News
[02/2024] PhD position - Vers des Modèles Graphiques d'Événements soutenables et explicables pour apprendre et raisonner à partir de séquences d'événements
Encadrants : Philippe Leray (40%), Julien Blanchard (60%) – LS2N & Nantes Université
Résumé
Les modèles graphiques d’événements sont des modèles graphiques probabilistes proposés par [Meek2014] pour décrire explicitement les dépendances temporelles entre événements. Nous proposons dans cette thèse de poursuivre les travaux existants autour de ces modèles dans deux directions: (1) l'inférence probabiliste, i.e. la possibilité d’interroger ces modèles à partir d’informations incertaines ou incomplètes, en nous intéressant aux aspects soutenabilité et explicabilité, et (2) l'apprentissage de ces modèles à partir de données en nous concentrant sur leur soutenabilité.
Mots-clés : Intelligence artificielle explicable, Intelligence artificielle soutenable, Apprentissage basé sur des modèles, Modèles graphiques d'événements, Inférence probabiliste
Démarrage : sept-oct 2024
Sujet plus détaillé : ici
modalités de candidature : à venir
[12/2023] Atelier SFdS "Modèles graphiques probabilistes et apprentissage de réseaux" , 13-15 mars 2024, Paris (France)
Depuis 2001, la Société Française de Statistique organise des Ateliers en science des données destinés avant tout aux ingénieurs, chercheurs, doctorants et post-doctorants. Ces Ateliers sont originaux dans le sens où ils abordent des sujets porteurs et/ou nouveaux. Le premier Atelier de l’année 2024 portera sur les modèles graphiques probabilistes et l’apprentissage de réseaux. J'y interviendrai le jeudi 14 mars sur l'apprentissage de réseaux bayésiens :-)
[01/2023] JFRB 2023, 1-2 juin 2023, Nantes (France)
Tous les deux ans, les Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes (JFRB) sont l'occasion de permettre la rencontre et de faciliter les échanges entre les chercheurs académiques du domaine mais également les acteurs industriels intéressés par les réseaux bayésiens, et plus généralement, par les modèles graphiques probabilistes.
La prochaine édition des JFRB se tiendra à Nantes les 1 et 2 juin 2023.
[01/2023] Fundamental Challenges in Causality, May 9-12, Grenoble (France)
One colloquium on ‘'Fundamental Challenges in Causality'' will be held in Grenoble (France) from May 9th to May 12th.
This colloquium will comprise a series of invited talks which will be given by: Robin Evans, Hervé Isambert, Jakob Runge, Michèle Sebag, Ilya Shiptser, Mihaela Van der Schaar and Kun Zhang.
In addition, the organizers (C. K. Assaad, E. Devijver, E. Gaussier) invite papers on all aspects of causality. Accepted papers will be published online and presented either within oral or poster sessions.
More information :
https://quarter-on-causality.github.io/challenges/
https://easychair.org/conferences/?conf=funcausal2023
[08/2022] One publication about Iterative knowledge discovery for fault detection in manufacturing systems in KES 2022
The new scientific paper accepted about Mahmoud Ferhat's PhD (industrial) thesis
Ferhat, M., Leray, P., Ritou, M., and Le Du, N. (2022). Iterative knowledge discovery for fault detection in manufacturing systems. In Knowledge-Based and Intelligent Information & Engineering Systems 26th Annual Conference, KES-2022, pages 1-10. Knowledge-Based and Intelligent Information & Engineering Systems 26th Annual Conference, KES-2022 Verona, Italy. [ http ]
[04/2022] PhD position : Surgical Process Modelling with Graphical Event Models and Ontologies
Supervisors : Philippe Leray, LS2N, Nantes Université, Thomas Guyet, INRIA, Centre de Lyon, Pierre Jannin, LTSI, INSERM, Université Rennes 1
Keywords : Artificial Intelligence, Probabilistic Graphical Event Model, Ontology, Machine Learning, Surgical Process Modelling.
... [more details]
[01/2022] 3 propositions de stages (M2, M1, L3)
Deux propositions de stage sont à pourvoir pour ce semestre, en relation avec des projets collaboratifs en cours dans l'équipe :
[10/2021] 3 présentations de nos travaux lors des JFRB 2021
Trois de nos travaux en cours seront présentés lors des 10èmes Journées Francophones sur les Réseaux Bayésiens et les Modèles Graphiques Probabilistes, les 11-12 octobre, Île de Porquerolles
Mathilde Monvoisin, Philippe Leray and Mathieu Ritou Unsupervised co-training of Bayesian networks for condition prediction
Giovanni Mazzobel, David Boels and Leray Philippe Réseau bayésien en toxicologie clinique : Gradation de l’envenimation vipérine
Sarah Benikhlef, Philippe Leray, Guillaume Raschia, Montassar Ben-Messaoud and Fayrouz Sakly Apprentissage multi-tâches par transfert de structures de réseaux bayésiens
[06/2021] One publication about Multi-Task Transfer Learning for Bayesian Networks Structures in ECSQARU 2021
The first scientific paper accepted with my PhD student Sarah Benikhlef :-)
Multi-Task Transfer Learning for Bayesian Networks Structures, Sarah Benikhlef, Philippe Leray, Guillaume Raschia, Montassar Ben Messaoud and Fayrouz Sakly
[06/2021] One publication about Incremental discovery of new defects: application to screwing process monitoring in the CIRP Annals
The first scientific paper accepted about Mahmoud Ferhat's PhD (industrial) thesis
Ferhat, M., Ritou, M., Leray, P., and Le Du, N. (2021). Incremental discovery of new defects: application to screwing process monitoring. CIRP Annals. [ http ]
[03/2021] One publication about Medical Companion accepted in Journal of Medical Internet Research
The article written with my psychiatric colleagues regarding the implementation of a medical assistant to prevent suicide relapse (Medical Companion), was accepted in Journal of Medical Internet Research
Mouchabac, S., Leray, P., Adrien, V., Gollier-Briant, F., and Bonnot, O. (2021). Beyond big data in behavioral psychiatry, the place of bayesian network. / example from a preclinical trial of an innovative smartphone application to prevent suicide relapse. Journal of Medical Internet Research, In Press:?-?
[03/2021] One publication about unsupervised co-training of Bayesian networks for system state prediction in IEEE IEA/AIE 2021
The first contribution from Mathilde Monvoisin’s PhD thesis, on unsupervised co-training of Bayesian networks for system state prediction has been accepted at the IEEE IEA/AIE 2021 conference
Monvoisin, M., Leray, P., and Ritou, M. (2021). Unsupervised co-training of bayesian networks for condition prediction. In 34th International Conference on Industrial Engineering and Other Applications of Applied Intelligent Systems, IEA/AIE 2021, July 26-29, 2021, Kuala Lumpur, Malaysia, pages ?-?
[12/2020] Medical Companion dans les Echos ...
Capacités crée une application contre la récidive du suicide.
La filiale de l'université de Nantes a mis à profit sa connaissance des réseaux bayésiens pour modéliser les compétences des psychiatres et développer un outil qui apprend à connaître et à conseiller les patients ayant fait une tentative de suicide...
