Logo Lab-STICCDes capteurs à la connaissance : Communiquer et décider

MATRIX

contact: Gilles Le Chenadec

Projet scientifique

L'équipe MATRIX (Modèles et Algorithmes pour le TRaItement et l'eXtraction de l'information) a pour projet scientifique le développement de nouvelles méthodes pour apprendre, modéliser et comprendre les informations structurées temporellement et spatialement (signaux, images, séries temporelles).  Le développement de ces méthodes nécessite d’étudier la formulation du problème et sa résolution. On s’intéressera ainsi aux différentes strates :

  • Modélisation
  • Méthodes et outils d’optimisation
  • Résolution de problèmes et critères d’étude

 

Qui sommes nous?

Les membres de l’équipe MATRIX viennent d'horizons divers (traitement du signal, automatique, optimisation) et témoignent d’une expérience significative dans des domaines d’applications diverses et partagent le constat qu’il est nécessaire d’élaborer de nouvelles méthodes génériques pour lever les verrous technologiques posés par les applications.  

L'équipe MATRIX est composée de personnels de l'IMT Atlantique et de l'ENSTA Bretagne:

  • 3 professeurs HDR
  • 4 enseignants chercheurs
  • 1 ingénieur de recherche
  • 3 post-doctorants
  • 14 doctorants

 

Objectifs scientifiques

  • axe information : méthodes sans a priori sur l’information présente dans des données
  • axe modélisation : combinaison de modèles physiques, dynamiques et/ou statistiques aux modèles dirigés par les données
  • axe optimisation : résolution de problèmes d’optimisation parcimonieuse et d’optimisation globale

Expertises académiques

  • traitement de l'information: signal, image, vidéo, données
  • machine learning
  • commande des systèmes dynamiques incertains
  • modélisation physique, bayésienne et non bayésienne
  • parcimonie
  • optimisation globale, continue
  • problèmes inverses

 

Exemples d'applications

  • métrologie des réseaux
  • détection et localisation en milieu urbain par radar HF
  • conception de réseaux de capteurs et optimisation de leur placement par compressed sensing
  • caractérisation de la variation de la salinité du sol à partir de séries temporelles d’images satellites
  • estimation et suivi de paramètres acoustiques du milieu sous-marin
  • détection et suivi de cétacés
  • classification et segmentation sémantique d’images sonar
  • traitements de données sismiques
  • caractérisation des fonds marins par modèles physiques
  • commande robuste de robots sous-marins

 

Nos projets en cours:

  • Etude et développement d’outils de détection en temps réel des clics d’écholocation de cachalot pour une aide à la décision face à la déprédation dans la pêcherie à la légine australe (PhD CASSIANO Fabio)
  • Conception optimisée d’antenne pour la localisation passive de sources acoustiques (PhD COURCOUX-CARO Milan)
  • IA inspirée par la physique (DORFFER, Clément)
  • Propagation acoustique en milieu fluctuant : des phénomènes océanographiques au traitement du signal (PhD L’HER Alexandre)
  • Caractérisation précise de l’indice de rétrodiffusion acoustique pour l’amélioration de l’identification des fonds marins (PhD MOPIN Irène)
  • Analyse et exploitation des données LF SAS pour la reconnaissance de cibles (PhD NOVELLA Fabien)
  • Super résolution modale à partir d’une antenne linéaire horizontale (PhD PAVIET-SALOMON Thomas)
  • Wave propagation in random environment and signal processing (PINSON Samuel)
  • Nouvelles méthodes statistiques pour la métrologie réseaux (PhD GHANDI Sanaa)
  • Radar Around-The-Corner, Détection et localisation de cibles cachées en milieu urbain (PhD PHAM Ba-Huy)
  • Commande robuste d’AUV basée sur du machine learning (PhD SOLA Yoann)
  • Incremental Learning for Classification of Objects of Interest (PhD FERDINAND Quentin)
  • Adaptive Control of Underwater Robots with Machine Learning (PhD CHAFFRE Thomas)
  • Sensing-based Self-Reconfigurable Strategies for Autonomous Modular Robotic Systems (PhD MAJED Aliah )
  • SMART Antennas HF SARAH (PhD HAJJI Zahran )
  • Branch-and-bound algorithms for exact resolution of structured sparse problems (PhD SAMAIN Gwenaël)
  • Optimisation globale pour l’optimisation parcimonieuse en norme L2-L0 (PhD BEN MHENNI Ramzi)

 

Agenda
Les dates à retenir
11 oct. 2024

Le Copil du Lab-STICC se réunira le : vendredi 11/10/2024

Lire la suite

28 nov. 2024

l'Assemblée Générale du Lab-STICC se réunira le : jeudi 28 novembre 2024 sur le site UBO

Lire la suite

Tout voir