Prédiction d'événements rares basée sur l'apprentissage profond.

par Erwan Favry

Projet de thèse en Informatique

Sous la direction de Amir Nakib.

Thèses en préparation à Paris Est , dans le cadre de École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2015-....) , en partenariat avec Laboratoire Images, Signaux et Systèmes Intelligents (Créteil) (laboratoire) depuis le 25-10-2018 .

mots clés

• Apprentissage
• Prédiction
• Maintenance prédictive
• Événements rares
• Apprentissage profond

Résumé

L'objet de cette thèse sera d'explorer les différentes techniques d'apprentissage et plus spécifiquement d'apprentissage profond pour réaliser de la prédiction d'évènements rares. La thèse pourra être structuré en trois études: Étude topologique : Étude de la ou des topologies du ou des systèmes Étude du régime spatial : Étude du ou des systèmes en régime entretenu ou dynamique. Cas mono-objectif. Étude temporelle : Prise en considération de la dimension temporelle. Étude du ou des systèmes en régime dynamique.

mots clés

• Learning
• Prediction
• Predictive maintenance
• Rare events
• Deep learning

Titre traduit

Prediction of rare events based on deep learning.

Résumé

The purpose of this thesis will be to explore different learning techniques, in other terms the thesis will focus on deep learning techniques to accomplish rare events prediction. The thesis could be structured into three studies: Topological study: Study of the topology(s) of the system(s) Spatial regime study: Study of the system(s) in a maintained or dynamic regime. Single-objective cases. Temporal study: Consideration of the temporal dimension. Study of the system(s) in dynamic mode.