Team seminar

Firstly, Thomas Kastner will present his PhD work on anomaly detection in sequences of events, using deep learning and pattern mining methods.
Here are the title, keywords, abstract in french:

Détection d’anomalies au sein de séries d’événements par apprentissage profond et fouille de motifs.

Mots clés : Détection d’anomalies non supervisée, Fouille de processus, Fouille de motifs séquentielle, Apprentissage profond

Cette thèse a pour objectif d’explorer les méthodes permettant de détecter des observations atypiques au sein de données représentant des séries d’événements. Ces travaux s’inscrivent dans une démarche d’Apivia MACIF Mutuelle, qui aspire à renforcer son contrôle sur les données associées à ses flux monétaires principaux. Notre approche principale consiste à considérer les séries de remboursements de prestations santé comme des journaux d’événements, en nous reposant sur l’état de l’art de la discipline de la fouille de processus (Process Mining). Deux approches sont présentées: Premièrement, nous adaptons une méthode de fouille de motifs séquentiels (Pattern Mining) aux spécificités de la détection non supervisée de traces anormales dans les journaux d’événements. Dans un second temps, nous explorons des méthodes d’apprentissage profond (Deep Learning) pour détecter des événements récents anormaux dans des flux d’événements. Ces deux approches sont à la fois adaptées et complémentaires pour répondre à la problématique de détection d’anomalies dans des journaux d’événements.

Then, new temporary assistant professors in the team will give short presentations of their work.
Mohamed-Yassir Nour will talk about “Schéma de subdivision avec paramètre de tension pour la conception de courbes et de surfaces”. Abstract in french : Dans cette présentation, je vais discuter des schémas de subdivision avec paramètre de tension et de leur rôle dans la génération, d’une part, des courbes et, d’autre part, des surfaces. Dans la partie consacrée aux surfaces, nous examinerons les règles de subdivision et leur utilité pour créer des algorithmes de subdivision permettant de générer des modèles 3D complexesé tel que les modéles médicales.
Shokouh Sakhi will talk about “Détection de ligne multi échelle et de points clef basée sur un filtrage anisotrope demi-Gaussien”. Abstract in french : Dans cette présentation, je vais brièvement introduire ma recherche sur le filtrage d’images pour la détection et l’extraction de caractéristiques bas niveau (vision précoce).
Elle portera sur une évaluation objective des techniques classiques de détection de crêtes et de vallées, deux méthodes de détection de lignes multiscalaires et une approche anisotrope de détection de coins.
Rabiaa Zitouni will talk about “Reconnaissance et Modélisation de l’Écriture Arabe en Ligne : Une Approche Hybride”. Abstract in french : L’écriture arabe en ligne se distingue par ses spécificités complexes, nécessitant des approches adaptées pour sa reconnaissance et sa modélisation. Ce travail met en avant une méthode hybride qui fusionne les relations spatiales avec des SVMs et des graphes relationnels attribués flous, permettant de capturer les particularités morphologiques et structurelles propres à ces écritures. En exploitant ces relations le système développé améliore la performance et la précision de la reconnaissance, tout en offrant une meilleure compréhension des caractéristiques des scripts arabes manuscrits.
Zouhaira Noubigh will talk about “Nouvelle contribution à la reconnaissance de l’écriture manuscrite Arabe basée sur l’apprentissage profond”. Abstract in french : Mon mémoire de thèse se concentre sur la reconnaissance des lignes de texte arabe dans un contexte de vocabulaire ouvert sans contraintes. Il explore l’extraction de caractéristiques et la classification à l’aide d’algorithmes avancés et propose des améliorations des modèles de reconnaissance. Les techniques de deep learning utilisées sont CNN, RNN, et CTC. Des nouvelles contributions principales ont été proposées avec de nouvelles architectures et des techniques comme CTC-beam-search, et enfin des optimisations via le transfert d’apprentissage et le mécanisme d’attention.