Thèse CIFRE : Fiabilisation des réseaux de neurones par la surveillance à l’exécution - F/H - Toulouse

QUI SOMMES-NOUS ?

L’activité avionique fournit divers systèmes de bord pour l’aviation : avionique de vol, production et conversion d’électricité, multimédia de cabine et connectivité. Son offre couvre également des solutions d’entraînement et de simulation pour les forces terrestres, aériennes et interarmées, ainsi que des systèmes d’imagerie à rayons X et des amplificateurs de puissance radiofréquences et hyperfréquences.

Le site de Toulouse regroupe deux activités principales : l’une en charge de développer et commercialiser des solutions et équipements pour avions et hélicoptères (cockpits, solutions pour cabines, systèmes de missions civiles et militaires, et offres de services associées) ; l’autre , le centre d’Air Traffic Management (ATM), pôle d’expertise historique des systèmes de gestion du trafic aérien.

QUI ETES-VOUS ?

Vous êtes en dernière année de cycle universitaire ou équivalent

Vous avez des compétences en intelligence artificielle et plus particulièrement en Machine Learning. Vous avez également des compétences en développement logiciel : langage Python et C++ 

Vous êtes rigoureux, curieux et vous êtes force de proposition.

Vous appréciez travailler dans un environnement multi culturel mêlant la recherche et l’industrie.

Vous avez envie d’en apprendre plus sur le monde de l’aéronautique ?

Vous maîtrisez l’anglais ?

Alors ce poste est fait pour vous !

Contexte

Cette thèse est proposée dans le cadre d’une convention CIFRE entre Thales Avionique et le LAAS-CNRS. Elle se déroulera à Toulouse, avec un partage du temps équilibré (50%- 50%) au sein de l’entreprise et des laboratoires de recherche.

Thales AVS contribue à un projet ayant pour objectif de détecter de manière automatisée les pistes d’atterrissages. Les avancées récentes en apprentissage machine ont permis le développement de réseaux de neurones performants pour cette tâche spécifique. Toutefois, compte tenu du caractère critique de l'automatisation du pilotage, il est impératif de garantir la fiabilité de ces systèmes. Les approches de surveillance en ligne (monitoring) des réseaux de neurones offrent une solution pour améliorer la sûreté. Le laboratoire LAAS-CNRS associés à cette thèse CIFRE possède dores et déjà une forte expertise sur le sujet.

Objectifs de la thèse

Les moniteurs travaillés dans la recherche ont principalement exploré le domaine de la classification d’image et non de détection d’objets et en particulier sur le cas de la détection de pistes d’atterrissages. L’objectif de la thèse est donc d’explorer les méthodes de surveillance de réseaux de neurones pour des tâches de détection d’objets, et d’améliorer leur performance et leur fiabilité. Une piste prometteuse, portée par le laboratoire LAAS-CNRS est d’utiliser des méthodes hybrides combinant une approche basée sur les données et une approche basée règles.  

Vos missions principales consistent à :

- Procéder à une revue bibliographique sur le monitoring de réseaux de neurones récentes, en se focalisant sur celles utilisables ou étendables au le cadre de la détection d’objets.

- Développer un framework d’évaluation, incluant l'implémentation et la comparaison des méthodes existantes pour monitorer un modèle dédié à la détection de pistes d'atterrissage.

- Concevoir et développer de nouvelles approches de monitoring sur le cas d’étude, dans l’objectif d’améliorer la fiabilité et la précision du monitoring.

Une dernière phase de la thèse sera consacrée à l’étude de l’utilisation des moniteurs développés dans un contexte d’apprentissage continue.

Le sujet est novateur car il consiste en l’extension de méthodologies sur de nouveaux types de tâches et leur application sur cas d’usage industriel actuellement non traité.

Le sujet requiert des compétences dans le domaine de l’informatique appliquée, et du Machine Learning. Des compétences en mathématiques appliquées sont un plus pour la candidature.

Innovation, passion, ambition : rejoignez Thales et créez le monde de demain, dès aujourd’hui.