Soutenances autorisées pour l'ED ED 590 MIIS

Τhéοrie du gradient du secοnd οrdre pοur les matériaux cοmpοsites à fοrt taux de cοntraste et cοnceptiοn de mοdèles prédictifs de tenseurs via l'apprentissage prοfοnd

Doctorant·e: NACRO Alioune
Direction de thèse: KARAMIAN Philippe (Directeur·trice de thèse)
LEMAÎTRE SOPHIE (Co-encadrant·e de thèse)
Date de la soutenance: 07/11/2025 à 14:00
Lieu de la soutenance: Caen
Rapporteurs de la thèse: CATAPANO ANITA Institut national polytechnique Bordeaux
NAIT-ALI AZDINE Ensma Poitiers
Membres du jurys: CATAPANO ANITA, , Institut national polytechnique Bordeaux
DARTOIS SOPHIE, , Sorbonne Université
FOREST SAMUEL, , ECOLE DES MINES DE PARIS
KARAMIAN Philippe, , UCN - Université de Caen Normandie
LEMAÎTRE SOPHIE, , UCN - Université de Caen Normandie
NAIT-ALI AZDINE, , Ensma Poitiers
VIDAL PHILIPPE, , Université Paris 10 Paris-Nanterre
VIDAL-SALLE EMMANUELLE, , INSA Lyon

Résumé: Cette thèse s'inscrit dans le cadre de l’homogénéisation périodique appliquée à l’élasticité linéaire, avec pour objectif d’évaluer les effets non locaux à l’aide de la théorie du gradient du second ordre. Une formulation rigoureuse basée sur le développement asymptotique permet d’identifier les tenseurs d’élasticité d’ordre supérieur (B, C et D), calculés à l’aide d’approches numériques comme la méthode basée sur la transformée de Fourier rapide (FFT) et la méthode des éléments finis (FEM), en 2D et en 3D. Un vaste ensemble de simulations numériques paramétriques est ainsi réalisé sur des microstructures composites, afin d’analyser l’influence de la forme, du contraste de propriétés et de la fraction volumique des inclusions sur leurs propriétés mécaniques effectives. Ces simulations ont permis de constituer une base de données riche de plus de 56000 volumes élémentaires représentatifs (VER), utilisée pour entraîner des modèles d’apprentissage profond, notamment des réseaux de neurones convolutifs (CNN), capables de prédire efficacement les composantes des tenseurs d’élasticité à partir d’images de microstructures non incluses dans la base d’apprentissage. Les résultats obtenus montrent une très bonne précision des modèles prédictifs, comparables aux méthodes numériques classiques, tout en offrant un gain significatif en temps de calcul. Ce travail illustre ainsi l’intérêt d’un couplage entre homogénéisation périodique et intelligence artificielle pour une modélisation efficace des matériaux composites, et ouvre la voie à de nouvelles perspectives en simulation numérique et en conception de matériaux.
Abstract: This thesis falls within the framework of periodic homogenization applied to linear elasticity, with the objective of evaluating nonlocal effects using the second-order gradient theory. A rigorous formulation based on asymptotic expansion enables the identification of higher-order elasticity tensors (B, C and D) , which are computed using numerical approaches such as the Fast Fourier Transform (FFT) method and the Finite Element Method (FEM), in both 2D and 3D. A large set of parametric numerical simulations is carried out on composite microstructures to analyze the influence of the inclusion shape, property contrast, and volume fraction on their effective mechanical properties. These simulations generate a comprehensive database of more than 56000 representative volume elements (RVEs), which is used to train deep learning models, particularly convolutional neural networks (CNNs), capable of efficiently predicting the components of elasticity tensors from microstructure images not included in the training set. The results show that the predictive models achieve very high accuracy, comparable to classical numerical methods, while offering a significant reduction in computation time. This work thus highlights the relevance of coupling periodic homogenization with artificial intelligence for efficient modeling of composite materials and paves the way for new perspectives in numerical simulation and material design.

Μesures de micrο-capteurs en qualité de l'air : calibratiοn statistique et débiaisage de sοrties de mοdèles numériques

Doctorant·e: THULLIEZ EMMA
Direction de thèse
Date de la soutenance: 06/11/2025 à 14:00
Lieu de la soutenance: INSA Rouen Normandie (Saint-Étienne du Rouvray)
Rapporteurs de la thèse
Membres du jurys

Résumé: Cette thèse explore les enjeux et les perspectives liés à l'utilisation des micro-capteurs pour la surveillance de la qualité de l'air, en mettant l'accent sur deux polluants : le dioxyde d'azote (NO2) et les particules fines (PM10). Elle s'inscrit dans l'écosystème de la qualité de l'air rouennais à travers l'exploitation et la valorisation des données collectées à l'échelle locale. La thèse est structurée autour de deux axes principaux : proposer des méthodologies de calibration des micro-capteurs en zone urbaine afin d'améliorer la fiabilité de leurs mesures, et modéliser et estimer le biais des cartes de pollution issues de modèles déterministes. Dans une première partie, nous constituons et diffusons plusieurs jeux de données construits à partir de mesures effectuées à Rouen. Ensuite, nous proposons plusieurs méthodologies de calibration ponctuelle des capteurs, que nous évaluons à partir de ces données. Une approche de calibration globale est également proposée à travers une régression géographiquement pondérée (GWR). Nous évoquons enfin les perspectives ouvertes par l'essor des micro-capteurs mobiles dans les stratégies de calibration. Dans une seconde partie, nous proposons deux approches distinctes pour modéliser le biais des cartes de pollution issues de modèles déterministes, en fusionnant des données hétérogènes, issues de modèles, de stations de référence et de micro-capteurs. Nous terminons par évoquer l'approche de multi-fidélité permettant d'améliorer les cartes de pollution à partir de plusieurs réseaux de mesures de qualité et de densité différentes. Ces différents aspects mettent en lumière la contribution des micro-capteurs aux réseaux de surveillance de la qualité de l'air, tout en explorant de nouvelles approches pour en garantir un meilleur usage à l'échelle urbaine.
Abstract: This thesis explores the challenges and prospects associated with the use of low-cost sensors for air quality monitoring, with a focus on two key pollutants : nitrogen dioxide (NO2) and particulate matter (PM10). It is embedded within the air quality ecosystem of the city of Rouen, through the exploitation and enhancement of data collected at the local scale. The thesis is structured around two main objectives: developing calibration methodologies for low-cost sensors in urban environments to improve the reliability of their measurements, and modeling and estimating the bias present in pollution maps generated by deterministic models. In the first part, several datasets are built and shared, based on air quality measurements taken in Rouen. These datasets are then used to evaluate various pointwise calibration methods for the sensors. A global calibration approach is also proposed, based on Geographically Weighted Regression (GWR). Finally, we discuss the opportunities brought by the rise of mobile low-cost sensors in future calibration strategies. In the second part, we propose two distinct approaches to model the bias in pollution maps derived from deterministic models, by integrating heterogeneous data sources including model outputs, reference stations, and low-cost sensors. We also explore a multi-fidelity data fusion approach aimed at improving pollution maps by combining information from multiple monitoring networks with varying levels of quality and spatial density. Together, these contributions highlight the role of low-cost sensors in modern air quality monitoring systems and explore new methods to ensure their more effective use in urban-scale applications.

Ρrοgrammatiοn par cοntraintes et échantillοnnage pοur l'extractiοn de mοtifs d'intervalles

Doctorant·e: BEKKOUCHA Djawad
Direction de thèse: CREMILLEUX Bruno (Directeur·trice de thèse)
BOIZUMAULT Patrice (Co-directeur·trice de thèse)
OUALI Abdelkader (Co-encadrant·e de thèse)
Date de la soutenance: 06/11/2025 à 09:00
Lieu de la soutenance: Université de Caen Normandie, bâtiment sciences 3 salle 102 (salle des thèses)
Rapporteurs de la thèse: NIJSSEN SIEGFRIED LOUVAIN
PLANTEVIT MARC Ecole pour info et tech avancés
Membres du jurys: CREMILLEUX Bruno, , UCN - Université de Caen Normandie
DAO THI-BICH-HAN, , Université d'Orléans
NIJSSEN SIEGFRIED, , LOUVAIN
OUALI Abdelkader, , UCN - Université de Caen Normandie
PLANTEVIT MARC, , Ecole pour info et tech avancés
SOLNON CHRISTINE, , Institut National des Sciences Appliquees de Lyon
SOULET ARNAUD, , Universite de Tours

Résumé: Cette thèse porte sur la découverte d’informations à partir de données numériques, et plus particulièrement sur la fouille de motifs. Les motifs sont représentés sous forme de vecteurs d’intervalles, ce qui permet une lecture intuitive des informations extraites. Notre objectif est d’identifier, dans les données numériques, un ensemble restreint de motifs d’intervalles pertinents en un temps très court, tout en offrant à l’utilisateur la possibilité d’intégrer ses préférences sous forme de contraintes. La programmation par contraintes a démontré son intérêt pour résoudre de nom- breuses tâches de fouille de données. Grâce à sa généricité, un même modèle peut être facilement adapté à différentes tâches, simplement en ajoutant ou en supprimant des contraintes. Dans ce cadre, nous concevons GC4CIP, la première contrainte globale dé- diée à l’extraction de motifs d’intervalles fréquents et fermés directement à partir de don- nées numériques. Nous étendons ensuite cette contrainte globale par l’ajout de variables supplémentaires dans sa signature afin d’accroître sa généricité. Enfin, nous illustrons cette généricité à travers cp4hp, un modèle combinant GC4CIP à d’autres contraintes pour répondre à la tâche d’extraction de motifs à partir de données hétérogènes. Une alternative aux approches d’extraction exhaustive de motifs est l’échantillon- nage en sortie de motifs. Notre objectif est d’identifier, dans les données numériques, un ensemble restreint de motifs d’intervalles pertinents sans faire attendre l’utilisateur. Nous introduisons Fips et HFips, les premières méthodes d’échantillonnage en sortie de motifs d’intervalles. Fips échantillonne les motifs selon une distribution de proba- bilité proportionnelle à leur fréquence. HFips étend Fips en combinant la fréquence à l’hyper-volume, échantillonnant ainsi des motifs proportionnellement au produit fré- quence × hyper-volume. Nous démontrons formellement que ces méthodes échantillonnent les motifs selon les distributions de probabilité ciblées. Enfin, afin de mieux répondre à des préférences exprimées sous forme de contraintes, nous proposons CFips et CHfips, extensions respectives de Fips et HFips. Ces mé- thodes poussent des contraintes syntaxiques dans la procédure d’échantillonnage. Elles garantissent que seuls les motifs satisfaisant les contraintes sont tirés, tout en respectant les distributions de probabilités définies.
Abstract: This thesis focuses on knowledge discovery from numerical data, with a particular focus on pattern mining. Patterns are represented as vectors of intervals, which allows an intuitive interpretation of the extracted information. Our objective is to identify, within numerical data, a small set of relevant interval patterns in a very short time, while giving the user the ability to integrate their preferences in the form of constraints. Constraint programming has demonstrated its effectiveness in a wide range of data mi- ning tasks. Thanks to its flexibility, a single model can easily be adapted to different tasks by simply adding or removing constraints. In this context, we have introduced gc4cip, the first global constraint for mining closed and frequent interval patterns directly from numerical data. We then extended this global constraint by adding additional variables to its signature to increase its flexibility. Finally, we demonstrate the generic nature of this approach using cp4hp, a model that combines gc4cip with other constraints for pattern mining from heterogeneous data. An alternative to exhaustive pattern extraction approaches is pattern sampling. Our goal is to identify, from numerical data, a restricted set of relevant interval patterns wi- thout making the user wait. We introduce Fips and HFips, the first output space sampling methods for interval patterns. Fips samples patterns according to a probability distribu- tion proportional to their frequency. HFips extends Fips by combining frequency with hyper-volume, thus sampling patterns proportionally to the product frequency × hyper- volume. We formally prove that these methods sample patterns according to the targeted probability distributions. Finally, to better address preferences expressed as constraints, we introduce CFips and CHfips, extensions of Fips and HFips. These methods incorporate syntactic constraints directly into the sampling procedure, ensuring that only patterns satisfying the constraints are selected, while preserving the targeted probability distributions.

Οptimized data structure and query system fοr static cοde analysis

Doctorant·e: DAUPRAT Quentin
Direction de thèse: DORBEC Paul (Directeur·trice de thèse)
RICHARD Gaetan (Co-encadrant·e de thèse)
Date de la soutenance: 05/11/2025 à 10:00
Lieu de la soutenance: Université de Caen Normandie
Rapporteurs de la thèse: CHALLOUX EMMANUEL Sorbonne Université
SINGHOFF FRANCK Universite Bret. Occidentale Ubo
Membres du jurys: CHALLOUX EMMANUEL, , Sorbonne Université
DORBEC Paul, , UCN - Université de Caen Normandie
MINÉ ANTOINE, , Sorbonne Université
PEKERGIN NIHAL, , UNIVERSITE PARIS 12 VAL DE MARNE
RICHARD Gaetan, , UCN - Université de Caen Normandie
ROSEN Jean-Pierre, , ADALOG
SINGHOFF FRANCK, , Universite Bret. Occidentale Ubo

Résumé: L'analyse statique de code englobe diverses techniques pour améliorer la qualité et la sécurité des logiciels. Dans notre recherche, nous nous concentrons exclusivement sur un aspect important : la vérification des règles de codage. Nous avons identifié que les approches conventionnelles pour la vérification des règles de codage peinent à analyser efficacement des bases de code volumineuses et complexes. Nous explorons le potentiel des bases de données orientées graphe pour améliorer les performances de cette tâche spécifique d'analyse statique. Nous proposons une méthodologie basée sur les graphes pour représenter le code source sous forme de graphe de propriétés, permettant une modélisation intuitive de la syntaxe, de la sémantique et du comportement spécifiquement pour la vérification des règles de codage. Nous analysons la base de code et l'intégrons dans une base de données orientée graphe. Nous évaluons ensuite les règles de codage par des traversées de graphe exprimées en langage de requête Cypher, convertissant les vérifications traditionnelles en motifs de graphe optimisés. Nous avons implémenté cette approche par l'intermédiaire d'un prototype, appelé Cogralys, pour le langage Ada et l'avons évaluée sur des benchmarks du monde réel. Nos expériences démontrent des améliorations significatives en temps d'exécution pour la vérification des règles de codage : Cogralys effectue les analyses 6,3 fois plus rapidement qu'AdaControl et 17,6 fois plus rapidement que GNATcheck. Pour certaines catégories de règles, nous avons obtenu des améliorations encore plus importantes – jusqu'à 195 fois plus rapide pour les règles locales par rapport aux analyseurs traditionnels. Ces résultats confirment la capacité des bases de données graphe à accélérer la vérification des règles de codage grâce à des structures de données optimisées et à un traitement parallèle des requêtes. Cependant, nous reconnaissons que les surcharges introduites par la population de la base de données sont à prendre en compte. Nous avons constaté que la technique est mieux adaptée pour du code volumineux et fréquemment analysé. Bien que prometteuse pour la vérification des règles de codage, nous identifions que des recherches supplémentaires sont nécessaires pour traiter la prise en charge d'autres langages, l'intégration dans les flux de développement et les requêtes pour des règles plus complexes. Globalement, dans cette thèse nous proposons un cadre basé sur les graphes pour la vérification des règles de codage tout en présentant les avantages, les inconvénients et les opportunités futures de l'utilisation des technologies graphes pour une vérification efficace et évolutive des standards de codage.
Abstract: Static code analysis encompasses various techniques for improving software quality and security. In this research, we focus exclusively on one important aspect: the verification of coding rules. Conventional approaches for coding rule verification face challenges in efficiently analyzing large, complex codebases. We thus explore the potential of graph databases to enhance the performance of this specific static analysis task. We propose a graph-based methodology that represents source code as rich property graphs, enabling intuitive modeling of syntax, semantics, and behavior specifically for coding rule verification. We parse the codebase and populate it into a graph database. Then, we evaluate coding rules through graph traversals expressed in the Cypher query language, converting traditional rule checks into optimized graph patterns. We implemented this approach in a prototype tool, entitled Cogralys, for Ada and evaluated it on real-world benchmarks. Our experiments demonstrate significant runtime improvements in coding rule verification: Cogralys completes analyses 6.3 times faster than AdaControl and 17.6 times faster than GNATcheck. For specific rule categories, we achieved even greater improvements– up to 195 times faster for local rules compared to traditional analyzers. These results confirm graph databases’ capacity to accelerate coding rule verification through optimized data structures and parallel query processing. However, overheads introduced by database population should be considered. We found the technique is best suited for sizable, frequently analyzed code. While showing significant promise for coding rule verification, more research is needed to address language support, integration with developers’ workflows, and queries for more complex rules. Overall, in this thesis we deliver a practical graph-based framework for coding rule verification while presenting the advantages, trade-offs and future opportunities of leveraging graph technologies for efficient, scalable verification of coding standards.

