31 mars 2026 à 09h30 (Amphi IRCICA)
Le projet de thèse a deux objectifs interdépendants. Le premier est la création de nouveaux ensembles de données, qui sont une priorité absolue pour la communauté scientifique afin de comparer les approches d'apprentissage neuromorphique. Le deuxième objectif consiste à développer une approche d'apprentissage neuromorphique pour la classification de séquences d'images spatio-temporelles disponibles en grande quantité et sans vérité de terrain ou avec une vérité de terrain très limitée. Les données sont des aérosols, recueillis à partir de satellites d'observation de la terre. Les résultats de la thèse contribueront à terme à rendre accessible, voire exploitable une grande quantité de données atmosphériques par la communauté scientifique.
M. Chaabane DJERABA Professeur des universités Université de Lille Directeur de thèse, Mme Sylvie CHAMBON Professeure des universités Toulouse INP Rapporteure, M. Sergio DAVIES Senior lecturer Manchester Metropolitan University Rapporteur, M. Jean MARTINET Professeur des universités Université Côte d’Azur Examinateur, M. Daniel SORIA Senior Lecturer University of Kent Examinateur, Mme Ioanna GIORGI Lecturer University of Kent Co-directrice de thèse, M. Pierre TIRILLY Maître de conférences Université de Lille Co-encadrant de thèse, Mme Rokia MIASSAOUI Professeure University of Quebec en Outaouais (UQO) Examinatrice, M. Jérôme RIEDI Université de Lille Invité.
français
English