BIBL

Instructions

Voici quelques indications pour la rédaction de l'étude bibliographique et sa restitution orale : instructions biblio.

Sujets d'étude 2018-2019

B18-01 : Les différentes plateformes de simulation à base d'agents et les grands nombres d'agents

Enseignant référent : Jérémy Rivière

Il s'agit de recenser les principales plateformes / logiciels permettant de faire de la simulation à base d'agents, en les comparant notamment selon le langage de programmation utilisé et leur capacité à simuler un grand nombre d'agents.

Références :

• Alban Rousset, Bénédicte Herrmann, Christophe Lang. Étude comparative des plateformes parallèles pour systèmes multi-agents. Pascal Felber and Laurent Philippe and Etienne Riviere and Arnaud Tisserand. ComPAS 2014: conférence en parallélisme, architecture et systèmes, Neuchâtel, Suisse. 2014.

• Nikolai, C.; G. Madey (2008). "Tools of the Trade: A Survey of Various Agent Based Modeling Platforms", Journal of Artificial Societies and Social Simulation, 12 (2). Au.

• R.J. Allan (2009) Survey of Agent Based Modelling and Simulation Tools

B18-02 : Modèles et simulations à base d'agents de butinage chez l'abeille

Enseignant référent : Jérémy Rivière

De nombreux modèles à base d'agents se sont concentré sur l'activité de butinage chez l'abeille. Il vous est demandé dans ce travail d'identifier ces travaux et leurs points communs / différences, notamment sur le contenu des modèles et leurs objectifs, en présentant également leurs avantages et leurs inconvénients.

Références :

• Jérémy Rivière, Cédric Alaux, Yves Le Conte, Yves Layec, André Lozac'H, Vincent Rodin, Frank Singhoff. Toward a Complete Agent-Based Model of a Honeybee Colony. Highlights of Practical Applications of Agents,

Multi-Agent Systems, and Complexity: The PAAMS Collection, Jun 2018, Toledo, Spain.

• Dornhaus, A., Klügl, F., Oechslein, C., Puppe, F., Chittka, L.: Benefits of recruitment in honey bees: effects of ecology and colony size in an individual-based model. Behav. Ecol. 17(3), 336–344 (2006)

• Seeley, T.D., Camazine, S., Sneyd, J.: Collective decision-making in honey bees: how colonies choose among nectar sources. Behav. Ecol. Sociobiol. 28(4), 277–290 (1991)

• de Vries, H., Biesmeijer, J.C.: Modelling collective foraging by means of individual behaviour rules in honey-bees. Behav. Ecol. Sociobiol. 44(2), 109–124 (1998)

• Becher, M.A., Grimm, V., et al.: BEEHAVE: a systems model of honeybee colony dynamics and foraging to explore multifactorial causes of colony failure. J. Appl. Ecol. 51(2), 470–482 (2014)

B18-03 La place de l'humain (interactions et visualisation) dans les simulations à base d'agents

Enseignant référent : Jérémy Rivière

Les simulations à base d'agents peuvent être utilisée par des non-experts en informatique, par exemple à des fins d'apprentissage, qui ont besoin de moyens d'interactions et de visualisation intuitifs et efficaces avec la simulation. Ce travail demande de recenser les différents moyens utilisés dans le domaine des simulations à base d'agents, et de regrouper les travaux selon ces moyens.

Références :

• G. Desmeulles, F. Harrouet, D. Thuault, V. Huchet, P. Redou, L. Gaubert, G. Longelin Péron, P. Ballet and V. Rodin. 3D individual based model for simultaneous growth and interaction of L. Monocytogenes and lactic acid bacteria. ICPMF9, 9th International Conference on Predictive Modelling in Food, pages 11-12, Rio de Janeiro (Brazil), 8-12 September 2015.

• G. Desmeulles, G. Querrec, P. Redou, S. Kerdélo, L. Misery, V. Rodin and J. Tisseau. The virtual reality applied to the biology understanding: the in virtuo experimentation. Expert Systems with Applications, Elsevier, 30(1):82-92, January 2006.

• Julie Dugdale, Nargès Bellamine-Ben Saoud, Bernard Pavard, Nico Pallamin. Simulation and Emergency Management. Van de Walle, B. and Turoff, M. and Hiltz, S. R. Information Systems for Emergency Management, 16, M.E. Sharpe, 2010, Advances in Management Information Systems, 978-0-7656-2134-4.

• Lauren Thévin, Fabien Badeig, Julie Dugdale, Olivier Boissier, Catherine Garbay. Un Système Multi-Agent normatif hybride pour l’interaction mixte : application à la gestion de crises. Revue des Sciences et Technologies de l'Information - Série RIA : Revue d'Intelligence Artificielle, Lavoisier, 2015, Dernières avancées en intelligence artificielle, 29 (3-4), pp.453-482.

