Soutenances de thèses pour les doctorants ESEO

Valentin BESNARD, doctorant de l'Equipe de Recherche en Informatique et Systèmes (ERIS) à l'ESEO, a réalisé sa thèse intitulée :

EMI : une approche pour unifier l'analyse et l'exécution embarquée à l'aide d'un interpréteur de modèles pilotable

Il nous explique que "la complexité croissante des systèmes embarqués les expose à davantage de bogues logiciels, d’erreurs de conception et de failles de sécurité. Pour exécuter et analyser des modèles de ces systèmes, des transformations sont généralement nécessaires pour obtenir (i) le code exécutable pouvant être déployé sur une cible embarquée et (ii) des modèles d’analyse permettant d’appliquer des techniques de vérification formelle (par exemple de model-checking). Cependant, ces transformations typiquement non-prouvées sont à l’origine de fossés sémantiques et nécessitent d’établir une relation d’équivalence entre le code exécutable et les modèles d’analyse afin de garantir que ce qui est exécuté est bien ce qui a été vérifié. Pour unifier les activités d’analyse et l’exécution embarquée de modèles, l’approche EMI repose sur un interpréteur de modèles pilotable permettant d’utiliser un unique couple (modèle et sémantique) pour toutes les activités de développement logiciel. Pour évaluer cette approche, un interpréteur de modèles UML a été conçu et appliqué à différents cas d’études de systèmes embarqués afin de mettre en œuvre diverses activités d’analyse (par exemple simulation, animation, débogage, model-checking, monitoring)."

Découvrez sa soutenance de thèse en intégralité.

Romain CORMERAIS, doctorant du Groupe Signal Image et Instrumentation (GSII) à l'ESEO, a réalisé sa thèse intitulée :

Hybridation de Capteur pour le Contrôle Non Destructif de matériau Aéronautique

A son tour, il nous explique que "dans le secteur de l’aéronautique, les pièces d’avions sont contrôlées à leur fabrication, à leur assemblage puis pendant leur service. Les défauts peuvent être de natures, de tailles et d’orientations différentes et les matériaux utilisés sont souvent complexes. Parmi les nombreuses techniques de Contrôle Non Destructif (CND) le contrôle par Ultrasons (US) est une des méthodes de CND les plus répandues. Elle présente cependant une zone aveugle d’établissement du champ acoustique proche du capteur lorsqu’elle est employée sans sabot. Les Courants de Foucault (CF) sont également largement utilisés dans l’industrie mais l’induction électromagnétique ne permet de contrôler qu’une zone pelliculaire des matériaux à cause de l’effet de peau électromagnétique. Les travaux présentés dans ce manuscrit utilisent conjointement ces deux méthodes de CND aux avantages et inconvénients complémentaires pour atteindre des contrôles plus complets et plus fiables. Cette fusion de données est réalisée à travers une approche de traitement de données grâce à des techniques de Machine Learning. Des Réseaux de Neurones Artificiels (RNAs) sont utilisés pour caractériser des défauts à partir de mesures US et CF. Des bases de données d’apprentissage sont constituées via des simulations US et CF. Ces bases de données sont utilisées pour entraîner les RNAs. Ces dernières sont ensuite capables d’estimer les paramètres des défauts démontrant les apports de cette approche de fusion de données."

Jade VANBUIS, doctorante du GSII également à l'ESEO, a réalisé sa thèse intitulée :

Analyse automatique des stades du sommeil à partir des voies électrophysiologiques et cardio-respiratoires

Enfin, elle évoque que "le diagnostic des troubles du sommeil repose sur l’analyse de différents signaux enregistrés lors d’un examen du sommeil. Cette analyse est réalisée par un spécialiste du sommeil qui étudie la ventilation et, selon l’outil de diagnostic, la succession des stades de sommeil. Cette dernière tâche est particulièrement chronophage et complexe. Trois algorithmes d’aide au diagnostic et dédiés à cette tâche sont présentés.

Le premier permet la classification éveil/sommeil lors de l’utilisation d’un nouvel outil de diagnostic. Il en découle la possibilité pour le médecin de diagnostiquer précisément le syndrome d’apnées du sommeil et à moindre coût.

Le deuxième, fondé sur les voies électrophysiologiques, permet d’obtenir une classification de tous les stades de sommeil à partir de l’outil de diagnostic le plus complet. Il a été implémenté en considérant les limitations à l’utilisation d’un tel algorithme en routine clinique. L’architecture de cet algorithme reproduit ainsi le processus de classification réalisé manuellement par les médecins. Une fonction de seuillage auto-adaptatif a aussi été mise en place afin de fournir une classification patient-dépendante. Les résultats obtenus sont comparables avec ceux des médecins.

Le troisième algorithme, fondé sur les voies cardio-respiratoires, permet de classifier les stades de sommeil à partir d’un outil de diagnostic très utilisé mais pour lequel il n’est normalement pas possible d’étudier les stades de sommeil. La tâche est complexe, mais les résultats obtenus sont satisfaisants vis-à-vis de la littérature.

Les trois algorithmes, destinés aux différents outils de diagnostic, permettront d’aider les spécialistes à analyser le sommeil."