Aller au contenu principal

AMEDEE (2023-2026)

Apprentissage multi-modal évolutif pour les données hétérogènes patrimoniales - thèse | Publié le 25/10/2024

 


Dates du programme : 2023 - 2026 | 3 ans


Résumé : 

La modélisation de l'impact du changement climatique sur le patrimoine est établie à partir d'un réseau global (échelle régionale) impliquant l'application d'une méthodologie de conservation préventive systématique. L'instrumentation (thermo-hydrique) du site se fait pendant les phases de construction ou d'étude. Il existe une réelle volonté d'un suivi climatique plus systématique, mais le problème du suivi, du stockage et de l'exploitation des données se pose particulièrement en ce qui concerne l'environnement du site.

L'objectif de ce sujet de thèse est donc de coordonner l'ensemble des données climatiques pertinentes, à l'échelle d'un objet patrimonial, en intégrant son microclimat extérieur et intérieur. On s'intéresse également aux méthodologies d'observation tout au long de l'étude afin d'observer l'impact climatique sur l'objet patrimonial basé sur des méthodes d'apprentissage automatique.

Les données qui nous intéressent sont des données hétérogènes et multi-vues. Il s'agit de données volumineuses pour lesquelles les méthodes simples de classification ne donnent en général pas de bons résultats. Cette question peut être abordée en utilisant des méthodes d'ensemble, multi-vues ou collaboratives.

La thèse de doctorat consistera en la surveillance (traitement des données et modélisation) de la dégradation des sites patrimoniaux particuliers sur la base de modèles d'apprentissage automatique multi-vues et multimodaux. Une attention particulière sera portée à l'apprentissage de la représentation, à partir de données multimodales.