Thèses soutenues 2024

Utilisant la programmation logique par contrainte, l'objectif de cette thèse est de développer plusieurs techniques d'acquisition de contraintes pour les situations où nous disposons de données sans erreur. De telles situations rendent la majorité des techniques de ML inutilisables et de nouvelles approches sont nécessaires. Les techniques d'acquisition de contraintes proposées sont appliquées à deux cas d'utilisation : la recherche de nouvelles conjectures de limites fortes pour huit objets combinatoires et l'acquisition de contraintes à partir d'un calendrier de production à court terme unique et valide. Les contributions de la thèse comprennent (i) un modèle de contrainte pour acquérir des expressions booléennes-arithmétiques à partir de données, (ii) une base de données générée automatiquement de contraintes anti-réécriture qui empêchent la génération d'équations booléennes-arithmétiques simplifiables, (iii) un certain nombre de techniques de synthèse de formules qui peuvent acquérir une formule unique combinant plusieurs biais d'apprentissage, (iv) l'acquisition d'une variété de contraintes d'ordonnancement telles que les contraintes temporelles, de ressources, de calendrier et d'équipes, et dans ce dernier cas (v) la génération d'un modèle d'ordonnancement MiniZinc.

Cette thèse propose d’améliorer le contrôle prédictif des microréseaux avec générations renouvelables et stockage hybridebatterie-hydrogène. L’objectif est de trouver une planification des stockages applicable à toutes les stations PowiDian, en dépassant les limitations de l’optimiseur actuel. La première contribution est une formulation générique de microréseaux avec stockage. Ensuite, des optimiseurs "boîte noire" sont intégrés et comparés dans l’Energy Management System (EMS) pour planifier la puissance de l’électrolyseur et de la pile à combustible sur l’horizon d’une journée. La formulation et ses différents optimiseurs sont évalués avec des données réelles sur une année entière. La seconde contribution montre que le choix du meilleur optimiseur repose sur la charge de calcul, car la pertinence de la commande et le coût évalué de la fonction objectif sont similaires quel que soit l’optimiseur. Enfin, la thèse propose une formulation linéaire en nombres entiers d’Unit Commitment issu des grands réseaux électriques adaptée au stockage hydrogène. L’objectif est de garantir l’optimalité, de réduire la complexité de calcul et d’intégrer des méthodes classiques (gestion de l’incertain, temps de fonctionnement...).

De nombreux problèmes inverses en traitement du signal, statistique, imagerie biomédicale, astronomie et apprentissage machinepeuvent se formuler comme la recherche de la meilleure combinaison de motifs expliquant les données, ces motifs étant choisis dans un catalogue connu. L’aspect parcimonieux du problème réside dans le faible nombre de motifs que l’on cherche à sélectionner via l’utilisation d’un terme `0. Plusieurs méthodes standards, telles que des algorithmes gloutons (OMP, OLS) et des reformulations convexes du problème (notamment en norme `1), permettent d’obtenir des solutions approchées de ce problème `0. Plus récemment, des méthodes permettant de résoudre exactement le problème `0 ont été développées, reposant sur des algorithmes de branch-and-bound. L’objectif de cette thèse est double. D’une part, explorer les possibilités d’accélérations des algorithmes branch-and-bound `0. D’autre part, étendre ces méthodes à des cas de parcimonie structurée, où l’on ne cherche plus simplement un faible nombre de motifs, mais un faible nombre de groupes demotifs. Ces contributions font l’objet d’un code open-source proposé au plus grand nombre.

Cette thèse se focalise sur la conversion d’images statiques d’écriture hors- ligne en signaux temporels d’écriture en-ligne. L’objectif est d’étendre l’approche à réseau de neurone au-delà des images de lettres isolées ainsi que de les généraliser à d’autres types de contenus plus complexes. La thèse explore deux approches neuronales distinctes, la première approche est un réseau de neurones convolutif entièrement convolutif multitâche UNet basé sur la méthode de [ZYT18]. Cette approche a démontré des bons résultats de squelettisation mais en revanche une extraction de trait problé- matique. En raison des limitations de modélisation temporelle intrinsèque à l’architecture CNN. La deuxième approche s’appuie sur le modèle de squelettisation précédent pour ex- traire les sous-traits et propose une modélisation au niveau sous-traits avec deux Tranformers : un encodeur de sous-trait (SET) et un décodeur pour ordonner les sous-traits (SORT) à l’aide de leur vecteur descripteur ainsi que la prédiction de lever de stylo. Cette approche surpasse l’état de l’art sur les bases de données de mots, phrases et d’équations mathématiques et a permis de surmonter plusieurs limitations relevées dans la littérature. Ces avancées ont permis d’étendre la portée de la conversion d’image d’écriture hors- ligne vers l’écriture en-ligne pour inclure des phrases entières de texte et d’aborder un type de contenu complexe tel que les équations mathématiques