Fabricatiοn and mechanical characterizatiοn οf micrο-electrοmechanical systems (ΜEΜS) based οn La0.7Sr0.3ΜnΟ3, applicatiοn tο resοnant bοlοmeters

Doctorant·e: TARSI Gaia
Direction de thèse: MECHIN Laurence (Directeur·trice de thèse)
Date de la soutenance: 07/10/2025 à 10:00
Lieu de la soutenance: Campus 2, Science 3, 6 Bd Maréchal Juin, 14000 Caen
Rapporteurs de la thèse: CARRETERO ADRIEN Université de Montpellier
TIERCELIN NICOLAS Ecole centrale de Lille
Membres du jurys: AGNUS GUILLAUME, , Université Paris Saclay
BERGAUD CHRISTIAN, , LAAS Toulouse
CARRETERO ADRIEN, , Université de Montpellier
MANCA NICOLA, , CNR-SPIN de Gênes
MECHIN Laurence, , ENSICAEN
TIERCELIN NICOLAS, , Ecole centrale de Lille

Résumé: Cette thèse propose une nouvelle approche de l’électronique grâce à l’utilisation d’oxydes fonctionnels. Depuis une vingtaine d’années, le domaine de l’électronique a connu un essor considérable, reposant principalement sur l’utilisation du silicium comme matériau de base. L’évolution vers des dimensions micro- et nanométriques a donné naissance à la microélectronique, apportant des avantages remarquables mais aussi de nombreux défis techniques. Récemment, de nouveaux matériaux innovants tels que les oxydes fonctionnels ont été introduits, ouvrant des perspectives prometteuses, notamment dans le domaine des capteurs. Cependant, l’intégration de ces matériaux représente un véritable défi, car les procédés actuels sont optimisés pour le silicium. L’industrie reste encore prudente, en raison du manque de recherche approfondie et de la difficulté à maîtriser complètement leurs propriétés exotiques. Cela souligne la nécessité d’une étude rigoureuse et d’une caractérisation approfondie. Dans ce travail, nous proposons l’intégration d’un oxyde pérovskite particulier, La\textsubscript{2/3}Sr\textsubscript{1/3}MnO\textsubscript{3} (LSMO), avec le silicium pour la fabrication d’un nouveau type de système microélectromécanique (MEMS). Une introduction générale à l’industrie des MEMS et à la complexité des procédés de fabrication est d’abord présentée, avec un accent particulier sur les capteurs à résonateurs mécaniques (MMR). Les principes de la nanomécanique sont expliqués, car ils sont essentiels à la compréhension et à la caractérisation des dispositifs. La suite du manuscrit explore les oxydes pérovskites et le rôle de l’ingénierie de la contrainte dans l’optimisation de leurs propriétés. Le matériau principal utilisé dans cette étude, le LSMO, est présenté en détail, ainsi que ses applications potentielles dans les MEMS. Les chapitres suivants décrivent deux études de cas : la caractérisation mécanique de micro-ponts suspendus à base de LSMO, réalisée dans deux laboratoires européens (CNR-SPIN à Gênes et TU Delft), et l’intégration d’une couche piézoélectrique PZT sur les dispositifs LSMO. Enfin, des mesures de la fréquence de résonance en fonction de la température et de la puissance du laser sont discutées, ouvrant la voie à l’utilisation de ces dispositifs comme bolomètres résonants.
Abstract: This thesis proposes a new approach to electronics through the use of functional oxides. Over the past two decades, the field of electronics has experienced significant growth, primarily relying on silicon as the base material. The transition to micro- and nanoscale dimensions has led to the development of microelectronics, offering remarkable advantages but also numerous technical challenges. Recently, innovative new materials such as functional oxides have been introduced, opening up promising prospects, particularly in the field of sensors. However, integrating these materials poses a real challenge, as current processes are optimized for silicon. The industry remains cautious due to the lack of in-depth research and the difficulty of fully mastering their exotic properties. This highlights the need for rigorous study and thorough characterization. In this work, we propose the integration of a specific perovskite oxide, La\textsubscript{2/3}Sr\textsubscript{1/3}MnO\textsubscript{3} (LSMO), with silicon for the fabrication of a new type of microelectromechanical system (MEMS). A general introduction to the MEMS industry and the complexity of fabrication processes is first presented, with a particular focus on mechanical resonator sensors (MMR). The principles of nanomechanics are explained, as they are essential for understanding and characterizing the devices. The following sections of the manuscript explore perovskite oxides and the role of strain engineering in optimizing their properties. The main material used in this study, LSMO, is described in detail, along with its potential applications in MEMS. The subsequent chapters present two case studies: the mechanical characterization of suspended LSMO-based microbridges, conducted in two European laboratories (CNR-SPIN in Genoa and TU Delft), and the integration of a piezoelectric PZT layer on the LSMO devices. Finally, measurements of the resonance frequency as a function of temperature and laser power are discussed, paving the way for the use of these devices as resonant bolometers.

Ρrοbabilistic analyses οf the transversal hypergraph generatiοn prοblem

Doctorant·e: GHOLAMI Mostafa
Direction de thèse: LHOTE Loick (Directeur·trice de thèse)
DAVID Julien (Co-directeur·trice de thèse)
Date de la soutenance: 03/10/2025 à 14:00
Lieu de la soutenance: Salle des thèses - Batîment Sciences 3
Rapporteurs de la thèse: BODINI OLIVIER Sorbonne Université
RAVELOMANA VLADY Université Paris Cité
Membres du jurys: BODINI OLIVIER, , Sorbonne Université
CREMILLEUX Bruno, , UCN - Université de Caen Normandie
DAVID Julien, , UCN - Université de Caen Normandie
LHOTE Loick, , UCN - Université de Caen Normandie
MARY ARNAUD, , Université Claude Bernard - Lyon 1
PIVOTEAU CARINE, , Université Gustave Eiffel
RAVELOMANA VLADY, , Université Paris Cité

Résumé: Le calcul des traverses minimales d’un hypergraphe, appelé problème de génération d’hypergraphes transversaux (THG), est un problème majeur en informatique théorique, dont la complexité reste ouverte. Cette thèse étudie la complexité en moyenne de l’algorithme classique de Berge, l’une des méthodes les plus anciennes. Nous considérons deux modèles d’hypergraphes aléatoires : le modèle d’Erdős–Rényi et un modèle multiparamétrique. Par des outils de combinatoire analytique, nous obtenons des estimations asymptotiques de la probabilité qu’un ensemble soit un transversal minimal dans le modèle multiparamétrique. Pour le modèle d’Erdős–Rényi, nous calculons le nombre moyen de transversaux minimaux, puis nous démontrons que la complexité en moyenne de l’algorithme de Berge est quasi-linéaire en ce nombre moyen. Enfin, nous comparons Berge à MTMiner, Dong–Li et RS. En moyenne, Berge surpasse MTMiner, et sa complexité en moyenne fournit aussi une borne supérieure pour Dong–Li et RS, renforçant ainsi la portée de notre analyse.
Abstract: The computation of minimal transversals of a hypergraph, known as the Transversal Hypergraph Generation (THG) problem, is a central challenge in theoretical computer science with unresolved complexity. This thesis analyzes the average-case complexity of Berge classical algorithm, one of the earliest methods for THG. We study two random hypergraph models: the Erdős–Rényi model and a multiparametric model. Using analytic combinatorics, we derive asymptotic probabilities for minimal transversals in the multiparametric model. For the Erdős–Rényi model, we compute the average number of minimal transversals and then prove that the average-case complexity of Berge’s algorithm is quasi-linear in this average number. Finally, we compare Berge algorithm with MTMiner, Dong–Li, and RS. On average, Berge outperforms MTMiner, and its computed average-case complexity also bounds that of Dong–Li and RS, highlighting the broader relevance of our results.

Explοitatiοn οf cοlοred 3D meshes using cοnvοlutiοnal netwοrks

Doctorant·e: IBORK Zaineb
Direction de thèse: CHARRIER Christophe (Directeur·trice de thèse)
NOURI Anass (Co-directeur·trice de thèse)
Date de la soutenance: 01/10/2025 à 09:00
Lieu de la soutenance: Université Ibn Tofail de Kénitra, Maroc
Rapporteurs de la thèse: DABOUNOU JAOUAD Université Hassan 1er - Settat
GHOGHO MOUNIR Université Mohammed VI Polytechnique
LARABI MOHAMED-CHAKER Université Poitiers
Membres du jurys: AZZOUZI SALMA, , Université IBN TOFAIL de KENITRA
CHARRIER Christophe, , UCN - Université de Caen Normandie
DABOUNOU JAOUAD, , Université Hassan 1er - Settat
GHOGHO MOUNIR, , Université Mohammed VI Polytechnique
KARINE AYOUB, , Université Paris Cité
LARABI MOHAMED-CHAKER, , Université Poitiers
LEZORAY Olivier, , UCN - Université de Caen Normandie
NOURI Anass, , Université IBN TOFAIL de KENITRA

Résumé: Dans cette thèse, nous abordons la problématique de l’évaluation de la qualité visuelle des maillages 3D ainsi que celle de la saillance visuelle, en mettant en lumière l’importance croissante des méthodes d’évaluation aveugle dans des domaines en plein essor tels que l’infographie, la réalité virtuelle ou l’imagerie médicale. Ce travail met en évidence l’évolution rapide des besoins en traitement des maillages 3D et souligne le rôle clé des approches d’apprentissage profond dans l’analyse des contenus visuels tridimensionnels. L’étude s’intéresse aux principaux défis posés par la détection de la saillance et l’estimation de la qualité perçue des maillages 3D, tout en mettant en évidence les limites des métriques actuellement disponibles dans la littérature. Cette recherche introduit une approche novatrice, intitulée CMDQA, destinée à l’éva\-lua\-tion de la qualité visuelle des maillages 3D, qu’ils soient colorés ou non. Pour surmonter les défis inhérents au traitement direct des données 3D, la méthode repose sur la projection des maillages en vues 2D, exploitant ainsi pleinement le potentiel des réseaux de neurones convolutifs profonds. En combinant des métriques classiques d’évaluation de la qualité d’images sans référence, comme BRISQUE, avec des représentations profondes extraites du réseau VGG16, à la fois à l’échelle des images et des patchs, CMDQA permet une modélisation plus fine et multi-échelle de la géométrie. Les résultats obtenus démontrent que les rendus 2D de contenus 3D constituent une modalité à la fois pertinente et efficace pour estimer la qualité perceptive des maillages. Par ailleurs, nous proposons SARMA Index, une architecture novatrice reposant sur les réseaux de neurones à graphes (GNN) pour la détection de la saillance visuelle sur les maillages 3D non colorés. Cette approche consiste à représenter les maillages sous forme de graphes, en intégrant comme entrées les coordonnées spatiales des sommets ainsi que leurs courbures associées. En s’appuyant sur les principes de l’apprentissage résiduel, SARMA permet d’estimer de manière précise la saillance visuelle, surpassant les méthodes existantes à ce jour. En complément, nous présentons une méthode entièrement automatique de détection de la saillance colorimétrique pour les maillages 3D, qui affiche des résultats compétitifs face aux rares indicateurs existants abordant cette problématique de recherche particulièrement complexe.
Abstract: In this thesis, we address the challenges of visual quality assessment and visual saliency detection in 3D meshes, highlighting the growing importance of blind evaluation methods in rapidly evolving fields such as computer graphics, virtual reality, and medical imaging. This work underscores the increasing demand for advanced 3D mesh processing techniques and emphasizes the pivotal role of deep learning approaches in the analysis of three-dimensional visual content. The study explores the key challenges associated with saliency detection and perceptual quality estimation of 3D meshes, while identifying the limitations of existing metrics in the current literature. The study mainly introduces an innovative approach, called CMDQA, designed to assess the visual quality of both colored and non-colored 3D meshes. To overcome the inherent difficulties of directly processing 3D data, the method relies on projecting meshes into 2D views, thereby leveraging the full potential of deep convolutional neural networks. By combining traditional no-reference image quality metrics such as BRISQUE with deep feature representations extracted from the VGG16 network, both at the image and patch levels. That way, CMDQA enables a more refined, multi-scale modeling of geometry. The results demonstrate that 2D renderings of 3D content provide a relevant and effective modality for estimating perceptual mesh quality. Furthermore, we propose the SARMA Index, an original architecture based on Graph Neural Networks (GNNs) for visual saliency detection in non-colored 3D meshes. In this approach, meshes are modeled as graphs, using the spatial coordinates of vertices and their corresponding curvature as inputs. Leveraging residual learning, SARMA provides accurate predictions of perceptual saliency, outperforming current state-of-the-art methods. Additionally, we present a fully automated method for detecting color-based saliency on 3D meshes, achieving competitive performance compared to the few existing metrics addressing this particularly challenging research problem.

Andersοn mοdules and L-series: a Ρ-adic study

Doctorant·e: LUCAS Alexis
Direction de thèse: NGO DAC Tuan (Directeur·trice de thèse)
TAVARES RIBEIRO Floric (Co-directeur·trice de thèse)
TAVARES RIBEIRO Floric (Co-encadrant·e de thèse)
Date de la soutenance: 26/09/2025 à 09:30
Lieu de la soutenance: Caen
Rapporteurs de la thèse: FOUQUET OLIVIER Université Marie et Louis Pasteur
PAPANIKOLAS MATTHEW UNIVERSITE TEXAS A&M ETATS-UNIS
Membres du jurys: ANGLES Bruno, , UCN - Université de Caen Normandie
FOUQUET OLIVIER, , Université Marie et Louis Pasteur
IM BO-HAE, , KAIST
LEBACQUE PHILIPPE, , Université de Limoges
NGO DAC Tuan, , UCN - Université de Caen Normandie
PAPANIKOLAS MATTHEW, , UNIVERSITE TEXAS A&M ETATS-UNIS
TAVARES RIBEIRO Floric, , UCN - Université de Caen Normandie

Résumé: Dans cette thèse, nous étudions des séries L P-adiques dans le contexte des modules d’Anderson, qui seront les analogues P-adiques des séries L de Taelman pour les modules de Drinfeld. Le point de départ est la construction des séries L avec une variable z introduite par Anglès et Tavares Ribeiro, et la formule des classes pour les t-modules d’Anderson avec cette variable z démontrée par Demeslay. Nous construisons d’abord ces séries L P-adiques, étudions leur convergence et démontrons une formule P-adique du nombre de classes. Nous étendons ensuite ces constructions au cas des modules d’Anderson sur des anneaux de base possédant plusieurs variables. Enfin, nous effectuons une étude approfondie de ces séries L P-adiques dans le cas des modules de Drinfeld.
Abstract: In this thesis, we study P-adic L-series in the context of Anderson modules, which are the P-adic analogues of Taelman L-series for Drinfeld modules. The starting point is the construction of L-series with a variable z introduced by Anglès and Tavares Ribeiro, and the class formula for Anderson t-modules with this variable z proved by Demeslay. We first construct these P-adic L-series, study their convergence, and prove a P-adic class number formula. We then extend these constructions to the case of Anderson modules over base rings with several variables. Finally, we study the case of Drinfeld modules.

Cοntributiοn au diagnοstic de défauts capteurs dans une chaine de cοnversiοn électrique. Applicatiοn sur les véhicules électriques.

