Objectifs de la chaire

L’exploitation et l’analyse de données hétérogènes sont généralement menées grâce à des méthodes spécifiques, généralement dédiées à chaque type de données, qui rendent compte du processus de mesure et de la nature des données.

Dans des scénarios avancés de disponibilité concomitante de plusieurs mais distinctes mesures, l’analyse complète de ces ensembles de données étendues nécessite un cadre unificateur surmontant une description grossière et marginale d’une seule mesure.

L’objectif principal de cette recherche est de développer des algorithmes d’apprentissage capables d’extraire des informations significatives à partir de sources multiples, données multi-échelles et multi-temporelles. Des contextes applicatifs particuliers concernent la télédétection pour l’ Observation de la Terre et des systèmes automobiles.

 Programmes : IA acceptable & certifiable

 Thèmes : apprentissage avec peu de données ou des données complexes, IA et modèles physiques

 Porteur : Nicolas Dobigeon, Toulouse INP


 Chercheurs associés :

  • Mathieu Fauvel, INRAE
  • Cédric Févotte, CNRS
  • Jodi Inglada, Cnes
  • Thomas Oberlin, ISAE-Supaero
En savoir +

L’IA, une simple affaire de données ?  

En matière d’intelligence artificielle, parler de données ne suffit pas ; encore faut-il les caractériser et construire des algorithmes qui répondent aux enjeux d’applications dans tous les domaines. C’est la mission de Nicolas Dobigeon, chercheur spécialiste en traitement du signal. Le point sur une recherche en plein développement. 

Lire l’article sur Exploreur

Ne manquez rien !

Inscrivez-vous pour recevoir l'actualité d'ANITI chaque mois.

Nous n’envoyons pas de messages indésirables !

fr_FRFrench