L’intelligence artificielle et l’apprentissage profond appliqués à la maintenance prédictive
Horaire : 12h30 – 13h30
Lieu : Visio conférence
Programme :
Les impératifs de sécurité et de réduction des coûts orientent de plus en plus les industries vers la maintenance prédictive conditionnelle. Elle est rendue possible par l’acquisition de nombreuses données liées à l’intégration de différents capteurs au sein des systèmes. Les domaines de l’apprentissage statistique en général et de l’apprentissage profond en particulier sont maintenant suffisamment murs pour permettre de développer des technologies dotées d’une intelligence artificielle capable de mieux anticiper les défaillances techniques que l’humain. Cela est vrai à la condition de disposer de suffisamment de données pour la programmer.
Cette présentation montrera les principes de l’apprentissage profond et comment l’utiliser pour le diagnostic (statique et dynamique), pour gérer la multimodalité, la détection de changement, de points aberrants, et de signaux faibles.
L’intervenant :
Stéphane Canu, Professeur à l’INSA de Rouen, membre du laboratoire LITIS et directeur adjoint de la fédération de recherche CNRS NormaSTIC. Il coordonne le programme de recherche Deep in France financé par l’ANR. Il consacre sa recherche à la théorie statistique de l’apprentissage en général et en particulier aux machines à noyaux et au deep learning.