RECHERCHE | Thèmes
Résumé :
Cet axe de recherche vise à promouvoir l'utilisation des techniques mathématiques issues de la statistique et de la recherche opérationnelle dans les problèmes de gestion industrielle. On s’intéresse par exemple au contrôle des procédés, à l'amélioration de la qualité des produits et de la productivité des entreprises, à l’amélioration de la fiabilité des systèmes et des réseaux, à l’optimisation des stratégies de maintenance, etc.
Objectifs spécifiques :
Les problèmes particuliers qui sont traités sont les suivants :
- Développement et implémentation de procédures et technologies de maîtrise de la qualité : la majorité des entreprises tunisiennes sont à présent très sensibilisées à l'importance de la maîtrise de la qualité et souhaitent dépasser le cap de la certification pour intégrer une démarche de Qualité Totale. Elles ont besoin d'outils, de méthodes et de technologies garantissant une amélioration continue de leur qualité.
- Utilisation d'heuristiques telles que les réseaux de neurones, la logique floue et les algorithmes génétiques pour le contrôle quasi-automatique des procédés industriels,
- Développer de nouvelles méthodes d’évaluation et d’amélioration de la sécurité des systémes informatiques.
- Application de techniques de recherche opérationnelle, de statistique et génie industriels pour l'amélioration de la fiabilité et l’optimisation de la maintenance des systèmes et des réseaux.
Applications :
- Automatisation de processus: l'objectif est de mettre en œuvre des procédures de décision pour le pilotage automatique des processus industriels. Dans ce contexte, les membres de l'équipe ont activement participé au projet d'automatisation du processus de production de l'acide phosphorique au sein du Groupe Chimique de Tunisie (GCT). Il est à noter que l'équipe avait déjà réalisé en partie la modélisation du projet d'automatisation du procédé de fabrication du ciment artificiel au sein des Ciments Artificiels de Tunisie (CAT).
- Résolution du problème d'échantillonnage de la bouillie pour le Groupe Chimique de Tunisie (GCT).
- Programmes Nationaux Mobilisateurs (PNM) traitant des technologies de la qualité totale au sein des entreprises pilotes. Plusieurs études traitant d'amélioration de la qualité ont été conjointement menées par des membres du LARODEC et des entreprises tunisiennes (SONEDE, VACPA Boudjebel, Tunisie Porcelaine, COFAT-CHAKIRA, Innoplast, Pharmagreb, etc).
Objectifs spécifiques :
Applications :
Impacts :
Résumé:
Notre intérêt dans ce contexte consiste à élaborer de nouveaux algorithmes d’apprentissage/fouille de données complexes. Des améliorations relatives à des techniques telles que les arbres de décision, le clustering, le raisonnement à partir des cas... sont proposées afin de mieux gérer les données dans un cadre incertain. Ainsi, des classifieurs basés les théories des fonctions de croyance, des possibilités, des ensembles flous sont développés De nouveaux critères d'évaluation de ces classifieurs sont également définis. Des méthodes relatives à des algorithmes évolutionnaires tels que les systèmes immunitaires artificiels et la théorie de danger sont proposées afin d'offrir de nouvelles méthodes d'apprentissage automatique.
Par ailleurs, les données peuvent être considérées comme recouvrantes et ne pas avoir de séparations simples. En effet, certains problèmes du monde réel nécessitent qu’un objet puisse appartenir à la fois à plusieurs partitions. Par exemple, en biologie, un gène peut participer à plusieurs processus ; en recherche d'information, un document peut aborder plusieurs thématiques ou appartenir à plusieurs genres différents ; ou encore dans l’analyse des réseaux sociaux où un acteur peut appartenir à plusieurs communautés. En effet, les techniques traditionnelles d’apprentissage/fouille de données ne peuvent s’appliquer à ce type particulier de données. Nous intervenons à ces différents niveaux par l’écriture d’algorithmes dédiés à ces problématiques. Cela inclut :
- La détection des clusters recouvrants avec des séparations non linéaires et non sphériques ; la détection des clusters recouvrants avec un contrôle de la taille des recouvrements.
