Stage

(Voir le descriptif dans le fichier joint).

The internship is at the crossroad between Decision theory, Preference learning and Human learning using ontology-based reasonings. The application context is human learning in the context of visits of museums.

Keywords: decision theory; preference learning; semantic technologies.

L’objectif du stage consiste à appliquer la méthodologie de modélisation de systèmes complexes à l’aide de l’approche multi-agents pour la simulation de réseaux électriques. L’application visée concerne plus particulièrement la capacité à générer sur un réseau électriques des perturbations intrinsèques au comportement du réseau et des systèmes afin d’identifier les causes de rupture pouvant amener à un black-out.

L’objectif de ce projet est de proposer un couplage formel entre un modèle de connaissance représenté par une ontologie et un modèle de simulation représenté par un MPR dans le but, à terme, de proposer une représentation in silico globale de systèmes dynamiques complexes intégrant les différents niveaux d’échelles nécessaires à la description du système. L’intérêt d’un tel couplage est de pouvoir exploiter la structuration des ontologies dans le but d’aider à la conception de modèles de simulation ; ceci afin d’améliorer et de rendre le plus générique possible la conception des modèles.

voir attachement

ForCity offre aux entreprises et aux villes des services d'aide à la décision fondés sur une technologie de modélisation
de systèmes complexes et de représentation en 3D des territoires. ForCity occupe un espace singulier dans
l'écosystème des acteurs de la ville intelligente : ForCity met les données et la technologie au service des décisions qui
engagent l'avenir, plutôt qu'au service de l'instantané; au service de l'efficacité durable, de la coopération et de la
résilience.
Au sein de ForCity, le stagiaire contribuera à :

Essaim Intelligent de Robots : le problème de la patrouille multi-agents (LABEX SMART : Mobilité dans les réseaux et interopérabilité)

L'objectif du stage est de tirer bénéfice des avancées des systèmes répartis et des Systèmes
Multi-Agents afin de proposer des solutions efficaces au problème de la patrouille multi-agents,
qui est par nature distribuée.

Ce stage s’inscrit dans le cadre du projet ANR TECSAN France-­‐Taïwan ECOTECH qui vise à développer des outils technologiques et méthodologies pour l’analyse de la perte d’équilibre chez le malade de Parkinson (www.ecotechsan.org).
Le but du stage est de modéliser la relation entre l’activité fonctionnelle (apprentissage et sélection de l’action) des ganglions de la base et les performances du contrôle de la marche chez le parkinsonien.

Les architectures cognitives en robotique s’appuient actuellement sur des représentations de l’environnement et des objets pertinents qui sont données a priori par l’expert en charge de programmer le robot. S’il est possible d’apprendre à utiliser ces représentations, elles ne sont généralement pas remises en cause. Il s’agit typiquement de primitives d’actions, de perceptions ou d’état utilisées sur lesquelles vont se baser les architectures de contrôle du robot et les algorithmes d’apprentissage considérés.