Doctorant·e: AJRA Youssef
Direction de thèse: HOBLOS GHALEB (Directeur·trice de thèse)
MOUBAYED NAZIH (Co-directeur·trice de thèse)
Date de la soutenance: 25/09/2025 à 14:00
Lieu de la soutenance: ESIGELEC
Rapporteurs de la thèse: ALONSO CORINNE Université de Toulouse 3 - Paul Sabatier
BOUKHNIFER MOUSSA Eni Metz
Membres du jurys: ALONSO CORINNE, , Université de Toulouse 3 - Paul Sabatier
BOUKHNIFER MOUSSA, , Eni Metz
DIALLO DEMBA, , Université Paris-Saclay
HOBLOS GHALEB, , ESIGELEC ROUEN
MOUBAYED NAZIH, , Université Libanaise
TARNINI MOHAMAD, , Université de Beyrouth (Liban)

Résumé: Mes recherches doctorales portent sur le diagnostic robuste des défauts capteurs dans la chaîne de conversion des véhicules électriques (VE). L’objectif de ce travail est d’améliorer la fiabilité et la sécurité des systèmes de VE en détectant et en isolant les défauts capteurs à l’aide de techniques à base de modèles. L’étude cible spécifiquement la chaîne de conversion composée d’un onduleur de tension (VSI), d’un filtre LCL et d’un moteur électrique, surveillés par six capteurs de tension et de courant placés stratégiquement, conformément aux pratiques industrielles standards. La thèse est structurée en quatre chapitres : Chapitre 1 présente une revue de littérature complète sur les techniques de diagnostic de défauts basées sur les modèles, avec un accent particulier sur la comparaison entre les méthodes d’estimation d’état et d’estimation de paramètres. Différentes approches basées sur des observateurs et filtres de Kalman sont analysées de manière critique. Une revue des diverses topologies des sous-systèmes de la chaîne de conversion, à savoir le convertisseur DC-DC et l’onduleur DC-AC, est également incluse. Chapitre 2 traite de la conception des paramètres de la chaîne de conversion en fonction de la puissance choisie pour l’ensemble des sous-systèmes. Il couvre également la modélisation en espace d’état de la chaîne de conversion du VE, à l’aide d’un modèle mathématique détaillé développé pour capturer la dynamique du convertisseur DC-DC (type Ćuk), de l’onduleur triphasé (type VSI) et du filtre LCL, qui sert de base au cadre de diagnostic des défauts. Chapitre 3 propose une approche de diagnostic et d’isolement des défauts en utilisant une banque de filtres de Kalman. Ce chapitre inclut aussi une analyse comparative entre les configurations en boucle ouverte et en boucle fermée, démontrant que la conception en boucle fermée offre de meilleures performances de diagnostic. La détection de défauts est évaluée à l’aide de courbes ROC, ainsi que d’indicateurs de performance tels que la précision, la spécificité, la sensibilité, le taux de faux positifs (FPR), le taux de faux négatifs (FNR) et l’aire sous la courbe ROC (AUC). Ce chapitre examine également la robustesse du système de détection face aux incertitudes de modélisation. Les résultats révèlent l’apparition de fausses alarmes en l’absence de défauts capteurs, mettant en évidence les limites de l’approche classique. De plus, l’approche est testée sous des scénarios de défauts simples, doubles, triples et quadruples capteurs, en exploitant l’observabilité du système même en configuration réduite de capteurs. Chapitre 4 répond à ces limites en introduisant une conception d’observateur robuste afin d’améliorer le diagnostic de défauts en présence d’incertitudes du système. La banque de filtres de Kalman initiale est modifiée pour intégrer des observateurs à découplage optimal des perturbations (ODDOs), permettant la génération de résidus robustes. Une comparaison approfondie entre la méthode classique basée sur les filtres de Kalman et l’approche robuste proposée est menée sur l’ensemble des scénarios de défauts, en utilisant les mêmes indicateurs de performance diagnostique. Les résultats confirment que l’observateur robuste surpasse largement la méthode classique, en particulier dans des environnements incertains et en présence de multiples défauts capteurs simultanés. Cette recherche propose ainsi une solution complète et évolutive pour la détection robuste de défauts capteurs dans les véhicules électriques, contribuant à améliorer la tolérance aux défauts et la sécurité opérationnelle des systèmes de VE.
Abstract: My doctoral research focuses on robust sensor fault diagnosis in the conversion chain of electric vehicles (EVs). The work aims to enhance the reliability and safety of EV systems by detecting and isolating sensor faults using model-based techniques. The study specifically targets the conversion chain comprising a voltage source inverter (VSI), an LCL filter, and an electric motor, which is monitored by six strategically placed voltage and current sensors, consistent with standard industry practices. The thesis is structured into four chapters: Chapter 1 presents a comprehensive literature review on model-based fault diagnosis techniques, with an emphasis on comparing state estimation and parameter estimation methods. Various observer and Kalman filter-based approaches are critically analyzed. In addition to reviewing several topologies of the conversion chain sub-systems that are the DC-DC converter and the DC-AC inverter. Chapter 2 covers the conversion chain parameter design based on the selected chain power for all of the sub-systems. Also it covers the state-space modeling of the EV conversion chain using a detailed mathematical model that is developed to capture the dynamics of the DC-DC converter (CUK type), the three-phase inverter (VSI type), and the LCL filter, which serves as the foundation for the fault diagnosis framework. Chapter 3 proposes a fault diagnosis and isolation approach using a bank of KALMAN filters. The chapter also includes a comparative analysis between open-loop and closed-loop configurations, demonstrating that the closed-loop design yields superior diagnostic performance. Fault detection is evaluated using ROC curves, along with performance metrics such as accuracy, specificity, sensitivity, false positive rate (FPR), false negative rate (FNR), and the area under the ROC curve (AUC). This chapter also investigates the robustness of the fault detection system under modeling uncertainties. Results show occurrences of false alarms in the absence of sensor faults, revealing limitations of the classical approach. Furthermore, the approach is tested under single, double, triple, and quadruple sensor fault scenarios, leveraging the system's observability even under reduced sensor configurations. Chapter 4 addresses these limitations by introducing a robust observer design to enhance fault diagnosis under system uncertainties. The original KALMAN filter bank is modified to incorporate optimal disturbance decoupling observers (ODDOs), enabling the generation of robust residuals. A thorough comparison between the classical KALMAN filter-based method and the proposed robust approach is conducted across all fault scenarios, using the same diagnostic performance metrics. The results confirm that the robust observer significantly outperforms the classical method, particularly in environments with uncertainty and multiple simultaneous sensor faults. This research provides a comprehensive and scalable solution for robust sensor fault detection in electric vehicles, contributing to improved fault tolerance and operational safety in EV systems.

Ηοmοgénéisatiοn de prοblémes d’évοlutiοn dans des dοmaines à frοntiéres fοrtement οscillantes et avec des dοnnées peu réguliéres

Doctorant·e: BOVE Silvio
Direction de thèse: GUIBE OLIVIER (Directeur·trice de thèse)
Date de la soutenance: 22/09/2025 à 10:30
Lieu de la soutenance: Université de Rouen Normandie
Rapporteurs de la thèse: BONNETIER ERIC Université de Grenoble Alpes
CASADO DIAZ JUAN Université de Seville (ESPAGNE)
Membres du jurys: BONNETIER ERIC, , Université de Grenoble Alpes
BUNOIU-SCHILTZ RENATA, , Université de Lorraine
CASADO DIAZ JUAN, , Université de Seville (ESPAGNE)
GUIBE OLIVIER, , URN - Université de Rouen Normandie
KIAN YAVAR, , URN - Université de Rouen Normandie
MURAT FRANCOIS, , UNIVERSITE PARIS 6 PIERRE ET MARIE CURIE
PISANTE GIOVANNI, , Seconde Université de Naples (ITA)
SANDIER ETIENNE, , UNIVERSITE PARIS 12 VAL DE MARNE

Résumé: Cette thèse est consacrée à l’étude du problème d’homogénéisation de la brosse (ou « brushproblem »). La question est d’étudier le comportement asymptotique d’une EDP (elliptique ouparabolique) dans un domaine présentant une structure de type brosse en dimension trois, oude type peigne en dimension deux, c’est-à-dire un ouvert constitué de dents cylindriques verti-cales réparties régulièrement au-dessus d’une base fixe. En particulier, on cherche à déterminerle problème limite, également appelé problème homogénéisé, et à démontrer des résultats deconvergence vers la solution limite.Le travail est divisé en deux parties : une première partie est consacrée à une classe deproblèmes elliptiques non linéaires, et une deuxième partie consacrée à une classe de problèmesparaboliques linéaires. Le point commun et l’originalité résident dans la géométrie fortementoscillante, non nécessairement périodique, et dans le fait que le second membre est uniquementsupposé appartenir à L1. Considérer une équation elliptique ou parabolique avec un secondmembre dans L1nécessite un cadre fonctionnel adapté. Dans cette thèse, nous utilisons etdéveloppons la notion de solution rénormalisée.Dans le premier chapitre, nous établissons l’existence de solutions lorsque le second membreappartient à L1, en utilisant le cadre des solutions rénormalisées. Cette approche est nécessaireen raison du manque de régularité des données, qui empêche l’utilisation des notions classiquesde solution. Dans le second chapitre, nous étudions l’homogénéisation du même problème el-liptique non linéaire avec données dans L1. Nous analysons le comportement asymptotique etprouvons que la solution rénormalisée du problème converge (dans un sens approprié) vers lasolution rénormalisée du problème homogénéisé. Les principales difficultés proviennent du ca-ractère non linéaire de l’équation, de la faible régularité des solutions due aux données dans L1,ainsi que de la nature fortement oscillante de la frontière du domaine.La deuxième partie de la thèse est dédiée à l’étude d’un problème parabolique linéaire,toujours avec des données dans L1. La première étape, objet du chapitre 3, consiste à définirune notion de solution rénormalisée pour un problème parabolique linéaire de transmissiondégénéré, et à démontrer des résultats d’existence, d’unicité et de stabilité. Par rapport auchapitre 2 et à la littérature sur le sujet, le caractère dégénéré de l’opérateur et la présencede la dérivée en temps compliquent notablement le problème. Grâce à ces résultats, nous nousintéressons dans le chapitre 4 à l’homogénéisation de l’équation parabolique linéaire. Commedans le cas elliptique, nous analysons le comportement asymptotique de la solution associée àun domaine dont la frontière est fortement oscillante. Nous identifions le problème homogénéiséet prouvons la convergence, en mettant en évidence l’interaction délicate entre la dépendanceen temps, la faible régularité des données et la structure oscillante de la frontiére du domaine.
Abstract: This thesis is devoted to the study of the homogenization problem in domains with a brush-like geometry.The aim is to analyze the asymptotic behavior of a partial differential equation (either ellipticor parabolic) posed in a domain that exhibits a brush-type structure in three dimensions ora comb-type structure in two dimensions; that is, an open set composed of vertically alignedcylindrical teeth distributed regularly over a fixed base. In particular, we seek to identify thelimiting problem, also called the homogenized problem, and to prove convergence results towardthe corresponding limit solution.The work is divided into two main parts: the first is dedicated to a class of nonlinear ellipticproblems, while the second focuses on a class of linear parabolic problems. The common threadand main novelty lie in the highly oscillatory, not necessarily periodic geometry of the domain,and in the fact that the source term is assumed to belong only to L1. Studying an elliptic orparabolic equation with an L1right-hand side requires a suitable functional framework. In thisthesis, we employ and develop the concept of renormalized solutions.In the first chapter, we establish the existence of solutions when the source term belongsto L1, using the framework of renormalized solutions. This approach is necessary due to thelack of regularity in the data, which prevents the use of classical notions of solutions. Inthe second chapter, we study the homogenization of the same nonlinear elliptic problem withL1data. We analyze the asymptotic behavior and prove that the renormalized solution ofthe original problem converges (in an appropriate sense) to the renormalized solution of thehomogenized problem. The main difficulties arise from the nonlinear nature of the equation,the low regularity of the solution due to the L1data, and the strongly oscillating boundary ofthe domain.The second part of the thesis is devoted to the study of a linear parabolic problem, againwith source terms in L1. The first step, addressed in Chapter 3, is to define a notion of renor-malized solution for a degenerate linear parabolic transmission problem and to prove resultsof existence, uniqueness, and stability. Compared to Chapter 2 and the existing literature,the degenerate character of the operator and the presence of the time derivative significantlyincrease the complexity of the problem. Building on these results, Chapter 4 is dedicated tothe homogenization of the linear parabolic equation. As in the elliptic case, we analyze theasymptotic behavior of the solution associated with a domain whose boundary exhibits strongoscillations. We identify the homogenized limit problem and establish convergence, highlightingthe delicate interplay between time dependence, low regularity of the data, and the oscillatorystructure of the domain boundary.

Μοdèles génératifs pοur la prédictiοn de la prοgressiοn du cancer à partir de dοnnées multimοdales

Doctorant·e: KEBAILI Aghiles
Direction de thèse: RUAN SU (Directeur·trice de thèse)
LAPUYADE-LAHORGUE JEROME (Co-encadrant·e de thèse)
Date de la soutenance: 16/09/2025 à 14:00
Lieu de la soutenance: Centre Henri Becquerel
Rapporteurs de la thèse: BURGOS NINON Sorbonne Universite
MERIAUDEAU FABRICE Universite Bourgogne Europe
Membres du jurys: BURGOS NINON, , Hôpital Pitié-Salpêtrière
FRINDEL CAROLE, , Institut National des Sciences Appliquees de Lyon
KURTZ CAMILLE, , Université Paris Cité
LAPUYADE-LAHORGUE JEROME, , URN - Université de Rouen Normandie
MERIAUDEAU FABRICE, , Universite Bourgogne Europe
RUAN SU, , URN - Université de Rouen Normandie
VERA PIERRE, , URN - Université de Rouen Normandie

Résumé: L'apprentissage profond a révolutionné l'imagerie médicale, permettant une précision sans précédent dans des tâches telles que la segmentation d'organes, la détection de lésions et la classification tissulaire. Il devient de plus en plus essentiel d'appliquer ces méthodes à des prédictions cliniques complexes, notamment la progression du cancer et la réponse au traitement. Dans cette thèse, nous nous intéressons à la prédiction spatiale pixel à pixel de l'évolution des tumeurs cérébrales, en particulier des gliomes, en développant une framework novatrice pour la modélisation spatiale de la croissance tumorale. Ces tâches de prédiction sont intrinsèquement complexes et exigent de vastes jeux de données longitudinales et multimodales afin d'appréhender l'ensemble des paramètres cliniques, biologiques ou radiologiques qui régissent le comportement tumoral. Or, les données d'imagerie médicale restent très limitées : d'une part à cause de protocoles d'acquisition lourds et coûteux, de la réglementation sur la confidentialité, et de la survie restreinte des patients atteints de gliome, d'autre part en raison de la nature souvent irrégulière des suivis IRM en pratique clinique, qui aboutit à des séries incomplètes et déséquilibrées. Pour surmonter ces difficultés, nous proposons dans la première partie de notre travail deux méthodes d'augmentation générative, tirant parti des autoencodeurs variationnels et des modèles de diffusion pour synthétiser des images médicales longitudinales de haute fidélité ainsi que leurs masques de segmentation correspondants, offrant une représentation spatiale claire des tumeurs générées. En enrichissant le jeu de données d'entraînement de cette façon, nous améliorons significativement la qualité des modèles prédictifs en aval. En nous appuyant sur les données synthétiques générées précédemment, nous avons élaboré un modèle de diffusion multitâche, capable de prévoir l'évolution spatiale des gliomes à partir de deux acquisitions initiales uniquement. Lors de nos tests sur des cohortes publiques et privées, il atteint un coefficient de Dice moyen de 0,75 sur des prévisions s'étalant sur plusieurs mois, tout en conservant une robustesse remarquable entre différents centres d'imagerie. En combinant notre approche d'augmentation générative, cette approche démontre la possibilité de modéliser avec précision la progression des gliomes, sans être contraint par un repère temporel fixe, même lorsque les séries longitudinales restent limitées. Ces résultats représentent une avancée majeure pour la neuro-oncologie, en offrant aux cliniciens un outil de planification thérapeutique plus fin et adapté à chaque patient.
Abstract: Deep learning has revolutionized medical imaging, enabling unprecedented accuracy in tasks such as organ segmentation, lesion detection, and tissue classification. It becomes increasingly important to apply these methods to complex clinical predictions, such as prediction of cancer progression and treatment response. In this thesis, we focus on predicting spatial pixel-wise brain tumor evolution, particularly glioma progression, by developing a novel framework for spatial modeling of tumor growth. Such prediction tasks are inherently complex and rely on vast, multimodal, longitudinal datasets to capture the numerous factors influencing tumor behavior. However, medical imaging data are chronically scarce due to burdensome acquisition protocols, privacy regulations, and the limited survival time of glioma patients, further exacerbated by the irregularly acquired longitudinal MRI data in clinical practice, leading to incomplete follow-up sequences and data imbalances. To address these challenges, we propose in the first part of our work two generative augmentation method, leveraging variational autoencoders and diffusion-based models to synthesize high-fidelity longitudinal medical images and their corresponding segmentation masks, providing a clear spatial representation of generated tumors. The augmented datasets substantially improve training for downstream prediction models. Building on these enriched datasets, we propose in the second part of our work, an end-to-end multitask diffusion framework that integrates synthetic medical images and uncertainty quantification to forecast spatial tumor progression from as few as two early MRI timepoints. Our model accurately predicts future tumor extent up to several months ahead, achieving a mean Dice similarity coefficient of 0.75 on held-out public and private test sets, and demonstrating robust generalization across imaging centers. By combining generative augmentation approaches with a multi-task diffusion-based predictor, we show the possibility of accurate, time-agnostic glioma progression modeling from limited longitudinal MRI data. This work represents a significant step toward improving clinical decision-making in neuro-oncology, enabling personalized treatment planning and better patient outcomes.

