Direction de recherche : Patrick GALLINARI

Co-encadrement : SAUSSET François

Modèles de réseaux de neurones profonds interprétables pour la classification de séries temporelles univariées et multivariées

Les séries temporelles peuvent être de nature très variées issues de données physiques (capteurs industrielles, données météorologiques), de données économiques, de la reconnaissance de mouvements, etc. Classifier différentes séries en groupe distinct peut se révéler être une tâche compliquée, les tailles et les motifs varient d’un ensemble à un autre, ceux-ci peuvent permettre de distinguer les séries par leur simple présence, mais parfois c’est l’ordre ou l’énumération qui sera le facteur clef.
La première partie concerne l'élaboration d'un réseau offrant une certaine explicabilité dans la classification de séries temporelles. L'interprétation et la compréhension se révèlent être un besoin indispensable pour envisager une implémentation concrète des outils notamment pour la supervision de systèmes critiques.
Dans la seconde partie nous nous intéressons à des méthodes d'attention dans les réseaux de neurones. L'attention permet de focaliser les réseaux de neurones sur des segments des séries temporelles et ainsi de concentrer leur capacité calculatoire localement sur les parties utiles à la classification. En plus de fournir un gain en termes de précision, l'attention est également un bon moyen d'obtenir de l'interprétation et de l'explicabilité dans les séries.
Enfin la troisième partie s'intéresse à l'apprentissage par transfert. L'idée de l'apprentissage par transfert est d'exploiter au mieux la diversité et la quantité de séries temporelles pour obtenir des modèles plus robustes. Pour cela nous souhaitons déterminer une proximité entre des séries temporelles de sous domaines différents et transférer les connaissances apprises d'un domaine à un autre. Cela permet également d'enrichir un domaine où les séries annotées sont potentiellement peu nombreuses.

Publications 2021

• 2021
  • M. Lamrayah : “Modèles de réseaux de neurones profonds interprétables pour la classification de séries temporelles univariées et multivariées”, soutenance de thèse, soutenance 02/09/2021, direction de recherche Gallinari, Patrick, co-encadrement : Sausset, François (2021)