Aller au contenu principal
Equipe de recherche

MAI

Mathématiques Appliquées et Informatique

MAI

Mathématiques Appliquées et Informatique

 

Les enseignant-chercheurs de l’équipe MAI développent une recherche appliquée et des collaborations avec les entreprises sur un mode contractuel ou via des projets soutenus par des agences et collectivités publiques.

L’optimisation continue et discrète est un dénominateur commun à l’ensemble des activités, en particulier avec l’émergence du Machine Learning.

L'équipe MAI est construite autour de deux axes de recherche :

 Axes de recherche

AXE OAV – Outils pour l’Analyse de la Vulnérabilité
  • Analyse de données et méthodes de prévision (statistique des processus, approches fonctionnelles, réseaux neuronaux)
  • Analyse des durées de vie
  • Analyse de signaux physiologiques (ECG, EEG)  avec des approches fonctionnelles et neuronales
  • Expérimentation statistique, choix de modèles de plans d’expérience
  • Classification automatique et évaluation du risque.

 

AXE OSPL – Optimisation des Systèmes de Production et Logistiques
  • Théorie de l’ordonnancement : planification et ordonnancement pour la gestion des ressources humaines, des tâches dans un atelier
  • Optimisation de flux et de tournées de distribution avec contraintes (tournées de distribution, de ramassage, …)
  • Implantation et localisation de dépôts, de sites, de composants…
  • Optimisation dans les réseaux (télécommunication, informatique, Smart Grids…)
  • Modélisation et simulation dans les domaines de la biologie, de l’industrie manufacturière et de l’aménagement du territoire.

 

Actualités

Soutenance de thèse | 20 Septembre

Détection et classification multi-label de maladies pulmonaires par apprentissage automatique à partir d’images de radiographie thoracique

Soutenance de thèse d'Aya HAGE CHEHADE dans le cadre du doctorat en Mathématiques et Sciences et Technologies du numérique, de l’Information et de la Communication.

voir
Visuel de la conférence
Conférence/Table ronde | 7 Avril

L’IA, 1995, une idée devenue réalité ?

Conférence organisée par l'équipe de recherche MAI (Faculté des Sciences) en partenariat avec l'Université d'Angers et l’association imaJn’ère.

voir
Visuel du cycle des conférences
Conférence/Table ronde | 26 Mars

IA, ChatGPT et nouveaux usages professionnels

Conférence organisée par l'équipe de recherche MAI (Faculté des Sciences) en partenariat avec l'Université d'Angers et l’association imaJn’ère.

voir
Projet national

POMPIER : Planification, Ordonnancement et Maintenance pour une Production Intégrée Et Robuste

Financement ANR PRC

En partenariat avec Université d'Angers, IMT Atlantique, Université de Lorraine, Clermont Auvergne INP, École Centrale de Nantes

Ce projet a pour objectif de développer des méthodes d’aide à la décision pour optimiser conjointement les politiques de production et de maintenance, en tenant compte des incertitudes inhérentes aux systèmes manufacturiers pour concevoir des plans tactiques à la fois performants sur un plan économique et robustes vis-à-vis des incertitudes.

voir
Projet UCO | Projet classique

ALVEPAAP : Assessment of upper Limb Venous Emptying among a Physically Active and Asymptomatic Population

En partenariat avec CHU d'Angers

L’objectif principal de cette étude est d’évaluer la vidange veineuse des membres supérieurs chez des sportifs sains et asymptomatiques et de mesurer l’incidence d’anomalies observables. L’objectifs secondaire est de corréler les caractéristiques de vidange veineuse (normales ou pathologiques) aux pratiques d’activités physiques des sujets d’étude. Enfin, au regard des sujets présentant des anomalies de vidange avérées, l’objectif complémentaire serait d’étudier la conséquence de l’anomalie sur les caractéristiques musculaires de l’avant-bras.

voir
Projet UCO | Projet classique

DC-GNN : Deep Clustering with Graph Neural Networks for real world data

En partenariat avec Université du pays Basque, Université Libanaise, CHU d'Angers, Institut de Cancérologie de l'Ouest

Le projet DC-GNN vise à développer de nouvelles techniques de deep clustering basées sur les Réseaux de Neurones Graphiques (GNN) pour améliorer les soins et la thérapie des patients. Il se concentrera sur l'application des algorithmes sur des données cliniques, principalement sur des jeux de données épileptiques et oncologiques. 

voir
Projet UCO | Projet classique

DExCuPat : Dispositifs et Expériences en Culture et Patrimoine

En partenariat avec Université Rennes 2, Université de Bretagne Occidentale, Université de Bretagne Sud, Maison des Sciences de l’Homme en Bretagne, La Voyage à Nantes, Château des Ducs de Bretagne, Domaine de Suscinio, Domaine de Trévarez, Château de Fougères