B18-04 : Les solutions de réalité augmentée sur dispositif Android

Enseignant référent : Thierry Duval

Il s'agit de réaliser un état de l'art sur les outils logiciels permettant de faire de la Réalité Augmentée sur dispositif Android (type téléphone ou tablette). L'étude consiste à un tableau comparatif décrivant les avantages et inconvénients des différentes solutions existantes, les environnements de développement associés, les langages de programmation qu'il faut utiliser pour manipuler ces API. Idéalement il faudrait également avoir testé chacun de ces produits (pour les produits payants, seulement si il y a une licence gratuite...) et évalué la difficulté de déploiement.

Références :

• https://www.wikitude.com/store/

• https://deepar.ai/augmented-reality-sdk/

• https://www.easyar.com/

• http://www.artoolkitx.org/

• https://developer.vuforia.com/

• https://nyatla.jp/nyartoolkit/wp/

B18-05 : Synthèse vocale à l'aide de réseaux de neurones

Enseignant référent : Pierre Chevaillier

L'objectif est d'étudier les avancées récentes dans le domaine de la synthèse vocale par l'utilisation de réseaux de neurones de type deep-learning. Ces solutions visent à améliorer la prosodie des phrases énoncées par de telles systèmes de façon à la rendre plus naturelle. Il s'agit de comparer les méthodes utilisées dans les systèmes récents.

Références :

• Fan, Y., Qian, Y., Xie, F.-L., & Soong, F. K. (2014.). TTS Synthesis with Bidirectional LSTM Based Recurrent Neural Networks, In Proceedings of Interspeech'14, pp. 1964-1968

• Okamoto, T., Tachibana, K., Toda, T., Shiga, Y., & Kawai, H. (2018). Deep neural network-based power spectrum reconstruction to improve quality of vocoded speech with limited acoustic parameters. Acoustical Science and Technology, 39(2), 163–166.

• Wan, V., Agiomyrgiannakis, Y., Silen, H., & Vít, J. (2017). Google’s Next-Generation Real-Time Unit-Selection Synthesizer Using Sequence-to-Sequence LSTM-Based Autoencoders. In Proceedings of Interspeech 2017, pp. 1143–1147.

• Wu, Z., Watts, O., & King, S. (2016). Merlin: An Open Source Neural Network Speech Synthesis System. 9th ISCA Speech Synthesis Workshop, 202–207.

• Zen, H., & Sak, H. (2015). Unidirectional long short-term memory recurrent neural network with recurrent output layer for low-latency speech synthesis. In 2015 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). South Brisbane, Queensland, Australia, pp. 4470–4474.

B18-06 : Simulateurs de systèmes multi-cellulaires

Enseignant référent : Pascal Ballet

• PhysiCell : https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1005991

• BioCellion : https://academic.oup.com/bioinformatics/article/30/21/3101/2422245

• CompuCell 3D : http://www.compucell3d.org/

• SimCells : http://virtulab.univ-brest.fr/simcells.html

B18-07 : Interaction Humain-Système : reconnaissance d'activités humaines en environnement naturel

Enseignant référent : Alexis Nédélec

Le sujet proposé consiste à faire une étude bibliographique sur les algorithmes d'apprentissage machine dédiés à la reconnaissance de gestes et d'activités humaines par un système informatique pour établir une interaction entre un humain et un humanoïde de synthèse dans un environnement naturel. Cette étude portera plus spécifiquement sur la détection et la reconnaissance d'activités humaines à partir de squelette 3D [2, 4] dans des flux vidéos [1,3,5].

• [1] Dushyant et. al. "VNECT: Real-time 3d human pose estimation with a single RGB camera". ACM Transactions on Graphics (SIGGRAPH 2017), Los Angeles, USA, 2017.

• [2] Ke et. al. "a new representation of skeleton sequences for 3d action recognition". Computer Vision and Pattern Recognition 2017, 2017.

• [3] Wang et. al. "rgb-d-based human motion recognition with deep learning : A survey". Elsevier Computer Vision and Image Understanding (CVIU), 2018.

• [4] Tae Soo Kim and Austin Reiter. "interpretable 3d human action analysis with temporal convolutional networks". Computer Vision and Pattern Recognition 2017, 2017.

• [5] Wu, Sharma, and Blumenstein. "recent advances in video-based human action recognition using deep learning : A review". International Joint Conference on Neural Networks (IJCNN), 2017.

B18-08 : Fédération de modèles pour des approches multi-points de vues

Enseignant référent : Joël Champeau