Le séminaire du Laboratoire

Programmation pour 2017

AOU
24
13:30
L'Analyse Relationnelle Mathématique et ses applications en aide multicritère à la décision et en classification automatique.
email hidden; JavaScript is required
L'Analyse Relationnelle Mathématique (ARM) est une approche développée par J.F. Marcotorchino et P. Michaud à la fin des années 70 et qui s'inspire des travaux de Condorcet en théorie des votes. Elle propose un cadre formel pour l'étude de l’association et de l’agrégation de relations binaires telles que les relations de préférences, les relations d'équivalence... et fait intervenir des outils de la théorie des graphes, des statistiques et de l'optimisation. L'étude des relations d’ordre trouve des applications en statistiques non paramétriques (tau de Kendall, ...) et en aide multicritère à la décision (agrégation des préférences, ordres médians, ...). Tandis que l'étude des relations d'équivalence trouve des applications en statistiques des contingences (coefficient de Rand, Chi-deux, ...) et en classification automatique (correlation clustering, algorithme sans fixation du nombre de clusters,...) ...
Dans cet exposé, nous présentons les principaux fondements et résultats théoriques de l'ARM en aide multicritère à la décision et en classification automatique. Puis, nous présentons des extensions de ces modèles classiques au cas des relations d'ordre d'intervalle d'une part et au cas des relations binaires sur deux ensembles distincts d'autre part. Dans le cadre de ce dernier point, l'ARM donne des fondements relationnels au problème de la classification croisée dans la mesure où nous montrons que la relation binaire recherchée est celle d'une bijection.
JUN
7
13:30
Séminaire des doctorants
Séminaire des doctorants du LIM
07 Juin 2017
13:30
13:50
14:10
14:30
14:50
15:30 PAUSE
16:10
16:30
Séminaire des doctorants du LIM
08 Juin 2017
14:10
14:30
14:50
15:10
15:30 PAUSE
16:10
16:30
16:50
AVR
13
13:30
Centrally-Controlled Mass Data Offloading Using Vehicular Traffic.
email hidden; JavaScript is required
With over 300 billion vehicle trips made in the USA and 64 billion in France per year, network operators have the opportunity to utilize the existing road and highway network as an alternative data network to offload large amounts of delay-tolerant traffic. To enable the road network as a large-capacity transmission system, we exploit the existing mobility of vehicles equipped with wireless and storage capacities together with a collection of offloading spots. An offloading spot is a data storage equipment located where vehicles usually park. Data is transloaded from a conventional data network to the closest offloading spot and then shipped by vehicles along their line of travel. The subsequent offloading spots act as data relay boxes where vehicles can drop off data for later pick-ups by other vehicles, depending on their direction of travel. The main challenges of this offloading system are how to compute the road path matching the performance requirements of a data transfer and how to configure the sequence of offloading spots involved in the transfer. We propose a scalable and adaptive centralized architecture built on SDN that maximizes the utilization of the flow of vehicles connecting consecutive offloading spots. We simulate the performance of our system using real roads traffic counts for France. Results show that the centralized controlled offloading architecture can achieve an efficient and fair allocation of concurrent data transfers between major cities in France.
MAR
30
13:30
Simulation multi-agents et calcul haute performance sur carte graphique.
Nombre de systèmes complexes sont aujourd'hui étudiés par simulation grâce à des modèles basés sur le paradigme multi-agents. Dans ces modèles, les individus, leur environnement et leurs interactions sont directement représentés. Ce type de simulation nécessite parfois de considérer un grand nombre d’entités, ce qui pose des problèmes de performance et de passage à l’échelle. Dans ce cadre, la programmation sur carte graphique (GPGPU) est une solution attrayante : elle permet des gains de performances très conséquents sur des ordinateurs personnels. Le GPGPU nécessite cependant une programmation extrêmement spécifique qui limite à la fois son accessibilité et la réutilisation des développements réalisés, ce qui est particulièrement vrai dans le contexte de la simulation multi-agents. Dans cet exposé, nous présenterons cette technologie et les travaux de recherche que nous avons réalisés afin de pallier ces difficultés. Nous décrirons en particulier une méthode de conception, appelée délégation GPU, qui permet :
(1) d'adapter les modèles multi-agents au contexte du GPGPU
et de
(2) faciliter la réutilisation des développements associés.
FEV
23
13:30
Modélisation & Simulation de Systèmes Naturels Anthropisés.
email hidden; JavaScript is required
en cours.
FEV
21
17:30
Identité numérique : et après ?.
en cours.