. ▪ La deuxième de ces deux approches consiste par des moyens de segmentation sémantique à détecter des défauts sur un produit à sur l’image. Le modèle ainsi conçu et entrainé, consiste en une segmentation sémantique à 5 sorties (4 classes de défauts et le background).

Le volume de données visuelles numériques augmente considérablement d'année en années. En parallèle, l’édition d'images est devenue plus facile et plus précise. Les modifications malveillantes sont donc plus accessibles. La criminalistique des images fournit des solutions pour garantir l’authenticité des données visuelles numériques. Tout d’abord, les solutions étaient des méthodes classiques basées sur les artéfacts produits lors de la création d’une image numérique. Puis, comme pour d’autres domaines du traitement d’images, les méthodes sont passées à l’apprentissage profond. Dans un premier temps, nous présentons une étude de l’état de l’art des méthodes d’apprentissage profond pour la criminalistique des images. Notre étude de l’état de l'art souligne le besoin d’appliquer des modules de pré-traitement pour extraire les artéfacts cachés par le contenu des images. Nous avons aussi mis en avant les problèmes concernant les protocoles d’évaluation de la reconnaissance d’image. De plus, nous abordons la contre-criminalistique et présentons la compression basée sur l’intelligence artificielle, qui pourrait être pris en compte comme une attaque. Dans un second temps, cette thèse détaille trois protocoles d’évaluation progressifs qui abordent les problèmes de reconnaissance de caméras. Le protocole final, plus fiable et reproductible, met en avant l’impossibilité des méthodes de l’état de l’art à reconnaître des caméras dans un contexte difficile. Dans un troisième temps, nous étudions l’impact de la compression basée sur l’intelligence artificielle sur deux tâches analysant les artéfacts de compression : la détection de falsifications et la reconnaissance du réseau social
The volume of digital visual data is increasing dramatically year after year. At the same time, image editing has become easier and more precise. Malicious modifications are therefore more accessible. Image forensics provides solutions to ensure the authenticity of digital visual data. Recognition of the source camera and detection of falsified images are among the main tasks. At first, the solutions were classical methods based on the artifacts produced during the creation of a digital image. Then, as in other areas of image processing, the methods moved to deep learning. First, we present a state-of-the-art survey of deep learning methods for image forensics. Our state-of-the-art survey highlights the need to apply pre-processing modules to extract artifacts hidden by image content. We also highlight the problems concerning image recognition evaluation protocols. Furthermore, we address counter-forensics and present compression based on artificial intelligence, which could be considered as an attack. In a second step, this thesis details three progressive evaluation protocols that address camera recognition problems. The final protocol, which is more reliable and reproducible, highlights the impossibility of state-of-the-art methods to recognize cameras in a challenging context. In a third step, we study the impact of compression based on artificial intelligence on two tasks analyzing compression artifacts: tamper detection and social network recognition. The performances obtained show on the one hand that this compression must be taken into account as an attack, but that it leads to a more important decrease than other manipulations for an equivalent image degradation

Le problème des affectations personnalisées consiste à affecter au moindre coût les membres du Personnel Navigant Technique d'une compagnie aérienne aux vols programmés. L'élaboration de ces affectations est soumise à un ensemble de contraintes liées aux règlements et aux accords existants concernant les conditions de travail et de rémunération. Cet ensemble de contraintes contribue à la formulation d'un problème d'optimisation combinatoire complexe pour lequel nombre de méthodes exactes et approchées ont été développées. L'approche proposée dans cette thèse se distingue des travaux antérieurs par trois points principaux : l'intégration au problème du degré de satisfaction des équipages ; le traitement dans un contexte dynamique des perturbations affectant l'opération réelle, ce qui va bien au delà de la simple résolution d'un problème de programmation mathématique et configure une fonction de supervision du processus d'affectation ; l'utilisation de techniques issues de l'Intelligence Artificielle : Logique Floue et Algorithmes Génétiques. Ainsi dans cette étude, deux situations sont distinguées : l'affectation personnalisée nominale qui est élaborée avant le début effectif de la période d'opération ; la ré-affectation dans un contexte dynamique pour lequel des perturbations viennent remettre en cause le déroulement programmé des opérations. Dans le premier cas, on traite un problème d'optimisation combinatoire considérant simultanément les deux critères suivants : le coût-compagnie associé à l'opération du Personnel Navigant Technique et la satisfaction de ce dernier. La méthode de résolution proposée met en oeuvre successivement une heuristique de Type GRASP destinée à générer des solutions présentant un fort degré de satisfaction et un Algorithme Génétique destiné à minimiser les coûts-équipage associés. Un ensemble de solutions non-dominées est généré. L'évaluation du degré de satisfaction des équipages est effectué en faisant appel à la Logique Floue. Dans le deuxième cas, l'approche de résolution proposée tient compte du contexte dynamique des opérations ce qui conduit à une redéfinition en ligne des solutions d'affectation. L'objectif recherché dans cette approche consiste à minimiser le nombre de modifications du planning de travail des membres du Personnel Navigant Technique? Un schéma de résolution proche de la Programmation Dynamique est mis en oeuvre pour explorer l'ensemble des solutions admissibles alors qu'une technique basée sur la Logique Floue permet de fixer les pénalités à appliquer aux modifications de la programmation des affectations
The airlines crew rostering problem considers the assignment of the crew staff to a set of pairings covering all the scheduled flights so that operations costs are minimized while its solution meets hard constraints resulting from the safety regulations and the airlines internal agreements. These constraints contributes to the formulation of a complex combinatorial optimization problem for which a number of exact and approximate methods haven been developed. The approach proposed in this thesis differs from former works by three principal points : the integration of satisfaction degree of the crew members ; the crew rostering problem is dealt in a dynamic context where disturbances lead to modifications for the monthly crew roster planning. So this approach goes well beyond the simple resolution of a mathematical problem and configures a supervision function of the crew assignment process ; the use of techniques of the Artificial Intelligence field : Fuzzy logic and Genetic algorithms. In this study, two main situations are treated : the nominal crew rostering probelm which is elaborated before the beginning of the operation period. The reassignment in a dynamic context where disturbances lead to modifications of the monthly crew roster planning. In the first case, we deal with a combinatorial optimization problem considering simultaneously the two following criteria : the cost-airline associated with the crew assignment and the satisfaction of the crew staff. The solution approach proposed here is composed of two steps : in the first one a GRASP heuristic method is designed to get a first set of high satisfaction assignment solutions and in the second one, an optimization process, based on Genetic Algorithms is developed to minimize the crew assignment cost. A set of not-dominated solutions is then generated. Fuzzy logic is used to estimate the degree of satisfaction of the crew members. In the second case, the solution approach proposed takes into account the dynamic context of the operations which leads to an on-line redefinition of the assignment solutions. The objective consists here in minimizing the number of modifications of the previous planning. A solution scheme close to Dynamic Progamming generates a set of feasible assignment solutions and a Fuzzy Logic approach defines the relevant penalities to be introduced in the decision criterion