Le projet DExCuPat réunit une équipe interdisciplinaire qui entend questionner des dispositifs, notamment numériques, et des expériences de publics dans plusieurs institutions culturelles et patrimoniales en Bretagne et Pays de la Loire. L’objectif principal de ce projet est de questionner la façon dont les mutations sociétales actuelles, appuyées sur la technologie, impactent les institutions patrimoniales et le domaine de la médiation culturelle. Cette recherche action s’appuie sur une collaboration étroite déjà initiée avec les acteurs socio-professionnels du territoire et entend créer une dynamique de recherche collective au sein du campus de l’UCO Bretagne Sud.

voir
Projet UCO | Projet classique

NTGT : Numérique, Transformations et Gouvernance des Territoires touristiques

En partenariat avec Domaine national de Chambord, Communauté de communes Grand Chambord, Université d'Angers, Nantes Université, Université d’Orléans, CNAM, Universitat de Valencia (Espagne)

Ce projet questionne l’introduction et la montée en puissance du numérique au sein des organisations touristiques et des territoires de manière générale, ainsi que les transformations des métiers qui résultent de ces évolutions technologiques. D’autre part, il introduit des réflexions sur l’analyse et la proposition de nouvelles formes de gouvernance des destinations touristiques, ceci en s’adaptant aux nouveaux enjeux liés à l’évolution numérique des territoires qui portent ces destinations.

voir
Projet UCO | Projet Tremplin [[Projet terminé]]

P.A.L.I.E.R. : Perceptions et Affects dans les Langages par Immersion et Émersiologie dans nos Réalités

En partenariat avec Université Savoie Mont-Blanc, Université Paris Descartes, Université Paris 8, Festival Rect VRso

Le projet P.A.L.I.E.R. se veut être une approche transdisciplinaire des manifestations affectives et perceptives, encourageant un dialogue entre les disciplines, les approches épistémologiques et émersiologiques des émotions dans les processus physiologiques, psychologiques, langagiers et leur modélisation, comme c’est le cas dans l’immersion et dans nos réalités. Le but de ce projet de recherche est d’articuler les affects et leurs perceptions entre théorie et historiographie, questionnant l’expérimentation esthétique spatio-temporelle. Il s’agit également de réaliser un état des lieux des catégorisations émotionnelles, tout en (re)plaçant l’individu et son authenticité.

voir
Projet national

Vocalisation et sonification des feuilles de route pour le guidage piéton

Financement SNCF

En partenariat avec laboratoire CEDRIC (Conservatoire national des arts et métiers)

Ce projet vise à mettre au point les principes de représentation sonore (vocalisation et sonification) de feuilles de route textuelles pour le guidage de piétons dans les espaces SNCF. Afin de permettre aux usagers SNCF d’utiliser l’application sans avoir à regarder leur mobile, il s’agit de complémenter, en ajoutant des informations sonores, une application déjà disponible de guidage (type « GPS») fonctionnant actuellement sur la base de données visuelles seules (texte + cartographie intégrée).

 

 

voir
Projet régional

Recherche de signatures pronostiques du cancer de l’ovaire séreux de haut grade par apprentissage automatique

Financement EMERGENCE 2018 (Cancéropôle Grand Ouest)

En partenariat avec ICO / INSERM / Université d'Angers

Le cancer de l’ovaire a un pronostic particulièrement sombre. Il semble indispensable de pouvoir mieux caractériser ces tumeurs par des biomarqueurs pronostiques permettant une prise en charge diagnostique et thérapeutique personnalisée pour chaque patiente. A l’ère des Big Data, nous souhaitons développer une approche multimodale permettant de traiter des données hétérogènes de grande dimension. En s’appuyant sur des méthodes de type deep-learning, nous souhaitons développer un algorithme prenant en compte des données dites « omiques » associées à des données histopathologiques et cliniques.

voir
Projet régional

HARMONY : HARMONization for optimized therapY

Financement Région Pays de la Loire / Cancéropôle Grand Ouest

En partenariat avec Université d'Angers, Université de Bretagne Occidentale, INSERM

La radiomique consiste en l’extraction haut débit de caractéristiques quantitatives des images médicales. Elle requiert l’exploitation de techniques robustes d’apprentissage afin de sélectionner et combiner les caractéristiques les plus utiles et les moins redondantes pour mettre au point des modèles multiparamétriques. L’objectif de ce projet est de développer des méthodes d’harmonisation pour la radiomique, puis de les adapter et les évaluer dans quatre différents contextes comme démonstrateurs.

voir
7
Titulaires
0
Associés
Identifiant RNSR
201723171S
Identifiant HAL de l'équipe
UCO-SCIENCES-MAI
Coordinateur/coordinatrice
Associés/Associées d'une autre équipe UCO)
Doctorants/doctorantes
174
Publications
67
avec IDHAL