- La classification/Fouille des données biologiques par les méthodes statistiques, de l’intelligence artificielle, par similarité ou par regroupement ainsi que la prédiction de leur structure tridimensionnelle.
Egalement, dans le cadre de la bioinformatique, un intérêt particulier est donné au développement de méthodes d’évaluation de similarité entre les sites d'interaction en utilisant la détection de quasi-cliques.
En guise d’application, nous nous intéressons à la détection de ces clusters dans le cas des données textuelles qui se chevauchent. Nous portons aussi notre intérêt à l’apprentissage/fouille de données volumineuses (Big data) en considérant l’aspect recouvrement et aussi l’inférence dans un réseau bayésien à partir de données non structurées.
Objectifs spécifiques :
Cet axe de recherche vise à contribuer à l’amélioration des algorithmes d’apprentissage automatique pour les données complexes.
Applications :
- Utilisation des algorithmes d’apprentissage automatique basés sur le regroupement par chevauchement pour la fouille et la recherche d’informations complexes et volumineuses.
- Utilisation des algorithmes d’apprentissage pour la prédiction de la structure des protéines.
Impacts :
Contribution à une meilleure prise de décision suite au développement de boîtes à outils (logiciels) dédiés à ces problématiques.
Résumé :
Le laboratoire LARODEC contribue au développement de nouveaux modèles de raisonnement et de décision en Intelligence Artificielle. La représentation et le traitement des informations incomplètes, incertaines, imprécises ou incohérentes, ainsi que la représentation des connaissances et des préférences pour le raisonnement, la décision et la planification sont au premier plan de ses recherches. L’équipe étudie les fondements axiomatiques de règles de décision qualitative sous incertitude, ainsi que des outils logiques et informatiques pour la décision multicritère et/ou collective et la planification. L’aspect combinatoire des problèmes à résoudre conduit à la recherche de solutions efficaces.
Objectifs spécifiques :
Il s'agit d'étudier des problèmes relatifs à la représentation, au raisonnement et à la prise de décision coopérative et conflictuelle prenant en compte différents types d'informations incomplètes et ambiguës ainsi que la représentation des connaissances sous plusieurs formes, notamment les modèles graphiques standards et non-standards. Les problèmes abordés utilisent des outils formels récents comme :
- La théorie des possibilités, la théorie des fonctions de croyances, des probabilités imprécises, pour le traitement de l’incertitude épistémique, en plus de la théorie des probabilités.
- Des modèles graphiques de représentation de connaissances et de préférences (VCSP, CP-nets, Réseaux Bayésiens, Réseaux évidentiels, Réseaux posibilistes,réseaux causaux …).
- Des logiques non-monotones, pondérées, floues, destinées à pallier les insuffisances de la logique et de l’inférence classique pour formaliser le raisonnement humain.
- La révision et la fusion d’informations incertaines et partiellement contradictoires provenant de sources multiples.
Applications :
- Utilisation de la théorie des possibilités et des fonctions de croyance pour la gestion de l’incertitude dans la détection des intrusions dans les systèmes informatiques.
- Application des algorithmes de représentation et de raisonnement dans les algorithmes évidentiels pour résoudre des problèmes à EDF Fance.
- Application des algorithmes proposés pour des réseaux évidentiels naifs au domaine agronomique.
Impacts :
Contribution à une meilleure représentation et raisonnement pour des problèmes réels à travers le développement de boîtes à outils (logiciels) dédiés à ces problématiques.
Objectifs spécifiques :
Applications :
Impacts :
- Déterminer des nouveaux modes et pratiques d’organisation des connaissances ainsi que les modalités de production et de circulation des savoirs et des connaissances.
- Optimisation unicritère et multicritère,
- Sélection des projets en utilisant des critères multiples,
- L’aide multicritère à la décision
- Décision de groupe,
- Heuristiques et métaheuristiques,
- Planification et l'allocation optimale des ressources hydrauliques
- Utilisation des outils de la théorie des jeux pour modéliser les différentes stratégies de Recherche et Développement. Ceci permet par exemple d'étudier les différents mécanismes de transferts technologiques entre pays développés et pays en voie de développement.
Impacts :