Οptimal Cοntrοl Ρrοblems gοverned by Stοchastic Ρartial Differential Equatiοns

Doctorant·e: VISCONTI RONCAGLIOLO PIERO
Direction de thèse
Date de la soutenance: 10/09/2025 à 13:30
Lieu de la soutenance: INSA Rouen Normandie
Rapporteurs de la thèse
Membres du jurys

Résumé: La commande optimale est une discipline mathématique qui étudie quelle décision de contrôle, pour un système dynamique, optimise un indicateur de performance précisément défini. Ces systèmes doivent souvent être analysés en présence d’incertitudes. Cette thèse examine plusieurs classes de problèmes de contrôle optimale régis par des systèmes d’évolution de dimension infinie, soumis à une certaine forme d’aléa. Nous trouvons les conditions d’optimalité pour ces systèmes dans l’esprit du célèbre principe du maximum de Pontryagin. La première partie de la thèse concerne les problèmes de contrôle optimal régis par des équations d’évolution stochastiques de type parabolique, où contrôle et bruit sont présents et peuvent interagir à la frontière. Pour établir des conditions d’optimalité adéquates, il est nécessaire d’établir une nouvelle régularité pour les processus adjoints, ce qui est réalisé par une approche de dualité qui étend la méthode de transposition stochastique. La deuxième partie traite des problèmes de contrôle optimal régis par des équations d’évolution stochastiques non linéaires, mais présentant certaines hypothèses de monotonie. Nous étudions les variations des trajectoires en fonction des perturbations des commandes. Le principe du maximum stochastique peut ensuite être étendu à ce cadre. Des applications à plusieurs classes d’équations sont données. La dernière partie concerne le contrôle optimal des équations aux dérivées partielles paraboliques à paramètres aléatoires soumises à des contraintes d’état presque sûres dans l’espace des fonctions continues. Un principe du maximum est obtenu ; pour gérer cette contrainte, il faut introduire un multiplicateur prenant ses valeurs dans l’espace des mesures de Radon, qui n’est qu’une variable aléatoire mesurable faible∗ .
Abstract: Optimal control is a mathematical discipline which studies which control decision for a dynamical system optimizes some precisely defined performance indicator. Often times, this systems need to be analyzed in the presence of uncertainties. This dissertation examines several classes of optimal control problems governed by infinite dimensional evolution systems which are subject to randomness in some way. We find optimality conditions for such systems in the spirit of the celebrated Pontryagin Maximum Principle. The first part of the thesis concerns optimal control problems which are governed by stochastic evolution equations of parabolic type, where control and noise are present and may interact on the boundary. To establish suitable optimality conditions, it is necessary to establish some new regularity for the adjoint processes, which is done by a duality approach which extends the stochastic transposition method. The second part deals with optimal control problems governed by stochastic evolution equations which are nonlinear, but which present certain monotonicity assumtions. We study the variations of the trajectories with respect to perturbations in the controls. The stochastic maximum principle can then be extended to this setting. Applications to several classes of equations are given. The last part concerns the optimal control of parabolic partial differential equations with random parameters which are subject to almost sure state constraints in the space of continuous functions. A maximum principle is obtained, in order to handle the constraint a multiplier must be introduced which takes its values in the space of Radon measures, which is only a weak* -measurable random variable.

Adaptatiοn dynamique de la gestiοn de charge cοmputatiοnnelle par criticalité autο-οrganisée

Doctorant·e: HELEINE Paulin
Direction de thèse: OLIVIER DAMIEN (Directeur·trice de thèse)
JIMENEZ LAREDO JUAN LUIS (Co-encadrant·e de thèse)
Date de la soutenance: 19/09/2025 à 15:00
Lieu de la soutenance: amphi Lesueur UFRST universite Le Havre
Rapporteurs de la thèse: JOHNEN COLETTE Université de Bordeaux
LANG CHRISTOPHE Université Bourgogne Franche-Comté
Membres du jurys: JIMENEZ LAREDO JUAN LUIS, , UNIVERSIDAD DE GRANADA
JOHNEN COLETTE, , Université de Bordeaux
LANG CHRISTOPHE, , Université Bourgogne Franche-Comté
MARILLEAU NICOLAS, , UMMISCO Unité de Modélisation Mathématique et Informatique des Systèmes Complexes
OLIVIER DAMIEN, , ULHN - Université Le Havre Normandie

Résumé: De nombreux systèmes, naturels ou artificiels, s'appuient sur des mécanismes d'équilibrage de charge pour fonctionner efficacement, mécanismes qui dépendent directement de l'organisation de leurs composants. Cette organisation peut être centralisée, contrôlée par une entité unique, ou émerger à partir de décisions prises localement, conduisant à une auto-organisation du système. Nous nous intéressons dans cette thèse à la criticalité auto-organisée, un phénomène où des instabilités locales génèrent spontanément des organisations. Nous explorons ainsi comment ce phénomène peut être exploité pour équilibrer la charge dans des systèmes informatiques distribués. Dans un premier temps, nous examinons la robustesse des systèmes qui présentent de la criticalité auto-organisée à l'aide du modèle du tas de sable proposé par Bak, Tang et Wiesenfeld. Nos résultats montrent que l'introduction d'une quantité minimale d'aléatoire dans la structure du système augmente notablement sa résistance aux défaillances, repoussant ainsi les seuils critiques d'effondrement. Dans un second temps des mécanismes d'auto-adaptation, utilisant un modèle dérivé du tas de sable où chaque élément est susceptible de traiter des tâches, sont développés. Ces mécanismes s'adaptent efficacement aux surcharges tout en présentant des atouts et des limites propres. Ces travaux ouvrent des perspectives vers des systèmes distribués robustes et adaptatifs inspirés de l'auto-organisation.
Abstract: Many natural and artificial systems rely on load-balancing mechanisms to operate efficiently, mechanisms that are directly influenced by the organization of their components. This organization can be either centralized, governed by a single controlling entity, or it can emerge from local decision-making processes, leading to self-organization within the system. This dissertation focuses on self-organized criticality, a phenomenon in which local instabilities spontaneously give rise to organized behavior. We investigate how this phenomenon can be leveraged to balance load in distributed computing systems. First, we examine the robustness of systems exhibiting self-organized criticality through the sandpile model introduced by Bak, Tang, and Wiesenfeld. Our results show that introducing a minimal amount of randomness into the system's structure significantly enhances its resilience to failures, thereby increasing the critical thresholds at which collapse occurs. Second, we develop self-adaptive mechanisms based on a modified sandpile model, in which each component is capable of processing tasks. These mechanisms adapt efficiently to overload conditions while exhibiting specific advantages and limitations. This work opens new perspectives for the design of robust and adaptive distributed systems inspired by self-organization.

Ιntercοnnexiοn d’un système de transpοrt pοint à pοint et d’un réseau de transpοrt en cοmmun

Doctorant·e: PENZ Louise
Direction de thèse: SANLAVILLE ERIC (Directeur·trice de thèse)
DUHAMEL CHRISTOPHE (Co-encadrant·e de thèse)
Date de la soutenance: 05/09/2025 à 10:30
Lieu de la soutenance: AMPHI NORMAND 25 RUE PHILIPPE LEBON UFR ST
Rapporteurs de la thèse: PETON OLIVIER IMT ATLANTIQUE NANTES
PRODHON CAROLINE Université de technologie de Troyes
Membres du jurys: BRAUNER NADIA, , Université de Grenoble Alpes
DUHAMEL CHRISTOPHE, , ULHN - Université Le Havre Normandie
LACOMME PHILIPPE, , UNIVERSITE CLERMONT FERRAND 1 AUVERGNE
PETON OLIVIER, , Ecole nationale supérieure Mines-Télcom Atlantique Bretagne (IMT)
PRODHON CAROLINE, , Université de technologie de Troyes
SANLAVILLE ERIC, , ULHN - Université Le Havre Normandie
VERCRAENE SAMUEL, , Institut National des Sciences Appliquees de Lyon

Résumé: Le Dial-A-Ride Problem (DARP) consiste à planifier le transport à la demande de personnes, d’un point à un autre, en respectant des contraintes de temps de trajet et d’horaires. Deux variantes sont étudiées: le Integrated DARP (IDARP) et le walk and IDARP (wIDARP), qui intègrent l’usage combiné de véhicules et de transports en commun, avec la possibilité de débuter ou terminer à pied. Ces approches visent à offrir une solution flexible pour les zones périurbaines mal desservies, tout en limitant l’accès des véhicules aux centres urbains congestionnés. Le premier objectif est de déterminer le nombre minimal de véhicules assurant la faisabilité des demandes. Pour cela, plusieurs méthodes sont développées: la Programmation Par Contraintes (PPC), efficace pour de petites instances, et des heuristiques et métaheuristiques plus adaptées aux cas complexes. La PPC permet de garantir l’optimalité du nombre de véhicules, tandis que les métaheuristiques fournissent rapidement de bonnes solutions. Le second objectif porte sur la minimisation du temps de route. Une métaheuristique principale, ainsi que plusieurs variantes, sont explorées. Malgré les alternatives testées, la méthode de base s’avère la plus performante. Une autre contribution de la thèse est la création d’instances réalistes basées sur la ville du Havre. Ces instances permettent de simuler des problèmes de transports avec des données réalistes, en prenant en compte les trams et les temps de route.
Abstract: The Dial-A-Ride Problem (DARP) involves planning on-demand passenger transportation from an origin to a destination, while respecting time windows and maximum ride durations. This work focuses on two variants: Integrated DARP (IDARP) and walk and IDARP (wIDARP), which combine the use of private vehicles with public transit, allowing users to walk at the start or end of their trip when the nearest transit stop is within reasonable distance. These approaches aim to provide flexible mobility solutions for poorly served suburban areas while reducing vehicle access to congested city centers. The first objective is to determine the minimal number of vehicles required to ensure feasibility. Several methods are developed for this purpose: Constraint Programming (CP), which is effective for small instances and guarantees optimality, and heuristic and metaheuristic approaches better suited to larger, more complex problems. While CP ensures the minimum number of vehicles, metaheuristics generate good-quality solutions in shorter computational times. The second objective focuses on minimizing total travel time. A primary metaheuristic and several variants are explored. Despite the different strategies tested, the base method proves to be the most effective. Another key contribution of this thesis is the development of realistic instances based on the city of Le Havre. These instances allow for the simulation of transport scenarios using real-world data, including tram networks and actual travel times.

Τοwards intelligent and Lightweight Security and Ρrivacy Sοlutiοns fοr Ιndustrial ΙοΤ Systems

Doctorant·e: SELAMNIA Aymene
Direction de thèse: KHOUKHI LYES (Directeur·trice de thèse)
Date de la soutenance: 03/09/2025 à 14:00
Lieu de la soutenance: Salle de soutenances de thèses (Caen, Unicaen, campus 2)
Rapporteurs de la thèse: LORENZ PASCAL Université de Haute-Alsace
MOUNGLA HASSINE Université Paris Cité
Membres du jurys: ABOU EL HOUDA ZAKARIA, , Université du Québec - INRS
AHMED ABDELKADER BOUAZIZ, , Numeryx Technologies
AYADI MONDHER, , Numeryx Technologies
KHOUKHI LYES, , ENSICAEN
LORENZ PASCAL, , Université de Haute-Alsace
MOKDAD LYNDA, , UNIVERSITE PARIS 12 VAL DE MARNE
MOUDOUD HAJAR, , Université du Québec en Outaouais
MOUNGLA HASSINE, , Université Paris Cité

Résumé: Face à la croissance rapide des systèmes industriels connectés, la sécurité de l’Internet des Objets Industriels (IIoT) devient une priorité, en particulier en ce qui concerne la détection d’intrusions dans des environnements contraints en ressources. Cette thèse s’intéresse à la conception de mécanismes intelligents et efficaces capables d’assurer cette détection sans compromettre ni la confidentialité des données ni la performance. Elle présente une progression de solutions techniques allant de la modélisation stochastique pour la détection d’anomalies à des classificateurs profonds guidés par la confiance, jusqu’à des architectures d’apprentissage scindé et des variantes hybrides intégrant des circuits quantiques variationnels. Ces approches ont été implémentées et évaluées sur des données réelles issues de réseaux IIoT, démontrant des gains notables en précision, en robustesse et en capacité de déploiement à l’échelle de l’edge. Les résultats soulignent l’intérêt de paradigmes d’apprentissage adaptés, enrichis par des optimisations spécifiques au domaine et des techniques issues de l’informatique quantique. Ce travail ouvre ainsi la voie à des architectures de sécurité IIoT plus souples, distribuées et respectueuses de la vie privée.
Abstract: The increasing reliance on Industrial Internet of Things (IIoT) systems has amplified the need for scalable and efficient cybersecurity mechanisms, particularly intrusion detection systems capable of operating under severe resource constraints. This thesis explored how intelligent yet lightweight detection frameworks can be developed to protect IIoT networks without sacrificing performance or privacy. A series of progressively refined solutions were introduced, ranging from stochastic models for state-based anomaly detection to deep learning classifiers guided by confidence evaluation, and from distributed split learning architectures to hybrid quantum-classical schemes. These methods were implemented and assessed using real-world IIoT traffic datasets, demonstrating improvements in classification accuracy, model robustness, and deployment feasibility at the edge. The findings reveal that tailored learning paradigms—especially when combined with domain-specific optimizations and quantum enhancements—can overcome limitations of traditional intrusion detection systems in complex industrial settings. This work lays the foundation for adaptive and privacy-preserving security architectures in future IIoT ecosystems.

Artificial Ιntelligence in DDοS Μitigatiοn

Doctorant·e: KADI Adam
Direction de thèse: KHOUKHI LYES (Directeur·trice de thèse)
Date de la soutenance: 03/09/2025 à 09:00
Lieu de la soutenance: Salle de soutenances de thèses (Caen, Unicaen, campus 2)
Rapporteurs de la thèse: LORENZ PASCAL Université de Haute-Alsace
MOUNGLA HASSINE Université Paris Cité
Membres du jurys: ABOU EL HOUDA ZAKARIA, , Université du Québec - INRS
KHOUKHI LYES, , ENSICAEN
LORENZ PASCAL, , Université de Haute-Alsace
MOKDAD LYNDA, , UNIVERSITE MARNE LA VALLEE UNIV PARIS EST MARNE LA VALLEE
MOUDOUD HAJAR, , Université du Québec en Outaouais
MOUNGLA HASSINE, , Université Paris Cité
VIINIKKA Jouni, , 6cure - Service de sécurité informatique

Résumé: Les attaques par déni de service distribué (DDoS) représentent une menace croissante pour la cybersécurité, s’appuyant sur des techniques toujours plus sophistiquées pour perturber les services en ligne. L’intelligence artificielle (IA) et l’apprentissage automatique (ML) sont de plus en plus étudiés pour contrer ces attaques, mais un écart persiste entre la recherche académique et les applications industrielles concrètes. Cette thèse explore ce fossé, en mettant l’accent sur le développement de solutions d’IA adaptées aux contraintes des environnements de production : traitement en temps réel, décisions explicables, intégration avec les infrastructures existantes. Elle vise à proposer des méthodologies robustes et applicables, capables de détecter efficacement des schémas d’attaques complexes tout en restant déployables et interprétables dans un cadre opérationnel.
Abstract: Distributed Denial of Service (DDoS) attacks continue to evolve as a major cybersecurity threat, leveraging increasingly sophisticated techniques to disrupt online services through high-volume traffic floods, protocol vulnerabilities, and targeted application-layer attacks. While Artificial Intelligence (AI) and Machine Learning (ML) have emerged as promising solutions for DDoS mitigation, a significant disconnect persists between academic research and practical industrial applications. This thesis investi- gates the gap between theoretical AI/ML approaches and their real-world implementation in DDoS mitigation systems. Academic studies often focus on idealized scenarios using outdated datasets, failing to address operational constraints such as real-time processing requirements, explainable decision-making, and integration with existing mitigation infrastructure. Meanwhile, industrial solutions frequently lack transparency and struggle to adapt to emerging attack vectors. A central focus involves developing practical AI solutions that meet the stringent requirements of production environments,particularly the need for real-time analysis and actionable mitigation strategies. The study emphasizes creating interpretable systems that security teams can trust and deploy effectively, while maintaining high detection accuracy against complex attack patterns. Through comprehensive testing and validation, this work aims to establish methodologies for implementing AI-powered DDoS defenses that are both theoretically robust and operationally viable. The results will provide valuable insights for bridging the gap between academic innovation and industrial cybersecurity needs, ultimately contributing to more resilient network protection frameworks.

