ABCDEFG
1
Ecadrant(e)EmailEquipeTravail à réaliserLiens vers le ou les articles
2
Carlos Ramischcarlos.ramisch@lis-lab.frTALEPTravail plutôt théorique : étudier l'utilisation de tests de significativité en TAL (et en ML en général). Faire un résumé des différentes techniques et présenter un cas réel où ces tests sont/doivent être (mal) appliqués et avec quelles conséquences.http://aclweb.org/anthology/D12-1091
http://aclweb.org/anthology/W14-1601
http://aclweb.org/anthology/P18-1128
3
ZAMPIERI NicolasCarlos Ramischcarlos.ramisch@lis-lab.frTALEPTravail théorique ou pratique selon les intérêts : lire les actes de la PARSEME shared task 2018 et (a) refaire les éval de quelques systèmes (code disponible) et analyser les résultats (b) résumer les systèmes et comparer leurs points forts/faiblesDescription générale de la shared task :
http://aclweb.org/anthology/W18-4925
Papiers, systèmes, résultats :
http://multiword.sf.net/sharedtaskresults2018/
4
GERARD Louis LE GUILLOU MarinValentin Emiyavalentin.emiya@lis-lab.frQarmaÉtudier l'article "Glider soaring via reinforcement learning in the field", Reddy et al., Nature, volume 562, pages 236–239 (2018) en explorant le plus de dimensions possibles : liens entre l'application et le cadre d'apprentissage par renforcement ; algorithmes ; aspects particulièrement novateurs et performants ; approfondissement des articles précédents sur le sujet ; reproductibilité des résultats (accès aux données et au code, possibilité de mise en oeuvre personnelle) ; réflexion sur d'autres applications possibles de ce genre d'approches, avec expérimentations éventuelles. Ce travail est à faire de préférence par un étudiant suivant l'option AR.https://sync.lif.univ-mrs.fr/index.php/s/adWya8Xhxm7HWcv
5
Dejasmin Julienronan sicreronan.sicre@lis-lab.frQarmaEtat de l'art sur la classification d'images à grande échelle ces deux dernières années. Etudier les architectures récentes offrant les meilleures preformances sur la base ImageNet depuis les ResNets.
https://arxiv.org/abs/1512.03385 https://arxiv.org/abs/1605.07146 https://arxiv.org/pdf/1611.05431.pdf https://arxiv.org/abs/1602.07261 https://arxiv.org/abs/1608.06993 https://towardsdatascience.com/a-simple-guide-to-the-versions-of-the-inception-network-7fc52b863202
6
Raphael STURGISronan sicreronan.sicre@lis-lab.frQarma
Reproduire les résultats d'un papier sur la classification d'images sur le jeux de données MIT 67 scenes. Il s'agit d'extraire des représentations génériques (à plusieurs échelles) à partir de réseaux pré-entrainés sur deux grands jeux de données.
https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Herranz_Scene_Recognition_With_CVPR_2016_paper.pdf
7
MESRATI NassimCyril Terriouxcyril.terrioux@lis-lab.frCOALAÉtat de l’art sur les principales heuristiques de choix de variables utilisées par les solveurs COP ou VCSP. Étude des articles définissant ces heuristiques. Faire le point sur leur utilisation lors des dernières compétitions de solveurs.
https://pageperso.lis-lab.fr/cyril.terrioux/documents/heuristiques.zip
8
CAUET ChristopherCyril Terriouxcyril.terrioux@lis-lab.frCOALAComparaison de méthodes de calculs de décompositions arborescentes pour la résolution de modèles graphiques (CSP, COP, VCSP, ...).
