I- TRAITEMENT DE DONNÉES ET MODÉLISATION

Thèmes scientifiques :

• Modélisation par apprentissage
  mots clés : Techniques d'apprentissage, réseaux neuromimétiques, analyse statistique, pré-traitement de données, réduction de dimension, renforcement.
  
• Traitement de données imprécises et incertaines
  mots clés : Systèmes d'inférence floue, optimisation, théorie des possibilités, théorie de l'évidence, fusion de données.
  
• Modélisation du savoir-faire et diagnostic
  mots clés : Raisonnement hypothétique, maintien de cohérence, diagnostic à base de modèles.
  

Responsables :

• Claude Barret
  
• Jean-Marc Martinez (Modélisation par apprentissage)
  
• Hichem Maaref (Traitement de données imprécises et incertaines)
  
• Michel Dumas (Modélisation du savoir-faire et diagnostic)
  

Participants :

• Claude Barret Pr IUT. Evry (depuis 1992)
  
• Michel Dumas Ing CEA (depuis 1992)
  
• Hichem Maaref MCF IUT Evry (depuis 1992)
  
• J.-M. Martinez Ing CEA et PAST U. Evry (depuis 1992)
  
• Yasmina Sadi MCF U. Evry (depuis Septembre 1996)
  
• Claire Vasiljevic MCF U. Evry (depuis Septembre 1995)
  
• Vincent Vigneron MCF U. Evry (depuis Septembre 1998)
  

Doctorants :

• Frédéric Davesne 10/96 Allocataire MENRT
  
• Stéphane Lepert 01/97 Bourse Cifre
  
• Denis Rivière 10/96 Bourse CEA
  
• Alberto Soria-Lopez 10/94 Bourse mexicaine
  
• Renaud Thétiot 10/95 Allocataire MENRT
  
• Ali Goudarzi 10/95 Bourse iranienne
  

Thèses soutenues ( 95-98) :

• Michèle Brunet 12/96 PRAG (IUT d'Evry)
  
• Manuel Dominguez 07/98 Ingénieur
  
• Gilles Mercier 02/95 MCF (IUT de Melun Sénart)
  
• Philippe Meyne 06/97 PRAG (IUT d'Evry)
  
• Mourad Oussalah 10/98 Post-doc (U. de Louvain)
  
• Vincent Vigneron 05/97 MCF (U. d'Evry)
  
• Rachid Yacoub 12/97 Ingénieur (Société ORCHE)
  
• Fakher Zouaoui 12/98 ATER (U. d'Evry)
  

Coopérations et Groupes de travail :

• GDR-PRC ISIS : Fusion de données
  
• GDR Automatique : Commande symbolique et neuromimétique
  
• Université Paris I (SAMOS) : Apprentissage non supervisé
  
• IRISA Rennes : Optimisation des systèmes flous ; Apprentissage par renforcement
  
• Université de Louvain : Théories de l'incertain
  
• Université de Rio de Janeiro : Apprentissage par modèles RAM
  
• INT Evry : Commande floue
  
• CEA : Modélisation par apprentissage ; Analyse de spectres
  
• INRETS : Commande floue ; Fusion de données
  
• EDF : Diagnostic
  
  

INTRODUCTION

Quel que soit l'objectif poursuivi, modélisation d'un processus complexe et/ou prise de décision le concernant, pouvant faire intervenir des opérations d'identification, de classification, de fusion d'informations, de reconnaissance de situation ou de signature, ... en vue de commande ou de diagnostic, une préétape indispensable est de s'intéresser au traitement des données recueillies qui peuvent être de nature numérique ou symbolique.

Initialement, nous avions abordé ces deux aspects à travers deux outils spécifiques : d'une part, les réseaux de neurones et d'autre part, la logique floue, en s'attachant particulièrement à développer et exploiter leur complémentarité. Depuis, notre activité s'est fortement élargie et est structurée suivant trois axes principaux :

• Modélisation par apprentissage,
  
• Traitement de données imprécises et incertaines,
  
• Modélisation du savoir-faire et diagnostic.