Expressive Ροwer οf Graph Νeural Νetwοrks

Doctorant·e: PIQUENOT Jason
Direction de thèse: ADAM SÉBASTIEN (Directeur·trice de thèse)
RAVEAUX ROMAIN (Co-directeur·trice de thèse)
Date de la soutenance: 28/08/2025 à 14:00
Lieu de la soutenance: Amphi D
Rapporteurs de la thèse: GEERTS FLORIS Université Centrale d'Anvers (BELGIQUE)
MALLIAROS FRAGKISKOS Université Paris-Saclay
Membres du jurys: ADAM SÉBASTIEN, , URN - Université de Rouen Normandie
FADILI JALAL, , ENSICAEN
FLAMARY REMI, , ECOLE POLYTECHNIQUE
GEERTS FLORIS, , Université Centrale d'Anvers (BELGIQUE)
LACLAU CHARLOTTE, , ENST PARIS
MALLIAROS FRAGKISKOS, , Université Paris-Saclay
RAVEAUX ROMAIN, , Universite de Tours

Résumé: Les graphes sont des structures fondamentales dans de nombreux domaines scientifiques. Face à leur complexité croissante, les réseaux de neurones sur graphes (GNNs) permettent d’en apprendre des représentations utiles, mais sont limités dans leur expressivité. Cette thèse propose un nouveau cadre formel basé sur les \textit{grammaires algébriques} pour concevoir des GNNs plus puissants. Nous introduisons plusieurs contributions : un formalisme grammatical pour dériver des architectures expressives, un modèle équivalent au test 3-WL, un GNN pour le comptage dynamique de sous-structures, un algorithme d'apprentissage par renforcement pour chercher dans une grammaire algébrique, de nouvelles formules de comptage de chemins et de cycles dans un graphe qui divisent le temps de calcul par 6. Ces travaux ouvrent la voie à une nouvelle génération de modèles neuronaux explicables, efficaces et flexibles ainsi qu'à la découverte de nouveaux algorithmes.
Abstract: Graphs are fundamental structures in many scientific fields. As their complexity increases, Graph Neural Networks (GNNs) have emerged as a useful way to learn representations from such data, but they remain limited in their expressivity. This thesis introduces a new formal framework based on algebraic grammars to design more powerful GNNs. We present several contributions: a grammatical formalism for deriving expressive architectures, a model equivalent to the 3-WL test, a GNN capable of dynamically counting substructures, a reinforcement learning algorithm for exploring an algebraic grammar to discover new counting formulas for paths and cycles in graphs—leading to a six-fold reduction in computation time. This work paves the way for a new generation of explainable, efficient, and flexible neural models, as well as for the discovery of new algorithms.

Sécurité d'un système d'authentificatiοn biοmétrique basé sur les cοdes cοrrecteurs d'erreurs

Doctorant·e: MAJBOUR Sara
Direction de thèse: LE BARS Jean Marie (Directeur·trice de thèse)
Date de la soutenance: 18/07/2025 à 10:00
Lieu de la soutenance: le campus 2 Bât sciences 3 Boulevard du Maréchal Juin CS 14032 · 14032 Caen cedex 05
Rapporteurs de la thèse: CANARD Sebastien Telecom Paris
CAYREL PIERRE-LOUIS Université Jean Monnet, Saint-Etienne
Membres du jurys: BARBIER Morgan, , UCN - Université de Caen Normandie
CANARD Sebastien, , Telecom Paris
CAYREL PIERRE-LOUIS, , Université Jean Monnet, Saint-Etienne
CHARRIER Christophe, , UCN - Université de Caen Normandie
LE BARS Jean Marie, , UCN - Université de Caen Normandie
MINIER MARINE, , Université de Lorraine

Résumé: Cette thèse étudie les limites et les améliorations possibles du schéma original du \textit{Fuzzy Vault}, proposé par Juels et Sudan pour l'authentification biométrique. Ce schéma repose sur la transformation des templates en ensembles non ordonnés, ce qui empêche l'accès direct aux données biométriques et limite l'exposition des informations sensibles. Cependant, sa structure introduit des biais exploitables compromettant la sécurité des ensembles stockés. De plus, l’utilisation des codes correcteurs dans ce contexte soulève des questions quant à leur adaptation et leur impact sur la capacité du système à tolérer les variations biométriques. Nous montrons que l'exploitation de ces biais réduit la sécurité du \textit{Fuzzy Vault}. Une analyse sur trois bases de données biométriques de différentes modalités et qualités évalue la vulnérabilité du schéma face à ces attaques. Nous proposons une contre-mesure n'utilisant pas d'informations supplémentaires pour limiter ces faiblesses. La transformation des templates en ensembles pose des difficultés liées à la structure du schéma et à la gestion de la confidentialité. Nous définissons une construction générique applicable à tout template biométrique, respectant les contraintes d'authentification, de sécurité et de confidentialité. Enfin, le schéma original repose sur les codes de Reed-Solomon. Nous généralisons cette approche en définissant les opérations de codage et de décodage pour d'autres codes linéaires, en précisant les contraintes liées à leur choix et leur impact sur l'authentification.
Abstract: This thesis examines the limitations and possible modifications of the original \textit{Fuzzy Vault} scheme, proposed by Juels and Sudan for biometric authentication. This scheme transforms templates into unordered sets, preventing direct access to biometric data and limiting the exposure of sensitive information. However, its structure introduces exploitable biases that compromise the security of stored sets. Additionally, the use of error correction codes in this context raises questions about their adaptability and their impact on the system's ability to tolerate biometric variability. We show that exploiting these biases reduces the security of the \textit{Fuzzy Vault}. An analysis on three biometric datasets of different modalities and quality levels assesses the scheme’s vulnerability to such attacks. We propose a countermeasure that does not require additional information to mitigate these weaknesses. The transformation of templates into sets presents structural challenges related to the scheme’s design and data privacy. We define a generic construction applicable to any biometric template while maintaining authentication, security, and confidentiality constraints. Finally, the original scheme relies on Reed-Solomon codes. We generalize this approach by defining encoding and decoding operations for other linear codes, specifying the constraints related to their selection and their impact on authentication.

Cοmbinatοrics οf cactus grοups, interesting subgrοups and generalisatiοns

Doctorant·e: CHEMIN Hugo
Direction de thèse: GUASCHI John (Directeur·trice de thèse)
BELLINGERI Paolo (Co-directeur·trice de thèse)
Date de la soutenance: 11/07/2025 à 15:00
Lieu de la soutenance: Caen
Rapporteurs de la thèse: AUDOUX BENJAMIN Aix-Marseille université
KAMNITZER JOËL MC GILL UNIVERSITE MC GILL QUEBEC
Membres du jurys: AUDOUX BENJAMIN, , Aix-Marseille université
BELLINGERI Paolo, , UCN - Université de Caen Normandie
FROMENTIN Jean, , ULCO - UNIVERSITE DU LITTORAL COTE D'OPALE
GUASCHI John, , UCN - Université de Caen Normandie
HALACHEVA IVA, , Université Northeastern
KAMNITZER JOËL, , MC GILL UNIVERSITE MC GILL QUEBEC
LEBED Victoria, , UCN - Université de Caen Normandie

Résumé: Dans cette thèse, nous nous intéressons à l'étude des groupes de cactus, de certains de leurs sous-groupes et de leurs extensions. Les groupes de cactus ont été introduits par Devadoss sous le nom de `quasi-tresses' et sont reliés aux catégories de cobordisme et aux espaces de modules. Par ailleurs, leurs similitudes avec les groupes de tresses et les groupes de Coxeter ont mené à l'étude de familles de groupes généralisant les groupes de cactus. Nous étudions donc les propriétés combinatoires des groupes de cactus, tel que l'existence d'une solution au problème du mot, d'éléments centraux ou d'éléments possédant de la torsion. Par ailleurs, nous nous intéresserons à certains sous-groupes remarquables, tel que les groupes de cactus purs, pour lesquels nous étudions des questions similaires à celles posées pour les groupes de cactus. De plus, nous donnons une nouvelle présentation des groupes de cactus, ce qui nous permet de construire certains quotients remarquables, ainsi que de calculer les quotients de la série centrale descendante des groupes de cactus. Enfin, nous nous intéressons aux propriétés combinatoires d'une extension des groupes de cactus, nommée groupe de cactus affine, pour lesquels nous étudions des questions similaires à celles posées pour les groupes de cactus.
Abstract: In this thesis, we are interested in the study of cactus groups, some of their subgroups and their extensions. Cactus groups were introduced by Devadoss under the name `quasi-braids' and are related to cobordism categories and moduli spaces. Moreover, their similarities with braid groups and Coxeter groups have led to the study of families of groups generalizing cactus groups. We therefore study the combinatorial properties of cactus groups, such as the existence of a solution to the word problem, central elements or elements possessing torsion. Furthermore, we will be interested in some remarkable subgroups, such as pure cactus groups, for which we study questions similar to those asked for cactus groups. In addition, we give a new presentation of cactus groups, which allows us to construct some remarkable quotients, as well as to compute the quotients of the lower central series of cactus groups. In the last chapter of this thesis, we discuss the combinatorial properties of an extension of cactus groups, called the affine cactus group, for which we study questions similar to those posed for cactus groups.

Unsupervised Learning-based Ιnfοrmatiοn Retrieval Applied tο Spοt Ρatterns in Ηistοrical Dοcument Ιmages

Doctorant·e: ASSAKER Joseph
Direction de thèse: HEUTTE LAURENT (Directeur·trice de thèse)
Date de la soutenance: 04/07/2025 à 10:00
Lieu de la soutenance: Université de Rouen Normandie - Site Madrillet
Rapporteurs de la thèse: AUBRY MATHIEU Ecole Nationale des Ponts et Chaussées
MOKRAOUI ANISSA UNIVERSITE PARIS 13 PARIS-NORD
Membres du jurys: AUBRY MATHIEU, , Ecole Nationale des Ponts et Chaussées
EGLIN VERONIQUE, , Institut National des Sciences Appliquees de Lyon
HEUTTE LAURENT, , URN - Université de Rouen Normandie
MOKRAOUI ANISSA, , UNIVERSITE PARIS 13 PARIS-NORD
NICOLAS STEPHANE, , URN - Université de Rouen Normandie

Résumé: Les documents historiques possèdent une valeur culturelle immense, mais leur exploitation soulève de nombreux défis en matière d’accès à l’information et d’analyse. Cette thèse s’intéresse à deux tâches spécifiques dans le contexte des images de documents historiques : la recherche de sous-images (sub-image retrieval) et la détection de motifs (pattern spotting). La recherche de sous-images consiste à retrouver les images contenant une requête image donnée, tandis que la détection de motifs va plus loin en localisant les occurrences de cette requête image au sein des images retrouvées. Ces tâches présentent deux défis majeurs : i) les requêtes de recherche sont arbitraires et ne se limitent pas à un ensemble prédéfini de motifs, ce qui impose à l’approche proposée de pouvoir traiter des requêtes non connues à l’avance ; ii) la plupart des méthodes modernes d’apprentissage profond reposent sur des données annotées, qui sont rares, voire inexistantes, dans le domaine des documents historiques. En raison de ces contraintes, les travaux antérieurs sur ces tâches se sont limités à des approches sans apprentissage, s’appuyant uniquement sur des réseaux pré-entraînés disponibles. Dans cette thèse, nous proposons la première approche basée sur l’apprentissage pour traiter ces problématiques. Cela implique de relever le défi de concevoir une solution d’apprentissage dans un contexte sans données d’entraînement disponibles et sans ensemble fixe de motifs à détecter ou à retrouver. Notre objectif est d’ouvrir une nouvelle voie pour aborder ces tâches, que nous considérons comme plus évolutive et pérenne, car l’apprentissage de représentations spécifiques au domaine et à la tâche devrait permettre des solutions plus flexibles et adaptables. À cette fin, nous développons un nouveau modèle pour le repérage de motifs, nommé OS-DETR. Ce modèle adapte l’architecture performante DETR, à base de transformeurs et initialement conçue pour la détection d’objets, afin de répondre aux tâches de recherche de sous-image et de détection de motifs. Pour pallier le manque de données étiquetées, nous proposons une méthode simple de génération de données synthétiques annotées, adaptées à ces tâches. Ces données synthétiques sont ensuite utilisées pour entraîner notre modèle OS-DETR, et différentes variantes et choix de conception sont explorés. Un ensemble de techniques de généralisation est ensuite introduit, visant à améliorer les performances du modèle au-delà du domaine synthétique. Ces techniques interviennent à plusieurs niveaux du pipeline, allant de l’architecture du modèle et des stratégies d’entraînement jusqu’à la génération des données synthétiques et les étapes de post-traitement. Nous montrons l'impact de ces techniques et le bien fondé de notre démarche via de nombreuses expérimentations, à la fois sur un ensemble de tests générés synthétiquement, et sur un ensemble de données de référence publiquement disponible pour les images de documents historiques. Enfin, nous présentons des expérimentations préliminaires explorant une approche alternative pour la génération de données d’entraînement, ouvrant ainsi des perspectives de recherche prometteuses.
Abstract: Historical documents hold immense cultural value, yet working with them poses numerous challenges for information access and analysis. This thesis addresses two such tasks in the context of historical document images: sub-image retrieval and pattern spotting. While sub-image retrieval involves retrieving images that contain a given query image, pattern spotting extends this further by localizing occurrences of that query image within the retrieved images. These tasks present two major challenges: i) search queries are arbitrary and not limited to a predefined set of patterns, requiring the proposed approach to handle previously unseen queries; ii) most modern deep learning methods rely on labeled training data, which is scarce or nonexistent in the domain of historical documents. Due to these constraints, prior work on these tasks has been limited to learning-free approaches, relying exclusively on off-the-shelf pre-trained networks. In this thesis, we propose the first learning-based approach to address these tasks. This involves the challenge of developing a learning-based solution in a setting with no available training data and no fixed set of patterns to detect or retrieve. Our aim is to open a new direction for tackling these problems — one that we believe is more scalable and future-proof, as learning task-specific and domain-specific representations should enable more flexible and adaptable solutions. To this aim, we develop a novel model for pattern spotting, dubbed OS-DETR. This model adapts the competitive transformer-based DETR architecture, originally designed for object detection, to address the tasks of sub-image retrieval and pattern spotting. To overcome the scarcity of labelled data, we propose a simple technique for generating annotated synthetic data tailored to these tasks. This synthetic data is then used to train our OS-DETR model, and we investigate various design choices and their impact. A set of generalization techniques is then introduced, that aims to improve the performance of the model beyond the source domain. These techniques span multiple aspects of the pipeline, from adjustments to the model architecture and training schedule to improvements in synthetic data generation and post-processing strategies. We show the impact of these techniques and the validity of our approach via numerous experiments, both on a synthetically generated testing set as well as on a publicly available benchmark dataset for historical document images. Finally, we present preliminary experiments exploring an alternative approach to training data generation, which opens promising avenues for future research.

