En tant que stagiaire au CEA, vous aurez l'opportunité de travailler au sein d'un environnement de recherche de renommée mondiale. Nos équipes sont composées d'experts passionnés et dédiés, offrant un cadre propice à l'apprentissage et à la collaboration. Vous aurez accès à des équipements de pointe et à des ressources de recherche de premier ordre pour mener à bien vos missions. Éventuellement, les travaux menés donneront lieu à une publication scientifique. Contexte : Les méthodes symboliques en IA permettent d’exprimer des règles logiques interprétables par l’humain et de contraindre le comportement d’un système. À l’inverse, les réseaux de neurones généralisent à partir de données, mais leur fonctionnement en « boîte noire » complique la vérification du respect de contraintes prédéfinies. Le Logic Tensor Network (LTN) combine réseaux de neurones et contraintes logiques dans un même processus d’apprentissage. Les réseaux représentent des prédicats logiques dont les sorties sont interprétées comme des degrés de vérité floue. La satisfaction des formules logiques peut être intégrée à la fonction de perte afin de guider l’apprentissage, notamment pour la détection d’anomalies. Cependant, les sorties des réseaux sont généralement interprétées comme des probabilités en classification, tandis qu’elles représentent des degrés de vérité dans un LTN. Malgré leur intervalle commun entre 0 et 1, ces valeurs ont des sémantiques différentes. La théorie des possibilités offre un autre cadre de représentation de l’incertitude, lié aux probabilités et à la logique floue. Ce stage étudiera l’hypothèse selon laquelle une représentation possibiliste pourrait mieux adapter les sorties neuronales à leur utilisation comme degrés de vérité, sans supposer une équivalence sémantique entre ces notions. Qu'attendons-nous de vous? Le travail consistera à réaliser un état de l’art des transformations probabilistes vers possibilistes, puis à en sélectionner et implémenter plusieurs dans un LTN. Leurs résultats seront comparés à ceux d’une approche utilisant directement les probabilités comme degrés de vérité floue. Enfin, l’étude évaluera l’impact de ces représentations sur les performances de classification et la satisfaction des contraintes logiques. # Cea-List
Le Département d'Instrumentation Numérique (300 collaborateurs) regroupe les compétences permettant d'adresser l'instrumentation multi-capteur de bout en bout dans les domaines du contrôle, de la mesure de rayonnements ionisants, du jumeau numérique et de l'instrumentation, associant modèles de simulation et Intelligence Artificielle. Ces compétences permettent de fournir des solutions en rupture sur les domaines émergents : contrôle santé des structures (Structural Health Monitoring), la maintenance prédictive, le contrôle en ligne pour l'industrie manufacturière et la fabrication additive. Le laboratoire intelligence artificielle de confiance pour l'instrumentation (LIACI) est chargé d'étudier, de développer et de concevoir des méthodologies avancées d'IA pour les contextes applicatifs sensibles et/ou règlementaires, frugaux en données et exigeants en précision et robustesse. Vous intégrerez une équipe de 5 permanents travaillant sur la plateforme ExpressIF – une intelligence artificielle symbolique entièrement développée par l'équipe dont l'intérêt est d'être interprétable : https://expressif.cea.fr/
Profil : Nous recherchons un(e) étudiant(e) en deuxième année de Master/troisième année d’école d’ingénieur, de spécialité(s) Informatique/Mathématiques, avec : Un intérêt pour les thématiques d'intelligence artificielle À l'aise avec la théorie des probabilités et des ensembles floues ; Un intérêt pour la recherche scientifique et technologique ; De bonnes compétences en python ; Maîtrise de TensorFlow ; Un bon niveau d'anglais.
Bac+5 - Master 2
English Intermediate,French Fluent
Talent impulse, the scientific and technical job board of CEA's Technology Research Division
© Copyright 2023 – CEA – TALENT IMPULSE - All rights reserved