Le manque grandissant de médecins spécialistes à l'extérieur des grands centres influe négativement sur' la qualité des soins reçus par les patients. Une solution possible à ce problème est la supervision des médecins généralistes en région par des spécialistes disponibles dans les grands centres. Cette supervision à distance nécessite le développement de technologies répondant aux besoins précis de celle-ci. Dans le cadre de ce projet de recherche, la transmission de l'image est considérée. En vue de développer un codec vidéo adéquat pour l'application dans le futur, le codec intra-image est étudié. Plus précisément, le but recherché est de simplifier et de rendre parallélisable le codec AGU 1 [PONOMARENKO et coll., 2005] sans en réduire les performances en deça des performances de JPEG2000 [SxoDRAS et coll., 2001]. Ces améliorations facilitent la réalisation matérielle du codec en réduisant la latence si critique aux applications de télésupervision. Pour accomplir ces objectifs, le modelage du contexte du codec AGU doit être modifié. La méthodologie proposée passe par l'implémentation du codec AGU, l'étude de la source de données et la modification du modelage de contexte. La modification en question est le remplacement de l'utilisation d'une méthode adaptative basée sur un arbre de conditions par un réseau de neurones. Au terme de cette recherche, le réseau de neurones utilisé comme modeleur de contexte s'avère être un succès. Une structure à neuf entrées et aucune couche cachée est utilisée et permet de rendre presque triviale l'opération de modelage du contexte en gardant des performances supérieures à JPEG2000 en moyenne. La performance est inférieure à JPEG2000 pour une seule image de test sur cinq. Dans le futur, il est possible d'étudier comment améliorer davantage ce codec intra-image à travers l'utilisation d'un meilleur réseau de neurones ou d'une transformée différente. Il est également souhaitable d'étudier comment faire évoluer le codec en un codec inter-image.

Cette thèse traite de l'identification des paramètres du point de vue de l'optimisation et du contrôle de suivi distribué des systèmes multi-agents d'ordre fractionnaire (FOMASs) en tenant compte des retards, des perturbations externes, de la non-linéarité inhérente, des incertitudes des paramètres et de l'hétérogénéité dans le cadre d'une topologie de communication fixe non dirigée / dirigée. Plusieurs contrôleurs efficaces sont conçus pour réaliser avec succès le contrôle de suivi distribué des FOMASs dans différentes conditions. Plusieurs types d'algorithmes d'optimisation de l'intelligence artificielle et leurs versions modifiées sont appliquées pour identifier les paramètres inconnus des FOMASs avec une grande précision, une convergence rapide et une grande robustesse. Il est à noter que cette thèse fournit un lien prometteur entre la technique d'intelligence artificielle et le contrôle distribué
This thesis deals with the parameter identification from the viewpoint of optimization and distributed tracking control of fractional-order multi-agent systems (FOMASs) considering time delays, external disturbances, inherent nonlinearity, parameters uncertainties, and heterogeneity under fixed undirected/directed communication topology. Several efficient controllers are designed to achieve the distributed tracking control of FOMASs successfully under different conditions. Several kinds of artificial intelligence optimization algorithms andtheir modified versions are applied to identify the unknown parameters of the FOMASs with high accuracy, fast convergence and strong robustness. It should be noted that this thesis provides a promising link between the artificial intelligence technique and distributed control

Le recrutement est un acte à fort enjeu pour une organisation, un acte dans lequel les risques d'échec sont bien réels. C'est par ailleurs une activité consommatrice de temps, dans laquelle on poursuit souvent un rêve d'objectivité, couplé à l'illusion que le candidat idéal existe forcément quelque part. Autant d'excellentes raisons pour recourir à l'Intelligence Artificielle et à ses algorithmes afin de gagner en collecte, cadence de traitement, fiabilité et qualité. On traite des usages et outils, de la réalité de ces avantages. On aborde les nouveaux risques qui apparaissent dans une pratique de recrutement basée sur l'IA. Des niches apparaissent, où le bilan pourrait être positif, dans une situation globale où le recours aux algorithmes dans le processus complexe du recrutement parait encore peu usité, peut-être moins efficace et objectif qu'imaginé.