Décimatiοn hiérarchique pοur l'apprentissage sur graphes

Doctorant·e: STANOVIC Stevan
Direction de thèse: BRUN Luc (Directeur·trice de thèse)
Date de la soutenance: 27/06/2025 à 13:00
Lieu de la soutenance: Salle des thèses
Rapporteurs de la thèse: LLADOS CANET JOSEP l'Université autonome de Barcelone
RAMEL JEAN-YVES Université Savoie Mont Blanc
Membres du jurys: BRUN Luc, , ENSICAEN
GAUZERE BENOIT, , INSA Rouen Normandie
LLADOS CANET JOSEP, , l'Université autonome de Barcelone
RAMEL JEAN-YVES, , Université Savoie Mont Blanc
SOLNON CHRISTINE, , Institut National des Sciences Appliquees de Lyon

Résumé: Cette thèse s’intéresse au pooling hiérarchique dans les réseaux de neurones sur graphes (GNNs), une opération essentielle visant à réduire la taille des graphes tout en préservant leurs informations pertinentes. Les méthodes existantes reposent généralement soit sur la sélection d’un sous-ensemble de sommets, en supprimant les autres, soit sur un regroupement peu contraint, ignorant la structure initiale du graphe. Ces approches souffrent de plusieurs limitations : perte d’information, absence de prise en compte de la structure initiale du graphe, et densification excessive des graphes réduits. Par ailleurs, les GNNs profonds sont confrontés à deux phénomènes majeurs : l’over-smoothing, où les représentations des sommets tendent à converger vers une représentation prédéterminée, indépendamment de leurs représentations initiales, et l’over-squashing, qui désigne la difficulté à propager efficacement des informations sur de longues distances dans le graphe. Dans ce manuscrit, nous proposons plusieurs méthodes de pooling hiérarchique fondées sur les ensembles indépendants maximaux, qui permettent de respecter la structure du graphe tout en préservant les attributs des sommets. Par ailleurs, nous fournissons une étude théorique et empirique de ces approches, en mettant en lumière leur impact positif sur les phénomènes d’over-smoothing et d’over-squashing. Nos résultats expérimentaux confirment non seulement l’intérêt de l’utilisation d’ensembles indépendants maximaux pour définir des opérations de pooling, mais démontrent également leur rôle crucial dans l’atténuation de l’over-smoothing et de l’over-squashing.
Abstract: This thesis focuses on hierarchical pooling in graph neural networks (GNNs), a key operation aimed at reducing the size of graphs while preserving their relevant information. Existing methods typically rely either on selecting a subset of vertices, discarding the others, or on loosely constrained clustering, which ignores the original graph structure. These approaches suffer from several limitations : loss of information, lack of consideration for the original graph structure, and excessive densification of the reduced graphs. Moreover, deep GNNs face two major phenomena : over-smoothing, where node representations tend to converge towards a predetermined representation regardless of their initial features, and over-squashing, which refers to the difficulty in efficiently propagating information across long distances within the graph. In this manuscript, we propose several hierarchical pooling methods based on maximal independent sets, which preserve the graph structure while maintaining vertex attributes. Additionally, we provide a theoretical and empirical study of these approaches, highlighting their positive impact on over-smoothing and over-squashing. Our experimental results not only confirm the value of using maximal independent sets for defining pooling operations but also demonstrate their crucial role in mitigating over-smoothing and over-squashing.

Sοficity οf multidimensiοnal subshifts

Doctorant·e: CALLARD Antonin
Direction de thèse: VANIER Pascal (Directeur·trice de thèse)
Date de la soutenance: 24/06/2025 à 14:30
Lieu de la soutenance: campus 2
Rapporteurs de la thèse: KARI JARKKO TURKU - UNIVERSITY OF TURKU
ROMASHCHENKO ANDREI Université de Montpellier
Membres du jurys: KARI JARKKO, , TURKU - UNIVERSITY OF TURKU
LABBÉ SÉBASTIEN, , Université de Bordeaux
MARCOVICI IRENE, , URN - Université de Rouen Normandie
OLLINGER NICOLAS, , Université d'Orléans
ROMASHCHENKO ANDREI, , Université de Montpellier
THEYSSIER GUILLAUME, , Aix-Marseille université
VANIER Pascal, , UCN - Université de Caen Normandie

Résumé: En dynamique symbolique, un sous-shift multidimensionnel est un language formel de coloriages infinis de l'espace discret défini en termes de motifs interdits. Comme les langages de mots finis, pour lesquels ont été définies des classes de complexité (qui incluent classiquement les langages locaux, rationnels, algébriques ou calculablement énumérables…) en fonction de l'expressivité des différentes machines qui les reconnaissent (respectivement : les automates locaux, les automates finis, les automates à piles et les machines de Turing), les sous-shifts ont été classifiés en sous-shifts de types finis (définis par des familles finies de motifs interdits), sous-shifts effectifs (définis par des familles calculablement énumérables) et sous-shifts sofiques : ces derniers forment une classe intermédiaire entre les deux précédentes, et sont définis comme les images morphiques des sous-shifts de types finis par des automates cellulaires. Nous nous intéressons à la question suivante : quand un sous-shift donné est-il sofique ? Autrement dit, comment prouve-t-on (ou réfute-t-on) la soficité d'un sous-shift ? Si cette question est résolue en dimension 1 (les sous-shifts sofiques en dimension 1 étant similaires aux langages rationnels, le théorème de Myhill-Nerode caractérise la soficité en dimension 1 par comptage du nombre de « contextes »), décrire la frontière entre les sous-shifts multidimensionnels sofiques et effectifs reste un problème ouvert en dynamique symbolique. Cette thèse se divise en deux parties indépendantes, précédées de chapitres préliminaires d'introduction et de définitions des notions étudiées (de dynamique symbolique, calculabilité…). Dans la première partie, nous étudions les ensembles d'extensions des sous-shifts multidimensionnels (qui, informellement, comptent les classes de motifs qui peuvent être librement échangés dans les configurations d'un sous-shift) selon leur (in)calculabilité : en particulier, nous prouvons que les entropies d'extensions des sous-shifts (i.e. le taux de croissance du nombre d'ensemble d'extensions) peuvent être entièrement caractérisées calculablement dans la hiérarchie arithmétique des nombres réels, le niveau précis dépendant de la complexité et des propriétés dynamiques vérifiées par le sous-shift considéré. Dans la seconde partie, nous prouvons une condition suffisante pour la soficité des sous-shifts multidimensionnels s'appuyant sur une quantification de « l'information utile » contenue dans les motifs : plus précisément, nous introduisons une notion de représentation inductive (qui, informellement, décrit l'information échangée par des motifs adjacents d'une taille donnée pour vérifier la validité locale d'une configuration), et nous prouvons qu'admettre des représentations calculables de petites complexité est une condition suffisante pour la soficité d'un sous-shift. Enfin, nous présentons ces résultats comme une complexité de communication sur des coloriages infinis, et argumentons que la complexité de communication non-déterministe forme un cadre riche pour l'étude de la soficité des sous-shifts multidimensionnels.
Abstract: In symbolic dynamics, a multidimensional subshift is a formal language of infinite colorings of the discrete space defined in terms of forbidden patterns. As languages of finite words have been classified into several complexity classes (which, classically, include the local regular, context-free, and computably enumerable languages…) depending on the expressiveness of the various devices used for their descriptions (respectively: local automata, finite automata, pushdown automata, Turing machines…), subshifts have been classified into subshifts of finite type (definied by finite families of forbidden patterns), effective subshifts (defined by computably enumerable families of forbidden patterns) and the sofic subshifts: the latter form an intermediary class, and are defined as the morphic images of subshifts of finite type by cellular automata. We are interested in the following question: when is a given subshift actually sofic? In other words, how does one prove or disprove the soficity of a subshift? While this question is entirely solved in the one-dimensional setting (as one-dimensional sofic subshifts are very similar to regular languages of finite words, the Myhill-Nerode theorem characterizes one-dimensional soficity by counting the number of possible “contexts”), describing the frontier between sofic and effective multidimensional subshifts is still an open problem in symbolic dynamics. This thesis is divided in two independent parts, with preliminary chapters of introduction and definitions of the relevant notions being considered (from symbolic dynamics, computability theory…). In the first part, we study the extender sets of multidimensional subshifts (which, informally, count the classes of patterns that can be freely exchanged in the configurations of a subshift) using computability theory: in particular, we prove that extender entropies of multidimensional subshifts (i.e. the growth rate of the number of extender sets) can be fully characterized computationally in the arithmetical hierarchy of real numbers, the precise level depending on the complexity and the dynamical properties verified by the considered subshifts. In the second part, we prove a sufficient condition for multidimensional soficity based on a quantification of the “useful information” contained in patterns: more precisely, we introduce a notion of inductive representations (which, informally, describe the information exchanged between adjacent patterns of a given size to check the local validity of a configuration), and prove that admitting computable representations of small complexity is a sufficient condition for soficity. Finally, we describe these results as a variant of communication complexity on infinite colorings, and argue that non-deterministic communication complexity is a fruitful context of the study of multidimensional soficity.

Equatiοns de Ηamiltοn-Jacοbi sur des graphes

Doctorant·e: ZANTOUT RITA
Direction de thèse
Date de la soutenance: 20/06/2025 à 14:00
Lieu de la soutenance: INSA Rouen, Amphi Marie Curie, 685 avenue de l'université 76801 SAINT ETIENNE DU ROUVRAY
Rapporteurs de la thèse
Membres du jurys

Résumé: Ce manuscrit s’intéresse à l’analyse mathématique rigoureuse d’équations aux dérivées partielles (EDP) posées sur des graphes et des variétés riemanniennes discrètes, avec un accent particulier sur les équations d’Eikonal et d’osmose. Ces équations apparaissent naturellement dans de nombreuses applications, notamment en traitement d’images, apprentissage semi-supervisé et physique mathématique. Nous développons d’abord une théorie de la solution de viscosité adaptée à un cadre non local pour l’équation d’Eikonal dans un domaine euclidien. Nous prouvons l’existence, l’unicité et la régularité des solutions pour les équations locales et non locales. Nous établissons ensuite des bornes d’erreur explicites entre les solutions des problèmes non locaux et leurs analogues locaux, à la fois en temps continu et sous discrétisation temporelle (Euler explicite et implicite). Ces résultats sont ensuite appliqués à des graphes pondérés aléatoires, démontrant que la solution discrète converge uniformément vers la solution de viscosité du problème local lorsque le nombre de sommets croît et que le pas de temps tend vers zéro. Le chapitre suivant étend cette analyse au cadre des variétés riemanniennes compactes, permettant de généraliser l’équation d’Eikonal à des graphes définis sur des espaces non-euclidiens. Sous des hypothèses naturelles sur la géométrie de la variété et l’échelle du noyau, nous prouvons la consistance des modèles non-locaux et la convergence quasi-sûre de la solution discrète vers la solution de viscosité locale, avec des bornes d’erreur explicites en fonction de la taille du graphe et du pas de temps. Enfin, le manuscrit traite de l’équation d’osmose, une EDP linéaire de type diffusion-transport asymétrique, couramment utilisée en traitement d’images. Nous introduisons une version non locale de ce modèle et démontrons sa bien-poséité. Nous établissons la convergence des solutions non locales vers celles du modèle local, puis nous proposons une discrétisation sur graphe qui conserve la positivité, la moyenne et l’unicité de l’état stationnaire. Des résultats numériques illustrent l’efficacité du modèle pour des tâches d’édition de couleur sur des maillages.
Abstract: This thesis presents a rigorous mathematical analysis of partial differential equations (PDEs) defined on graphs and discrete Riemannian manifolds, with a particular focus on Eikonal and osmosis equations. These equations are central in applications such as image processing, semi-supervised learning, and mathematical physics. We first develop a theory of viscosity solutions adapted to a nonlocal framework for the Eikonal equation posed on Euclidean domains. We establish existence, uniqueness, and regularity results for both local and nonlocal problems. We then derive explicit error bounds between the nonlocal and local solutions in both continuous and discretized time (using forward and backward Euler schemes). These results are extended to fully discretized nonlocal Eikonal problems defined on sequences of random weighted graphs, where we prove that under suitable scaling of the kernel, the discrete solutions converge uniformly almost surely to the viscosity solution of the local problem. Next, we generalize this analysis to compact Riemannian manifolds, allowing for Eikonal equations on graph structures embedded in non-Euclidean spaces. Under natural geometric and regularity assumptions, we prove that the nonlocal problem is well-posed, and we obtain convergence results with explicit rates as the number of graph nodes increases and the time step vanishes. Finally, the manuscript addresses the osmosis equation, a linear, non-symmetric diffusion-transport PDE originally motivated by physical osmosis and adapted for image analysis. We introduce a nonlocal version of the model and analyze its well-posedness and convergence toward the local version. A graph-based discretization is proposed, ensuring positivity, conservation of average intensity, and uniqueness of the steady state. Numerical simulations demonstrate its utility for color manipulation tasks on meshes.

Οptimal cοntrοl prοblems and Ηamiltοn-Jacοbi-Bellman equatiοns in sοme curved metric spaces

Doctorant·e: AUSSEDAT AVERIL
Direction de thèse
Date de la soutenance: 19/06/2025 à 14:00
Lieu de la soutenance: INSA Rouen Normandie
Rapporteurs de la thèse
Membres du jurys

Résumé: Cette thèse est dédiée aux problèmes de contrôle dans certains espaces non vectoriels, avec pour objectif d'en étendre le lien avec les équations de Hamilton-Jacobi-Bellman prises au sens de viscosité. Le choix des espaces considérés est guidé par le contrôle de populations évoluant sur un réseau routier. Dans un premier temps, nous considérons le cas d'un seul conducteur, pour reporter toute la difficulté sur l'irrégularité de l'espace ambiant. Nous proposons un cadre de résolution des problèmes de contrôle avec dynamique Cauchy-Lipschitz sur les espaces de type CAT(0), via lequel il est possible de donner des conditions suffisantes pour l'existence d'un contrôle optimal, et de caractériser la fonction valeur via une équation de Hamilton-Jacobi-Bellman. Dans un second temps, nous considérons cette fois une mesure de probabilité représentant une population de conducteurs sur un espace euclidien. Nous donnons un principe de comparaison applicable à des équations posées sur les mesures ; les arguments utilisés se transposent au cas plus général d'espaces à courbure bornée inférieurement au sens d'Alexandrov, et les résultats sont formulés dans ce cadre. Une troisième partie vient joindre les deux premières en s'intéressant au cas d'une mesure évoluant sur un réseau. Ce type d'espace n'est pas courbe, et les résultats des premiers chapitres ne s'y appliquent pas. Nous prouvons que le carré de la distance de Wasserstein est différentiable au sens directionnel, ce qui permet de généraliser la formulation au sens de viscosité des équations de Hamilton-Jacobi-Bellman des chapitres précédents. Enfin, une dernière partie développe certains résultats techniques nécessaires à l'emploi des équations de continuité dans la formulation des problèmes de contrôle, et plus généralement quelques résultats sur la géométrie induite par le transport optimal.
Abstract: The thesis studies optimal control problems in some spaces that are not vector spaces, with a focus on the link with Hamilton-Jacobi-Bellman equations understood in the viscosity sense. The red wire is the control of a population of drivers in a traffic network. At first, we focus on a single driver, addressing the difficulty of the lack of regularity of the ambient space. We propose a framework for Cauchy-Lipschitz control problems in CAT(0) spaces, in which we are able to give sufficient conditions for the existence of an optimal control, and characterize the value function as the unique viscosity solution to a Hamilton-Jacobi-Bellman equation. Secondly, we consider a probability measure evolving on the Euclidean space, representing a population of drivers. We obtain a comparison principle that is applicable to the control of such a population, that we prove in more generality in spaces with curvature bounded from below. Thirdly, we provide a first step towards the treatment of populations evolving on networks, by proving that the squared Wasserstein distance over a network is directionally differentiable. In formulating the Hamilton-Jacobi-Bellman equation in the Wasserstein space using solely the metric structure, one needs some technical argument to use continuity equations as characteristics; this is developed in a last chapter, focussing in more details about the geometry induced by optimal transport on measures.

