Doctorat à l’Université Paris-Saclay en Intelligence Artificielle Neuro-symbolique

Cette thèse de trois ans, entièrement financée, vise à fournir un cadre d’IA neuro-symbolique pour l’apprentissage et le raisonnement spatio-temporel qui puisse être facilement expliqué. Afin d’atteindre un haut degré de performance dans la compréhension et le raisonnement sur les données spatio-temporelles, le cadre combine les avantages des réseaux de neurones avec le raisonnement symbolique. À la lumière de cette analyse, le projet fournira un nouveau cadre pour combiner les réseaux de neurones avec le raisonnement symbolique à des fins d’apprentissage et de raisonnement dans le domaine spatio-temporel.
Un composant de réseau neuronal et un composant de raisonnement symbolique constitueront l’essentiel du système proposé. Afin d’apprendre des modèles spatio-temporels à partir des données, le composant réseau neuronal utiliserait plusieurs types de réseaux neuronaux, tels que les réseaux neuronaux convolutifs (CNN) et les réseaux neuronaux récurrents (RNN). La partie raisonnement symbolique raisonnera sur les modèles spatio-temporels appris en utilisant plusieurs types de raisonnement symbolique, tels que la logique, les règles ou les graphiques de connaissances.
Un cadre d’intégration neuro-symbolique sera utilisé pour combiner les deux parties afin qu’elles puissent partager des informations et améliorer mutuellement leurs performances. Le cadre sera conçu de manière à faciliter la compréhension et l’explication de la logique qui le sous-tend.
Une variété d’ensembles de données spatio-temporelles, notamment des photos, des vidéos et des données de capteurs, seront utilisées pour tester l’efficacité du cadre proposé. Des mesures, notamment l’exactitude, l’efficacité et l’interprétabilité, seront utilisées dans l’évaluation. La recherche sur les utilisateurs fera également partie de l’évaluation pour voir dans quelle mesure le cadre s’explique.
Les résultats de ce doctorat. Le projet pourrait avoir des conséquences de grande envergure, notamment une amélioration des performances sur les tâches spatio-temporelles, une plus grande ouverture et interprétabilité, une prise de décision améliorée, un traitement des données rationalisé et une innovation accélérée dans un large éventail de secteurs et d’applications.

Détails sur : https://adum.fr/as/ed/voirproposition.pl?site=PSaclay&matricule_prop=49…

Catégorie de financement : Contrat doctoral
Subvention pour charge de service public autre employeur
PHD Pays : France