https://pageperso.lis-lab.fr/cyril.terrioux/documents/decomp.zip
9
FARHAT HOUSSEMNicolas Prcovicnicolas.prcovic@lis-lab.frCOALAEtudier l'article "Towards Effective Deep Learning for Constraint Satisfaction Problems" (Xu et al, 2018) pour comprendre comment le deep learning peut résoudre des CSP et évaluer si l'approche est prometteuse par rapport aux techniques actuelles.http://idm-lab.org/bib/abstracts/papers/cp18.pdf
10
FAUCONNIER AxelNicolas Prcovicnicolas.prcovic@lis-lab.frCOALAEtudier l'article "Learning a SAT Solver from Single-Bit Supervision" (Selsam et al, 2018) pour comprendre comment un réseau de neurones peut résoudre une instance SAT. Comparer l'efficacité de l'approche par rapport aux techniques habituelles. Evaluer les potentialités de l'approche.https://arxiv.org/abs/1802.03685
11
OLLIER GuillaumeRémi Eyraudremi.eyraud@lis-lab.frQARMAEtudier l'article "Extracting Automata from Recurrent Neural Networks Using Queries and Counterexamples" (https://arxiv.org/abs/1711.09576) (Weiss et al., ICML 2018) pour comprendre l'état de l'art sur la problématique d'interprétabilité globale des réseaux de neurones récurents (RNN) par des modèles à états finis (automates). Il sera sans doute necessaire d'étudier le survey "Rule extraction from recurrent neural networks" de Jacobson (2006) pour comprendre les premiers travaux sur la thématique. Suivant l'avancement, un troisième article pourra être étudier : "Connecting Weighted Automata and Recurrent Neural Networks through Spectral Learning" de Rabusseau et al. (https://arxiv.org/abs/1807.01406). Mettre en perspective les 2 articles de 2018 pour proposer une analyse fine des ces résultats seraient une réussite importante pour le travail dans cette UE.
12
LAMOTHE CharlyFrançois-Xavier Dupéfrancois-xavier.dupe@lis-lab.frQARMAEtudier l'article "Mastering the Game of Go without Human Knowledge" (Silver et al, Nature 2017) qui propose une amélioration de la méthode Alpha-Go appelée Alpha-Zero pour jouer au Go sans avoir une base de données de parties de jeu. Le but est de comprendre comment les différentes briques de bases (réseaux de neurones, MCTS...) sont utilisées et de proposer une prototype pour un autre jeu "simple" (du type morpion, échec, dame, othello, awele...).
http://discovery.ucl.ac.uk/10045895/1/agz_unformatted_nature.pdf
13
AKANI Adueni Adjoba EuniceDjamal Habetdjamal.habet@lis-lab.frCOALAEtudier l’état de l’art des mesures d’évaluation de la qualité des clauses apprises dans les solveurs modernes du problème de satisfiabilité (SAT) puis entamer des réflexions sur la classification des clauses apprises par ces mesures.http://minisat.se/downloads/MiniSat.pdf
https://www.ijcai.org/Proceedings/09/Papers/074.pdf
https://arxiv.org/abs/1402.1956

14
Meryam KECHBALDjamal Habetdjamal.habet@lis-lab.frCOALAEtudier l'article "Automated Design Debugging with Maximum Satisfiability" (Chen et al 2010, IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems) qui traite le débogage des circuits intégrées par le problème de satisfiabilité maximum.
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.167.9438&rep=rep1&type=pdf
15
Tiago CortinhalThierry Artièresthierry.artieres@lis-lab.frQARMAEtudier l'afrticle "Compositional Attention Networks for
Machine Reasoning" de Drew A. Hudson & Christopher D. Manning et faire une synthèse des recherches actuelles sur l'apprntissage de raisonnement par des méthodes neuronales
https://arxiv.org/pdf/1803.03067.pdf ; https://cs.stanford.edu/people/dorarad/mac/blog.html ; https://arxiv.org/pdf/1706.01433.pdf
16
Balthazar CasaléHachem Kadrihachem.kadri@lis-lab.frQARMALe travail portera sur le récent domaine de "quantum machine learning" à l'intersection des deux domaines apprentissage automatique et informatique quantique. En particulier, on va s'intéresser et aborder un problème en informatique quantique utilisant des approches d'apprentissage automatique. Le problème est la séparabilité quantique et la détéction d'intrication. Le travail comporte deux parties : 1) 1ère partie sur des aspects méthodologiques qui consistent à comprendre le problème de détection d'intrication sa formalisation comme étant un problème de classification en apprentissage, 2) 2ème partie sur des aspects pratiques et d'implémentation qui consistent à évaluer la performance de plusieurs méthodes de classification sur des jeux de données sur la séparabilité et l'intrication quantique.