Οn zeta and multizeta values in pοsitive characteristic

Doctorant·e: LE Khac Nhuan
Direction de thèse: NGO DAC Tuan (Directeur·trice de thèse)
Date de la soutenance: 18/06/2025 à 09:30
Lieu de la soutenance: Salle des thèses Campus 2 Bâtiment S3
Rapporteurs de la thèse: MAURISCHAT ANDREAS UNIVERSITE AACHEN ALLEMAGNE
OUKHABA HASSAN Université Bourgogne Franche-Comté
Membres du jurys: ANGLES Bruno, , UCN - Université de Caen Normandie
CARUSO XAVIER, , Université de Bordeaux
IM BO-HAE, , KAIST
MAURISCHAT ANDREAS, , UNIVERSITE AACHEN ALLEMAGNE
NGO DAC Tuan, , UCN - Université de Caen Normandie
OUKHABA HASSAN, , Université Bourgogne Franche-Comté
PELLARIN Federico, , ROME - UNIVERSITA ROMA "LA SPIENZA"

Résumé: Dans cette thèse, nous étudions les valeurs zêta multiples dans les algèbres de Tate, telles qu'introduites par Pellarin. Récemment, Gezmis et Pellarin ont formulé une conjecture concernant l'injectivité d'une certaine application qui relie les valeurs zêta multiples de Pellarin aux valeurs zêta multiples en caractéristique positive. Nous déterminons d'abord la structure du noyau et de l'image de cette application. Puis, nous donnons une réponse à la conjecture de Gezmis et Pellarin. Enfin, nous montrons que les valeurs zêta multiples de Pellarin possèdent une structure d'algèbre.
Abstract: In this thesis, we study multiple zeta values in Tate algebras as introduced by Pellarin. Recently, Gezmis and Pellarin formulated a conjecture regarding the injectivity of a certain map that relates Pellarin's multiple zeta values to multiple zeta values in positive characteristic. We first determine the structure of the kernel and the image of this map. As a consequence, we provide an answer to the Gezmis-Pellarin conjecture. Finally, we show that Pellarin's multiple zeta values carry the structure of an algebra.

Aspects οf the p-adic Κudla prοgram fοr the unitary grοup GU(2, 1)

Doctorant·e: IUDICA Francesco Maria
Direction de thèse: NICOLE Marc-Hubert (Directeur·trice de thèse)
Date de la soutenance: 17/06/2025 à 14:00
Lieu de la soutenance: Université de Caen Normandie
Rapporteurs de la thèse: ANDREATTA FABRIZIO MILAN - UNIVERSITA DEGLI STUDI
FREIXAS I MONTPLET GÉRARD ECOLE POLYTECHNIQUE DE PALAISEAU
Membres du jurys: ANDREATTA FABRIZIO, , MILAN - UNIVERSITA DEGLI STUDI
FREIXAS I MONTPLET GÉRARD, , ECOLE POLYTECHNIQUE DE PALAISEAU
GEHRMANN LENNART, , Universität Bielefeld
LONGO MATTEO, , PADOUE -UNIVERSITA DEGLI STUDI DI PADOVA
NICOLE Marc-Hubert, , UCN - Université de Caen Normandie
PATI MARIA ROSARIA, , GENES - UNIVERSITA DI GENOVA
VONK JAN, , Universiteit Leiden

Résumé: Ce manuscrit explore quelques aspects du programme de Kudla p-adique pour les surfaces modulaires de Picard associées au groupe GU(2,1). En particulier, nous nous intéressons à la variation p-adique du théorème de Cogdell, qui est l'analogue du résultat célèbre de Hirzebruch et Zagier pour les surfaces modulaires de Hilbert. Cette thèse suit l'exemple de Longo--Nicole visant à relier le programme de Kudla aux familles p-adiques de Hida. Après avoir interpolé p-adiquement le relèvement de Kudla et son adjoint, nous construisons des cycles spéciaux de poids supérieurs sur des variétés de Kuga--Sato, et nous appliquons le formalisme de Loeffler, en obtenant des familles Lambda-adiques de classes de cohomologie de cycles spéciaux. Enfin, nous construisons une série génératrice Lambda-adique des "gros cycles" ci-dessus, qui a la propriété d'interpoler les formes modulaires étudiés par Cogdell.
Abstract: In this thesis, we explore some aspects of the p-adic Kudla program for Picard modular surfaces associated to the group GU(2,1). In particular, we are interested in the p-adic variation of Cogdell's theorem, the latter being the analogue of the celebrated result of Hirzebruch and Zagier for Hilbert modular surfaces. This work treads in the footsteps of Longo--Nicole in the attempt of relating the program initiated by Kudla to the p-adic families of Hida. After having p-adically interpolated the Kudla lift and its adjoint, we focus on the construction of special cycles on Kuga--Sato varieties and we apply Loeffler's formalism to our setting, obtaining Lambda-adic families of cohomology classes of special cycles. Finally, we construct a Lambda-adic generating series of such "big cycles", which interpolates the modular forms appearing in Cogdell's theorem.

Améliοratiοn de la Détectiοn d'Οbjets 3D Μοnοculaire basée sur l'ΙA: Applicatiοn au Τrain Autοnοme Μοnοrail par Stabilisatiοn Gyrοscοpique

Doctorant·e: EVAIN Alexandre
Direction de thèse: KHEMMAR REDOUANE (Directeur·trice de thèse)
AHMED ALI SOFIANE (Co-directeur·trice de thèse)
Date de la soutenance: 05/05/2025 à 14:00
Lieu de la soutenance: ESIGELEC, Bâtiment Turing, Amphi Robert Vallée
Rapporteurs de la thèse: CHECCHIN PAUL Université Clermont Auvergne
GRUYER DOMINIQUE Ifsttar (Champs Sur Marne)
Membres du jurys: AHMED ALI SOFIANE, , Université d'Evry Paris-Saclay
AINOUZ SAMIA, , INSA Rouen Normandie
CHECCHIN PAUL, , Université Clermont Auvergne
GRUYER DOMINIQUE, , Ifsttar (Champs Sur Marne)
HAMMOUDI KARIM, , Université de Haute-Alsace
KHEMMAR REDOUANE, , ESIGELEC ROUEN
ORZALESI MATHIEU, ,
TEBBANI SIHEM, , CentraleSupélec

Résumé: Cette thèse présente plusieurs contributions au développement de la détection monoculaire d'objets en 3D pour des applications autonomes de monorail. Tout d'abord, une plateforme expérimentale de monorail a été conçue et mise en œuvre, ainsi que des lois de contrôle pour assurer sa stabilisation. Sur cette base, des améliorations ont été apportées aux systèmes de détection monoculaire d'objets en 3D en mettant en œuvre les améliorations existantes pour les méthodes de détection d'objets en 2D. Pour améliorer encore les performances de détection, de nouvelles fonctions de transition de perte ont été développées et évaluées, permettant de donner la priorité à des métriques spécifiques pendant l'apprentissage du modèle. En outre, des méthodes ont été proposées pour combiner efficacement des ensembles de données réelles et synthétiques, en relevant des défis tels que les incohérences dans les matrices intrinsèques des caméras, la normalisation des ensembles de données et l'augmentation des données. Ces approches visent à améliorer les capacités d'apprentissage et de généralisation des modèles. Enfin, des techniques de transfert de style ont été employées pour augmenter les ensembles de données de formation en simulant diverses conditions environnementales, telles que les changements d'éclairage et de temps.
Abstract: This thesis presents several contributions to the development of monocular 3D object detection for autonomous monorail applications. First, an experimental monorail platform was designed and implemented, along with control laws to ensure its stabilization. Building upon this foundation, improvements were made to monocular 3D object detection systems by implementing existing improvements for 2D object detection methods. To further enhance detection performance, novel loss transition functions were developed and evaluated, allowing the prioritization of specific metrics during model training. Additionally, methods were proposed to effectively combine real and synthetic datasets, addressing challenges such as inconsistencies in camera intrinsic matrices, dataset normalization, and data augmentation. These approaches aim to improve model learning and generalization capabilities. Finally, style transfer techniques were employed to augment training datasets by simulating various environmental conditions, such as changes in lighting and weather.

ΡreDiViD Τοwards the Ρredictiοn οf the Disseminatiοn οf Viral Disease cοntagiοn in a pandemic setting

Doctorant·e: ALENCAR MEDEIROS Gabriel Henrique
Direction de thèse: SOUALMIA FATIMA (Directeur·trice de thèse)
ZANNI-MERK CECILIA (Co-directeur·trice de thèse)
Date de la soutenance: 31/03/2025 à 14:00
Lieu de la soutenance: Université de Rouen Normandie
Rapporteurs de la thèse: LAMY JEAN-BAPTISTE Sorbonne Universite
LE BER FLORENCE Engees (Strasbourg)
Membres du jurys: FRYDMAN CLAUDIA, , Aix-Marseille université
LAMY JEAN-BAPTISTE, , Sorbonne Universite
LE BER FLORENCE, , Engees (Strasbourg)
OSMANI AOMAR, , INSA Rouen Normandie
PERNELLE NATHALIE, , UNIVERSITE PARIS 13 PARIS-NORD
SOUALMIA FATIMA, , URN - Université de Rouen Normandie
ZANNI-MERK CECILIA, , INSA Rouen Normandie

Résumé: Les systèmes de surveillance basés sur les événements (EBS) sont essentiels pour détecter et suivre les phénomènes de santé émergents tels que les épidémies et crises sanitaires. Cependant, ils souffrent de limitations, notamment une forte dépendance à l’expertise humaine, des difficultés à traiter des données textuelles hétérogènes et une prise en compte insuffisante des dynamiques spatio-temporelles. Pour pallier ces limites, nous proposons une approche hybride combinant des méthodologies guidées par les connaissances et les données, ancrée dans l’ontologie des phénomènes de propagation (PropaPhen) et le cadre Description-Detection-Prediction Framework (DDPF), afin d’améliorer la description, la détection et la prédiction des phénomènes de propagation. PropaPhen est une ontologie FAIR conçue pour modéliser la propagation spatio-temporelle des phénomènes et a été spécialisée pour le biomédical grâce à l’intégration de UMLS et World-KG, menant à la création du graphe BioPropaPhenKG. Le cadre DDPF repose sur trois modules : la description, générant des ontologies spécifiques ; la détection, appliquant des techniques d'extraction de relations sur des textes hétérogènes ; et la prédiction, utilisant des méthodes avancées de clustering. Expérimenté sur des données du COVID-19 et de la variole du singe et validé avec les données de l’OMS, DDPF a démontré son efficacité dans la détection et la prédiction de clusters spatio-temporels. Son architecture modulaire assure son évolutivité et son adaptabilité à divers domaines, ouvrant des perspectives en santé publique, environnement et phénomènes sociaux.
Abstract: Event-Based Surveillance (EBS) systems are essential for detecting and tracking emerging health phenomena such as epidemics and public health crises. However, they face limitations, including strong dependence on human expertise, challenges processing heterogeneous textual data, and insufficient consideration of spatiotemporal dynamics. To overcome these issues, we propose a hybrid approach combining knowledge-driven and data-driven methodologies, anchored in the Propagation Phenomena Ontology (PropaPhen) and the Description-Detection-Prediction Framework (DDPF), to enhance the description, detection, and prediction of propagation phenomena. PropaPhen is a FAIR ontology designed to model the spatiotemporal spread of phenomena. It has been specialized in the biomedical domain through the integration of UMLS and World-KG, leading to the creation of the BioPropaPhenKG knowledge graph. The DDPF framework consists of three modules: description, which generates domain-specific ontologies; detection, which applies relation extraction techniques to heterogeneous textual sources; and prediction, which uses advanced clustering methods. Tested on COVID-19 and Monkeypox datasets and validated against WHO data, DDPF demonstrated its effectiveness in detecting and predicting spatiotemporal clusters. Its modular architecture ensures scalability and adaptability to various domains, opening perspectives in public health, environmental monitoring, and social phenomena.

Τοwards efficient Κnοwledge Graph-based Retrieval Augmented Generatiοn fοr cοnversatiοnal agents

Doctorant·e: SCHAEFFER MARION
Direction de thèse
Date de la soutenance: 25/03/2025 à 14:00
Lieu de la soutenance: INSA Rouen Normandie
Rapporteurs de la thèse
Membres du jurys

Résumé: Les agents conversationnels se sont largement répandus ces dernières années. Aujourd'hui, ils ont dépassé leur objectif initial de simuler une conversation avec un programme informatique et sont désormais des outils précieux pour accéder à l'information et effectuer diverses tâches, allant du service client à l'assistance personnelle. Avec l'essor des modèles génératifs et des grands modèles de langage (LLM), les capacités des agents conversationnels ont été décuplées. Cependant, ils sont désormais sujets à des hallucinations, générant ainsi des informations erronées. Une technique populaire pour limiter le risque d'hallucinations est la génération augmentée par récupération (RAG), qui permet d'injecter des connaissances lors de la génération de texte. Ces connaissances peuvent être extraites de graphes de connaissances (KG), qui sont des représentations structurées et accessibles pour les systèmes informatiques. Ainsi, nous explorons les architectures de KG-RAG pour construire des agents conversationnels de confiance. Nous démontrons l'intérêt de notre approche pour un cas d'usage réel de support citoyen·ne en construisant un agent conversationnel traitant les mesures autour du handicap dans des villes françaises. Nous présentons d'abord un historique des agents conversationnels, en introduisant les méthodes mises en œuvre au fil des années et les techniques d'évaluation. Nous définissons ensuite les KG et les ontologies, et explorons les techniques de construction et d'évaluation. Ne trouvant pas de KG directement exploitable, notre première contribution introduit OLAF : Ontology Learning Applied Framework. Ce système modulaire est conçu pour une construction automatisée et reproductible de KG à partir de textes non structurés. OLAF intègre des techniques linguistiques, statistiques et basées sur des LLM pour générer des ontologies minimales viables sur des domaines spécifiques. Appliqué à des ensembles de données réels, OLAF démontre des performances robustes grâce à des évaluations basées sur des ontologies de référence et des questions de compétence spécifiques à une tâche. Nous détaillons le processus de construction d'un KG sur la thématique du handicap dans une ville française. Nous proposons ensuite une architecture pour les systèmes de KG-RAG afin d'améliorer la recherche d'information en alignant les requêtes des utilisateur·rice·s avec les structures des graphes via la liaison d'entités, les patrons de requêtes et les méthodes de récupération basées sur les LLM. Nous démontrons l'intérêt de notre architecture sur différents cas d'utilisation, que nous évaluons selon des critères tels que la performance, les préférences humaines et l'impact environnemental. Bien que les préférences des utilisateur·rice·s avantagent l'architecture de Text-RAG, l'impact environnemental réduit de l'architecture de KG-RAG souligne son potentiel pour des pratiques d'IA durables. Enfin, nous identifions comme élément clé de l'architecture la partie concernant la recherche d'information. Nous abordons donc cette tâche dans notre architecture en explorant les techniques de vectorisation dans divers contextes, c'est-à-dire en améliorant la liaison d'entités, la recherche des données contextuelles et en fournissant un système de cache. Nous proposons également des mécanismes pour gérer les conversations multi-tours. Ce travail établit un cadre complet pour les systèmes de KG-RAG, combinant la sémantique des KG avec les capacités génératives des LLM pour construire des agents conversationnels précis, spécialisés et durables. Les contributions incluent OLAF pour une construction automatisée de KG, un pipeline de KG-RAG robuste, et des améliorations basées sur des représentations vectorielles pour la précision de la recherche d'information et la qualité des interactions. En répondant aux défis industriels des agents conversationnels, ces travaux posent les bases du déploiement de systèmes de KG-RAG dans des domaines spécialisés et variés.
Abstract: Conversational agents have become widespread in recent years. Today, they have transcended their initial purpose of simulating a conversation with a computer program and are now valuable tools for accessing information and carrying out various tasks, from customer service to personal assistance. With the rise of text-generative models and Large Language Models (LLMs), the capabilities of conversational agents have increased tenfold. However, they are now subject to hallucinations, producing false information. A popular technique to limit the risk of hallucinations is Retrieval Augmented Generation (RAG), which injects knowledge into a text generation process. Such injected knowledge can be drawn from Knowledge Graphs (KGs), which are structured machine-readable knowledge representations. Therefore, we explore Knowledge Graph-based Retrieval Augmented Generation (KG-RAG) to build trusted conversational agents. We demonstrate our approach on a real-world use case for citizen support by building conversational agents for disability management in cities. We first present a history of conversational agents, introducing the approaches implemented over the years and the evaluation techniques. We then define KGs and ontologies, and explore construction and evaluation techniques. As we could not find a directly exploitable KG, our first contribution introduces the Ontology Learning Applied Framework (OLAF). This modular system is built for automated and repeatable KG construction from unstructured text. OLAF integrates linguistic, statistical, and LLM-based techniques to generate Minimum Viable Ontologies for specific domains. Applied to real-world datasets, OLAF demonstrates robust performance through gold-standard evaluations and task-specific Competency Questions. We detail the construction process for a KG about disability management in a French city. We then propose an architecture for KG-RAG systems to enhance information retrieval by aligning user queries with KG structures through entity linking, graph queries, and LLM-based retrieval approaches. We demonstrate our architecture on different use cases, which we evaluate using criteria such as performance, human preference, and environmental impact. While user preferences advantage Text-RAG, KG-RAG's reduced computational footprint underscores its potential for sustainable AI practices. Finally, we identify the critical part of the architecture as the retriever. Therefore, we tackle the retrieval task in our architecture by exploring embeddings in various contexts, i.e. improving EL, retrieval, and providing a caching system. We also propose mechanisms for handling multi-turn conversations. This work establishes a comprehensive framework for KG-RAG systems, combining the semantic depth of KGs with the generative capabilities of LLMs to deliver accurate, contextual, and sustainable conversational agents. Contributions include OLAF for scalable KG construction, a robust KG-RAG pipeline, and embedding-based enhancements for retrieval and interaction quality. By addressing conversational agents' industrial challenges, such as scalability, retrieval precision, and conversational coherence, this research lays the foundation for deploying KG-RAG systems in diverse and specialised domains.

