En naviguant sur notre site vous acceptez l'installation et l'utilisation des cookies sur votre ordinateur. En savoir +

Menu Logo Principal AgroParisTech

MIA Paris

Learning and INtegration of Knowledge

LInK

Responsable : Antoine Cornuéjols

Le champs de recherche de l'équipe LInK (Learning and Integration of Knowledge) de l’UMR518 MIA-Paris est de :

  • Permettre l’exploitation de données issues de sources multiples et hétérogènes en s’appuyant sur le choix éclairé de représentations sémantiques partagées et multi-échelles, et ceci dans le champs des sciences de l’alimentation et du vivant.
  • Etudier et utiliser des méthodes d’apprentissage automatique capables de traiter des données en flux, éventuellement issues d’environnements changeants ou de tâches différentes. Un objectif étant de contribuer à l’enrichissement des connaissances expertes.

Thèmes de recherches / Research fields

  • Modélisation et analyse de données hétérogènes multi-sources
  • Multi expertise humaine et machine (prise en compte de la sémantique)
  • Méthodes collaboratives et incrémentales

Domaines d'application / Application domains

Les domaines étudiés par l’équipe LInK impliquent une forte composante d’analyse multi-échelles ainsi que des aspects multitâches. L’équipe a en particulier acquis une solide expérience dans le domaine alimentaire et en particulier sur le risque alimentaire. Elle étudie également plusieurs procédés de transformation tels que ceux sur les emballages bio dégradables, la bio raffinerie, les gels laitiers, ou encore les levures. Elle s’est également investie depuis quelques années dans le domaine de l’environnement avec : 

  • la mise au point de méthodes d’interprétation d’images de télédétection (analyse et suivi dans le temps de zones urbaines et de régions en Amazonie et en Afrique) ;
  • la prévision de séries temporelles non stationnaires avec classification précoce.

Elle travaille également sur le vivant à travers une étude du suivi de trajectoires de cellules durant d’embryogenèse et une étude sur l’articulation multi-échelles de données « omiques ».

Les projets en cours

  • Projet ANR Coquelicot (11/2012 – 10/2016)
    • Développement de méthodes d’apprentissage collaboratif et incrémental pour le traitement d’images de télédétection
  • Projet Qualiment CellExtraDry (04/2014-04/2016)
    • « Conservation et préservation fonctionnelle de levures enrichies en composés antioxydants »
    • représentation des connaissances, ontologie, base de données
  • Projet AgroParisTech TransForm (2015-2016)
    • « Une nouvelle approche pour modéliser/représenter des processus de Transformation combinant Ontologie et Modèles Relationnels probabilistes. Application à la stabilisation de micro-organismes : levures et bactéries »
    • Représentation des connaissances, ontologie, modèles relationnels probabilistes, apprentissage artificiel 

Les partenariats

  • Organisation colloque/séminaire
    • Atelier IN-OVIVE, conférence IC, juin 2015, Rennes
    • Session spéciale AgroSem, conférence MTSR, septembre 2015, Manchester
    • Co-organisation de l’école d’été FOCOLISE (Fouille collaborative incrémentale de masses de données multisources, multitemproelles : application aux sciences de l’environnement) 
  • Animations et coordination
    • Groupe « Data Mining et Apprentissage » de la SFdS ;
    • Action spécifique FDI : « Fouille de Données Incrémentale pour le traitement de données hétérogènes et volumineuses du CNRS » ;
    • Co-animation du réseau MIA IN-OVIVE
    • Participation au groupes de réflexion sur les méthodes et outils du chantier INRA
    • Membres du CATI ICAT (Ingénierie des Connaissances et Analyse textuelle)
    • Co-animation de l’Atelier « Fouilles de données et visualisation » du GDR MaDICS
    • Co-organisation de la journée de la Cité des sciences du 28/03 « Big data : adieu à la vie privée ? »
    • Co-organisation de la journée IAVFF « Open data pour l’agriculture » 09/09 

Les ANR passées

de l'équipe LInK
Lire la suite

Les thèses, post-doc et anciens de l'équipe LInK

>>>
Lire la suite