Équipe CSTB - Systèmes Complexes, Bioinformatique Translationnelle

Offres de stages, thèses et post-doc

De Équipe CSTB - Systèmes Complexes, Bioinformatique Translationnelle
Aller à : navigation, rechercher

Sujet de thèse : Méta-heuristiques et algorithmes d'apprentissage pour accélérer la boucle Simulation-Optimisation-Résolution de problèmes

Cette thèse s'inscrit dans le cadre du projet Interreg VIRTFac (Virtual Innovative Real Time Factory): Optimiser le chemin vers l’Industrie 4.0 en planifiant le bon système de production au bon moment. VIRTFac et la thèse débutent le 1er octobre 2019.

L'objectif du doctorat est de proposer un nouveau modèle d'apprentissage utilisant des méta-heuristiques et l'approche des algorithmes d'apprentissage actifs, c’est à dire pilotés par l’utilisateur.

Ce modèle sera appliqué au cas d'utilisation VIRTFac traitant de l'optimisation et de l’invention pour l'industrie du futur (IdF). Il vise à améliorer l'analyse, l'optimisation et les étapes inventives du processus de (re)configuration du système de production. Il sera mis en œuvre au moyen d'une bibliothèque indépendante du domaine et d'une application web spécifique à l'IdF.

Les propriétés suivantes de l'apprentissage basé sur l'expertise sont au centre de l'intérêt de ce travail : l'apprentissage accéléré par l'expertise, le renforcement, l'apprentissage de la nouveauté par la classification assistée par l'expert, le soutien à l'invention par l'investigation experte. La thèse priorisera l'une de ces trois propriétés en fonction des besoins identifiés du projet VIRTFac.

Document

Sujet de thèse : Détection d’anomalies de sécurité par les graphes en environnement d’Industrie 4.0

L’objectif de cette thèse est de créer un logiciel pérenne de détection d’anomalies de sécurité pour l’Industrie 4.0, et d’enrichir le modèle d’écosystème immunitaire artificiel développé au sein du laboratoire ICube en raffinant les travaux de détection de graphes d’anomalies pour leur donner une expressivité suffisante pour traiter les enjeux du projet. L’approche mise en œuvre aura pour objectif de formaliser les graphes d’attaques en intégrant le modèle des Stream Flows et de proposer des algorithmes de caractérisation et de détection d’anomalies exploitant ces graphes.

Profil du candidat : Votre êtes titulaire d’un diplôme de niveau bac + 5 en sciences ou ingénierie et pourrez justifier d’une première expérience dans le domaine de la recherche (stage de fin d’étude, publication scientifique, etc.).

Les candidatures doivent être adressées à notre service ressources humaines par mail : recrutement@ecam-strasbourg.eu.
Document