Intelligibilité des Réseaux de Neurones Récurrents par interprétation avec des Machines à états finis

Période : Septembre 2020

Résumé

Les Réseaux de Neurones Récurrents ou autres modèles entrainés par Deep Learning (DL) utilisés pour de la modélisation de langages ou de phénomènes séquentiels sont très puissants mais très difficilement interprétables. Dans cette thèse il s’agit d’explorer la capacité d’expliquer (automatiquement) ces réseaux par des modèles à états finis, bien connus et donc plus intelligibles.

Thèse susceptible d’être financée

Dépôt des candidatures avant le 25 avril 2020

Dossier à adresser par mail à cdlh@univ-nantes.fr jusqu’au 25 avril 2020 en indiquant en objet « candidature thèse LS2N ». Une audition par visio-conférence sera proposée dans certains cas les 27 et 28 avril.