Article : Separability-entanglement classifier via machine learning https://journals.aps.org/pra/abstract/10.1103/PhysRevA.98.012315 (pour accéder à l'article voir le lien ArXiv)
https://arxiv.org/pdf/1705.01523.pdf ; http://qmlab.org/downloads/ ; http://qutip.org/
17
Jérémie BousquetSébastien Delecrazsebastien.delecraz@lis-lab.frTALEPEtudier l'état de l'art des méthodes d'Image Captioning puis l'approche proposée par You, Quanzeng, et al.
https://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/You_Image_Captioning_With_CVPR_2016_paper.pdf
18
ibrahim SouleimanSébastien Delecrazsebastien.delecraz@lis-lab.frTALEPEtudier les approches proposées pour la shared task "Multimodal Machine Translation" lors de la conférence WMT2016http://www.statmt.org/wmt17/pdf/WMT18.pdf
19
Alexis MarionCécile Capponicecile.capponi@lis-lab.frQARMAEtude d'algorithmes de boosting couplés à des approches de type bandits : compréhension des motivations, des algorithmes et des résultats théoriques. Capacité à reproduire quelques expérimentations (sur MNIST), avec du recul. Ce travail peut mener à un stage pendant lequel une approche de bandits sera à proposer dans le cadre multi-vues avec interactions.
https://www.lri.fr/~kegl/research/PDFs/BuKe10.pdf ET http://jmlr.org/papers/v15/dubout14a.html
20
Cyril Terriouxcyril.terrioux@lis-lab.frCOALAEtudier les différentes alternatives proposées ces dernières années pour représenter les contraintes en extension de manière compacte tout en préservant l'efficacité du filtrage.
http://www.cril.univ-artois.fr/~lecoutre/papers/CP16_ct.pdf
http://www.cril.univ-artois.fr/~lecoutre/papers/CP17_basic.pdf
http://www.cril.univ-artois.fr/~lecoutre/papers/IJCAI18_smdd.pdf
21
Lucas Goareguer & Baptiste BlouinAlexis Nasralexis.nasr@univ-amu.frTALEPEtudier l'article "Many Languages, One Parser" (Waleed Ammar, George Mulcaire, Miguel Ballesteros, Chris Dyer, Noah A. Smith), tester certaines idées proposées par l'article sur un nombre plus important de langueshttps://arxiv.org/pdf/1602.01595.pdf
22
Hachem Kadrihachem.kadri@lis-lab.frQARMAEtude de la régression à rang faible en présence de données manquantes. Articles associés :
1) Low-Rank Regression with Tensor Responses,
2) Spectral Regularization Algorithms for Learning Large Incomplete Matrices.
http://papers.nips.cc/paper/6302-low-rank-regression-with-tensor-responses.pdf
http://www.jmlr.org/papers/volume11/mazumder10a/mazumder10a.pdf
23
Quentin VacheronRiikka Huusaririikka.huusari@lis-lab.frQARMAMulti-view domain adaptation with landmarks, implementation with Python
http://www.ecmlpkdd2018.org/wp-content/uploads/2018/09/340.pdf
http://www.aaai.org/ocs/index.php/IJCAI/IJCAI-09/paper/download/294/962
24
Adrien SinnaeveThierry Artièresthierry.artieres@lis-lab.frQARMA
faire une synthèse des recherches actuelles sur l'apprntissage de raisonnement par des méthodes neuronales
""Compositional Attention Networks for Machine Reasoning"" de Drew A. Hudson & Christopher D. Manning
25
26
27
28
Alexis Nasr
29
Alexis Nasr
30
Carlos Ramisch
31
Cécile Capponi
32
Cyril Terrioux
33
Cyril Terrioux
34
Djamal Habet
35
Djamal Habet
36
François-Xavier Dupé
37
Hachem Kadri
38
Nicolas Prcovic
39
Nicolas Prcovic
40
Rémi Eyraud
41
Riikka Huusari
42
ronan sicre
43
ronan sicre
44
Sébastien Delecraz
45
Sébastien Delecraz
46
Thierry Artières
47
Valentin Emiya
48
Valentin Emiya
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100