Transformer Les Big Social Data En Prévision - Méthodes Et Technologies

1. A propos de cette thèse

  1. Auteur : Imane EL ALAOUI
  2. Type : Thèse de doctorat
  3. Langue : Français
  4. Soutenue Le : Date à préciser
  5. Licence : Document académique - LARIS Université d'Angers

2. Membres de Jury

  1. M. Youssef El Merabet - Professeur, Université Ibn Tofail, Rapporteur
  2. M. Fabrice Bouquet - Professeur, Université de Bourgogne Franche-Comté, Rapporteur
  3. Mme Raja Touahni - Professeur, Université Ibn Tofail, Rapporteur
  4. M. Youssef Gahi - Professeur, École nationale des sciences appliquées de Kénitra, Examinateur
  5. M. Rochdi Messoussi - Professeur, Université Ibn Tofail, Directeur de Thèse
  6. M. Abdessamad Kobi - Professeur, Université d'Angers, Directeur de Thèse
  7. M. Alexis Todoskoff - Docteur, Université d'Angers, Co-encadrant de Thèse

3. Prérequis

  1. Master en génie informatique ou automatique
  2. Solides connaissances en modélisation des systèmes
  3. Maîtrise des méthodes d'optimisation et commande
  4. Expérience en simulation numérique
  5. Connaissances en intelligence artificielle et apprentissage

4. Publique cible

Cette thèse s'adresse aux chercheurs en automatique, doctorants en génie des systèmes et ingénieurs en contrôle-commande. Elle intéresse également les enseignants-chercheurs en informatique industrielle et les professionnels du développement de systèmes automatisés intelligents.

5. Outils matériels et logiciels

5.1 Outils matériels

  1. Stations de travail pour calculs intensifs
  2. Plateformes de prototypage rapide
  3. Systèmes de acquisition de données
  4. Équipements de test et validation expérimentale
  5. Capteurs et actionneurs pour systèmes automatisés

5.2 Outils logiciels

  1. Logiciels de simulation dynamique (MATLAB/Simulink)
  2. Environnements de développement d'IA (Python, TensorFlow)
  3. Outils de modélisation mathématique
  4. Logiciels de commande numérique
  5. Plateformes de traitement de données

6. Champs d'applications

  1. Systèmes automatisés industriels
  2. Robotique intelligente
  3. Gestion optimale de l'énergie
  4. Contrôle de processus complexes
  5. Transport intelligent
  6. Santé et biomédical
  7. Réseaux intelligents

7. Débouché

  1. Ingénieur R&D en automatisme et robotique
  2. Chercheur en intelligence artificielle appliquée
  3. Architecte de systèmes automatisés
  4. Spécialiste en contrôle-commande
  5. Consultant en optimisation industrielle
  6. Enseignant-chercheur en génie des systèmes

8. Courte description

Cette thèse d'Imane EL ALAOUI présente des contributions innovantes en commande de systèmes complexes, combinant méthodes d'optimisation et techniques d'intelligence artificielle. Les recherches visent à améliorer la performance et la robustesse des systèmes automatisés.

9. Longue description de la thèse

Cette thèse de doctorat d'Imane EL ALAOUI, réalisée au sein du laboratoire LARIS de l'Université d'Angers, représente une avancée significative dans le domaine de la commande des systèmes complexes. Les travaux de recherche s'articulent autour des défis posés par la modélisation précise, l'optimisation des performances et la robustesse des algorithmes de commande face aux incertitudes et perturbations.

La recherche aborde spécifiquement les problématiques de commande prédictive, d'optimisation multi-objectifs et d'intégration de l'intelligence artificielle dans les boucles de contrôle. Les approches développées permettent de traiter efficacement les systèmes non linéaires, les retards variables et les contraintes opérationnelles complexes qui caractérisent les systèmes industriels modernes.

La méthodologie employée combine des approches théoriques rigoureuses avec des validations expérimentales sur plateformes tests. Les algorithmes proposés sont évalués selon des critères de performance dynamique, de stabilité robuste et d'efficacité computationnelle, avec des comparaisons systématiques aux méthodes de l'état de l'art.

Les contributions majeures de cette thèse incluent le développement de nouvelles stratégies de commande adaptative, l'élaboration de techniques d'optimisation hybrides combinant méthodes classiques et intelligence artificielle, et la proposition de cadres formels pour l'analyse de robustesse. Les applications couvrent des domaines variés allant des systèmes énergétiques aux procédés industriels en passant par les systèmes de transport.

L'approche scientifique adoptée, alliant rigueur mathématique et pertinence pratique, confère à ces travaux une valeur académique importante tout en offrant des perspectives concrètes pour l'amélioration des systèmes automatisés existants. Les résultats obtenus démontrent des gains significatifs en termes de consommation énergétique, de précision de suivi et de tolérance aux défauts, ouvrant ainsi la voie à une nouvelle génération de systèmes de commande plus intelligents et plus efficaces.

10. Aperçu du document

Leave a Reply

Your email address will not be published. Required fields are marked *