L’INTELLIGENCE SCIENTIFIQUE AU CŒUR D’UN MONDE NUMÉRIQUE
MENU
« Extraire l’information de signaux et d’images en santé, industrie et instrumentation scientifique, grâce à des algorithmes d’inférence statistique et d’apprentissage automatique. »
Rattachée au Laboratoire des Sciences du Numérique de Nantes, LS2N, cette équipe participe à l’ambition du laboratoire de structurer la recherche numérique en Pays de la Loire.
Elle mobilise des compétences scientifiques de haut niveau pour répondre aux défis scientifiques actuels en synergie avec des partenaires académiques et industriels.
Dynamique scientifique de l’équipe
Structuration par pôles
Signaux, Images, Ergonomie et Langues – SIELAnalyser, modéliser, compresser et transmettre des signaux et données dans des contextes applicatifs spécifiques, en prenant en compte les facteurs humains.
Composante(s) d’expertise associée(s) à l’équipe
Périmètre scientifique de l’équipe
Objectifs Scientifiques
L’équipe SIMS développe des méthodes d’inférence statistique, d’apprentissage automatique et de traitement du signal pour extraire, modéliser et exploiter l’information contenue dans des données complexes. Ses recherches portent sur la résolution de problèmes inverses, la décision assistée par ordinateur et le développement d’outils mathématiques et numériques dédiés au calcul en grande dimension.
L’équipe conçoit des approches robustes pour l’analyse de signaux, d’images et de données multimodales. Ses travaux visent à améliorer la qualité des acquisitions, la reconstruction et la segmentation des images, ainsi que l’interprétation des données dans des domaines tels que la santé, l’instrumentation scientifique et l’industrie.
Domaines d’application
- Écoute / Synthèse audio-Imagerie Médicale
- Signal Électrophysiologique
- Contrôle non-destructif par Ultrasons-Microscopie-Astronomie
Plateformes logicielles et matérielles
Logiciels
Audio and Music Signal Processing
A Python package offering basic tools for audio and music signal processing, such as: time–frequency analysis, spectrogram display, feature extraction, fundamental frequency estimation, and beat tracking.
Projets de recherche en cours
Pôle SIEL- SIMS
MIMICbio
Modélisation mathématique de l’activité électrique des îlots pancréatiques humains pour un système d’administration d’insuline bio-inspiré et entièrement automatisé
Concevoir un pancréas artificiel bio-inspiré capable d’anticiper les besoins en insuline
Pôle CCS- STR
- SIMS
OWL
Operating Within Limits
Développer une intelligence artificielle circadienne pour des capteurs autonomes alimentés par l’énergie ambiante
Pôle SIEL- SIMS
OptiMoCSI
Optimization and Monte Carlo Sampling Intertwined
Développer des méthodes statistiques robustes pour estimer et quantifier l’incertitude
Pôle SIEL- SIMS
MuReNN
Multi-Resolution Neural Networks
Concevoir des réseaux de neurones plus sobres grâce à l’analyse multirésolution
Pôle SIEL- SIMS
ReNAR
Reducing Noise with Augmented Reality
Transformer les environnements sonores pour réduire la gêne grâce à l’intelligence artificielle
Pôle SIEL- SIMS
nIrVAna
Intégration sensorimotrice de la variabilité pendant l’apprentissage du chant
Comprendre le rôle de la variabilité dans l’apprentissage du chant pour concevoir de nouveaux modèles d’apprentissage sensorimoteur