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.
Dernières publications
Actualités
Soutenance de thèse | 20 Septembre
Détection et classification multi-label de maladies pulmonaires par apprentissage automatique à partir d’images de radiographie thoraciqueSoutenance 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. |
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. |
Conférence/Table ronde | 26 Mars
IA, ChatGPT et nouveaux usages professionnelsConférence organisée par l'équipe de recherche MAI (Faculté des Sciences) en partenariat avec l'Université d'Angers et l’association imaJn’ère. |
Projet national
POMPIER : Planification, Ordonnancement et Maintenance pour une Production Intégrée Et RobusteFinancement 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. |
Projet UCO | Projet classique
ALVEPAAP : Assessment of upper Limb Venous Emptying among a Physically Active and Asymptomatic PopulationEn 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. |
Projet UCO | Projet classique
DC-GNN : Deep Clustering with Graph Neural Networks for real world dataEn 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. |
Projet UCO | Projet classique
DExCuPat : Dispositifs et Expériences en Culture et PatrimoineEn 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. |
Projet UCO | Projet classique
NTGT : Numérique, Transformations et Gouvernance des Territoires touristiquesEn 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. |
Projet UCO | Projet Tremplin [[Projet terminé]]
P.A.L.I.E.R. : Perceptions et Affects dans les Langages par Immersion et Émersiologie dans nos RéalitésEn 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. |
Projet national
Vocalisation et sonification des feuilles de route pour le guidage piétonFinancement 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).
|
Projet régional
Recherche de signatures pronostiques du cancer de l’ovaire séreux de haut grade par apprentissage automatiqueFinancement 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. |
Projet régional
HARMONY : HARMONization for optimized therapYFinancement 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. |