Μulti-dοmain translatiοn in a semi-supervised setting

Doctorant·e: MAYET TSIRY
Direction de thèse
Date de la soutenance: 19/12/2024 à 09:30
Lieu de la soutenance: INSA de Rouen au campus du Madrillet
Rapporteurs de la thèse
Membres du jurys

Résumé: Cette thèse explore la génération multi-modale dans un contexte d'apprentissage semi-supervisé, en abordant deux défis cruciaux: la prise en charge de configurations flexibles d'entrées et de sorties à travers plusieurs domaines, et le développement d'une stratégie d'entraînement efficace des données semi-supervisées. Alors que les systèmes d'intelligence artificielle progressent, il existe un besoin croissant de modèles capables d'intégrer et de générer de manière flexible plusieurs modalités, reflétant les capacités cognitives humaines. Les systèmes d'apprentissage profond conventionnels peinent souvent lorsqu'ils s'écartent de leur configuration d'entraînement, notamment lorsque certaines modalités sont indisponibles dans les applications réelles. Par exemple, dans le domaine médical, les patients pourraient ne pas faire tous les examens possibles pour un système d'analyse complet. Obtenir un contrôle plus fin sur les modalités générées est crucial pour améliorer les capacités de génération et fournir des informations contextuelles plus riches. De plus, l'augmentation du nombre de domaines rend plus difficile l'obtention d'une supervision simultanée. Nous nous concentrons sur la translation multi-domaine dans un contexte semi-supervisé, étendant le paradigme classique de translation de domaine. Plutôt que de considérer une direction de translation spécifique ou de les limiter entre paires de domaines, nous développons des méthodes facilitant les translations entre toutes les configurations possibles de domaines. L'aspect semi-supervisé reflète des scénarios réels où une annotation complète des données est souvent infaisable ou prohibitivement coûteuse. Notre travail présente trois contributions: (1) l'étude des fonctions de régularisation pour l'espace latent avec une supervision limitée, (2) l'étude de la mise à l'échelle et de la flexibilité des modèles de translation basés sur les modèles de diffusion, et (3) l'amélioration de la vitesse de génération des modèles d'inpainting par diffusion. Premièrement, nous proposons LSM, un modèle de translation semi-supervisé exploitant des données d'entrée supplémentaires et des données de sortie structurées pour régulariser les dépendances inter-domaines et intra-domaines. Deuxièmement, nous développons MDD, un modèle semi-supervisé de translation multi-domaine basé sur la diffusion. MDD transforme la fonction de perte classique des modèles de diffusion d'une fonction de reconstruction vers une fonction de translations en modélisant différents niveaux de bruit par domaine. Le modèle exploite les domaines moins bruités pour reconstruire les domaines plus bruités, permettant de modéliser les données manquantes comme du bruit pur et d'obtenir une configuration flexible des domaines condition et cible. Enfin, nous introduisons TD-Paint, un modèle d'inpainting basé sur la diffusion améliorant la vitesse de génération et à réduire la charge de calcul associée à la génération. Notre étude révèle que les modèles d'inpainting par diffusion souffrent d'une désynchronisation entre génération et conditionnement. Les solutions existantes, reposant sur le rééchantillonnage ou des régularisations supplémentaires, augmentent la complexité computationnelle. TD-Paint résout ce problème en modélisant des niveaux de bruit variables au niveau des pixels, permettant une utilisation efficace de la condition dès le début du processus.
Abstract: This thesis explores multi-modal generation and semi-supervised learning, addressing two critical challenges: supporting flexible configurations of input and output across multiple domains, and developing efficient training strategies for semi-supervised data settings. As artificial intelligence systems advance, there is growing need for models that can flexibly integrate and generate multiple modalities, mirroring human cognitive abilities. Conventional deep learning systems often struggle when deviating from their training configuration, which occurs when certain modalities are unavailable in real-world applications. For instance, in medical settings, patients might not undergo all possible scans for a comprehensive analysis system. Additionally, obtaining finer control over generated modalities is crucial for enhancing generation capabilities and providing richer contextual information. As the number of domains increases, obtaining simultaneous supervision across all domains becomes increasingly challenging. We focus on multi-domain translation in a semi-supervised setting, extending the classical domain translation paradigm. Rather than addressing specific translation directions or limiting translations to domain pairs, we develop methods facilitating translations between any possible domain configurations, determined at test time. The semi-supervised aspect reflects real-world scenarios where complete data annotation is often infeasible or prohibitively expensive. Our work explores three main areas: (1) studying latent space regularization functions to enhance domain translation learning with limited supervision, (2) examining the scalability and flexibility of diffusion-based translation models, and (3) improving the generation speed of diffusion-based inpainting models. First, we propose LSM, a semi-supervised translation framework leveraging additional input and structured output data to regularize inter-domain and intra-domain dependencies. Second, we develop MDD, a novel diffusion-based multi-domain translation semi-supervised framework. MDD shifts the classical reconstruction loss of diffusion models to a translation loss by modeling different noise levels per domain. The model leverages less noisy domains to reconstruct noisier ones, modeling missing data from the semi-supervised setting as pure noise and enabling flexible configuration of condition and target domains. Finally, we introduce TD-Paint, a novel diffusion-based inpainting model improving generation speed and reducing computational burden. Through investigation of the generation sampling process, we observe that diffusion-based inpainting models suffer from unsynchronized generation and conditioning. Existing models often rely on resampling steps or additional regularization losses to realign condition and generation, increasing time and computational complexity. TD-Paint addresses this by modeling variable noise levels at the pixel level, enabling efficient use of the condition from the generation onset.

Synthèse d'algοrithmes d'estimatiοn intelligents en vue du cοntrοle de trajectοire d'une flοtte de véhicules autοnοmes en platοοning (cοnvοi)

Doctorant·e: ABDL GHANI Hasan
Direction de thèse: CRAYE ETIENNE (Directeur·trice de thèse)
AHMED ALI SOFIANE (Co-directeur·trice de thèse)
Date de la soutenance: 19/12/2024 à 14:00
Lieu de la soutenance: IRSEEM, ESIGELEC, Technopôle du Madrillet, Av. Galilée, 76800 Saint-Étienne-du-Rouvray
Rapporteurs de la thèse: BASSET MICHEL Ens Ingenieurs Sud Alsace Universite Mulhouse
NEJJARI-AKHI-ELARAB FATIHA Univ. Polytechnique de Barcelone (ESP)
Membres du jurys: AHMED ALI SOFIANE, , Université d'Evry Paris-Saclay
AINOUZ SAMIA, , INSA Rouen Normandie
BASSET MICHEL, , Ens Ingenieurs Sud Alsace Universite Mulhouse
CRAYE ETIENNE, , ESIGELEC ROUEN
NEJJARI-AKHI-ELARAB FATIHA, , Univ. Polytechnique de Barcelone (ESP)
TELJ REINE, , UNIV TECHNOLOGIE COMPIEGNE UTC COMPIEGNE
TRAN NGUYEN ANH-TU, , UNIVERSITE VALENCIENNES UPHF

Résumé: Cette thèse présente une exploration complète de la conception d’observateurs avancés pour les systèmes de véhicules terrestres, en mettant particulièrement l’accent sur l’intégration de techniques de réseaux neuronaux pour relever les défis liés à la dynamique non linéaireet aux complexités de mesure. La recherche est systématiquement divisée en trois parties distinctes, chacune se concentrant sur un aspect spécifique de la conception d’observateurset de leur application pratique aux véhicules terrestres. La première partie introduit une conception d’observateur novatrice utilisant un réseau neuronal multicouche pour les véhicules terrestres autonomes. Ce segment de l’étude propose un observateur en réseau neuronal continu-discret (NSNNO), particulièrement adapté aux systèmes caractérisés par une non-linéarité significative et sans nécessité de connaissances préalables sur la dynamique du système. L’observateur, conçu comme un réseau neuronal feedforward à trois couches, est méticuleusement entraîné en utilisant l’algorithme d’apprentissage par rétropropagation de l’erreur, amélioré par un terme de modification e pour la robustesse. Cette partie aborde efficacement les défis associés à la mesure en temps discret dans les systèmes de véhicules. La deuxième partie se penche sur l’amélioration de l’estimation de l’état dans la dynamique des véhicules terrestres grâce à l’application de réseaux neuronaux à fonction de base radiale (RBF). Cette section est articulée à travers trois articles pivots, chacun apportant une perspective et une solution uniques. Ces articles abordent collectivement divers défis en matière de mesure et de modélisation, démontrant la polyvalence et l’efficacité des réseaux RBF dans l’estimation de la dynamique complexe des véhicules. La troisième partie s’appuie sur la conception réussie d’observateurs basés sur des réseaux neuronaux pour des véhicules terrestres individuels et étend leur application au contexte du pelotonnage de véhicules sous des mesures retardées. Cette partie de la recherche se concentre sur les défis uniques inhérents à l’environnement de pelotonnage, en particulier l’impact des retards de communication entre les véhicules. Elle montre comment les conceptions d’observateurs avancés peuvent être adaptées à l’environnement interconnecté et dynamique des pelotons de véhicules, garantissant la stabilité et la précision de la formation, même en présence de retards de communication. Dans l’ensemble, cette thèse apporte une contribution significative au domaine des systèmes de contrôle de véhicules terrestres, offrant des perspectives précieuses et des solutions pratiques pour le développement de systèmes d’observateurs avancés et fiables capables de naviguer dans les complexités de la dynamique véhiculaire moderne.
Abstract: This thesis explores advanced observer designs to improve state estimation and system performance in vehicle dynamic environments. The research is divided into three parts, where each part focuses on a specific aspect of observer design and its practical application to ground vehicles. Part One introduces a novel observer design using a multi-layer neural network for autonomous ground vehicles. This part of the study proposes a continuous-discrete time neural network observer, that is designed for systems that have significant non-linearity and without the necessity for prior knowledge of system dynamics. The observer, which is designed as a three-layer feedforward neural network, trained using the error backpropagation learning algorithm, and enhanced with an e-modification term for robustness. A closed-loop output predictor is added to the design of the neural network observer to solve the challenge of discrete time measurement in vehicle systems. Part two of this thesis introduces a novel approach using radial basis function neural networks, which is used to enhance observer designs for nonlinear dynamic systems. In this part, we propose a new weight updating function that improves the performance of RBF networks, which was designed for systems with both partially or completely unknown dynamics. The proposed observers are also designed to manage the discrete-time measurements with delay measurements to ensure accurate state estimation and improved performance of the system under these conditions. Part Three focuses on robust platooning in multi-agent systems to address the challenges that are posed by internal and communication delays, measurements uncertainties, and the system heterogeneity. A consensus-based high-gain observer and a novel-based observer are presented to enhance the stability and coordination of platoons under different conditions. These methods here are validated by extensive simulations that shows the efficiency of the observers to maintain synchronization and robustness under challenging scenarios. Overall, this thesis contributes in the field of ground vehicle control systems that offers valuable understanding and practical solutions for developing advanced observer systems that are capable of solving the complexities of modern vehicle dynamics

Οptimizatiοn οf Synchrοmοdal Cοntainer Τranspοrtatiοn

Doctorant·e: VAIKKATHE Ananthakrishnan
Direction de thèse: BOUKACHOUR JAOUAD (Directeur·trice de thèse)
BENAINI ABDELHAMID (Co-directeur·trice de thèse)
Date de la soutenance: 19/12/2024 à 15:00
Lieu de la soutenance: PIL
Rapporteurs de la thèse: FONLUPT CYRIL ULCO - UNIVERSITE DU LITTORAL COTE D'OPALE
ZARGAYOUNA MAHDI Université Marne La Vallée
Membres du jurys: BENAINI ABDELHAMID, , ULHN - Université Le Havre Normandie
BOUDEBOUS DALILA, , ULHN - Université Le Havre Normandie
BOUKACHOUR JAOUAD, , ULHN - Université Le Havre Normandie
FONLUPT CYRIL, , ULCO - UNIVERSITE DU LITTORAL COTE D'OPALE
SALLEZ YVES, , UNIVERSITE POLYTECHNIQUE HAUTS DE FRANCE
ZARGAYOUNA MAHDI, , Université Marne La Vallée

Résumé: Cette thèse explore la mise en œuvre de la synchromodalité dans le transport de conteneurs en arrière-pays. La synchromodalité, une forme avancée de transport multimodal, offre une flexibilité et une résilience accrues pour le transport de fret conteneurisé. Bien que le transport routier ait traditionnellement dominé ce secteur, la synchromodalité vise à promouvoir un transfert modal stratégique vers des modes de transport plus durables, tels que le rail et les voies navigables intérieures. Le principal défi opérationnel réside dans la détermination de l’itinéraire optimal pour le transport des marchandises entre les terminaux d’origine et de destination. Dans la première partie de cette thèse, un modèle mathématique est développé pour identifier les meilleurs itinéraires de transport, en minimisant à la fois les émissions de carbone et la durée de transit. Compte tenu de la complexité NP-difficile de ce problème de chemin le plus court capacitaire, un algorithme génétique est proposé pour résoudre des instances de grande taille. Ces instances sont basées sur le corridor de fret de l’Axe Seine en France. Les résultats montrent qu’un transfert modal du camion vers le rail et les voies navigables intérieures peut permettre de réduire les émissions de carbone jusqu’à 80 %. La deuxième partie étend le modèle mathématique en intégrant des impacts environnementaux supplémentaires, appelés coûts externes. Un cadre d’optimisation multi-objectifs basé sur la métaheuristique NSGA-II est mis en œuvre pour résoudre efficacement le problème à grande échelle. Dans la troisième partie, le modèle prend en compte les incertitudes liées aux temps de trajet et de transport. Pour y faire face, une approche d’optimisation robuste basée sur une formulation min-max est employée, permettant de résoudre le problème de transport multimodal dans des conditions incertaines.
Abstract: This thesis explores the implementation of synchromodality in hinterland container transportation. Synchromodality, an advanced form of multimodal transportation, offers enhanced flexibility and resilience for containerized freight movement. While road transport has traditionally dominated this sector, synchromodality aims to promote a strategic modal shift toward more sustainable modes of transportation, such as rail and inland waterways. The primary operational challenge lies in determining the optimal route for transporting shipments between origin and destination terminals. In the first part of this thesis, a mathematical model is developed to identify the best transportation routes, minimizing both carbon emissions and transit duration. Given the NP-hard complexity of this capacitated shortest path problem, a genetic algorithm is proposed to solve large-scale problem instances. These instances are based on the Seine Axis freight corridor in France. The results demonstrate that a modal shift from truck to rail and inland waterways can achieve up to an 80% reduction in carbon emissions. The second part extends the mathematical model to incorporate additional environmental impacts, known as external costs. A multi-objective optimization framework using the NSGA-II metaheuristic is implemented to solve the problem for large-scale scenarios effectively. In the third part, the model accounts for uncertainties in travel and transportation times. To address this, a robust optimization approach based on a min-max formulation is employed, enabling the solution of the multimodal transportation problem under uncertain conditions.

Μοdèles affines généralisées et symétries d'équatiοns aux dérivés partielles

Doctorant·e: OUKNINE Anas
Direction de thèse: LESCOT PAUL (Directeur·trice de thèse)
Date de la soutenance: 19/12/2024 à 14:00
Lieu de la soutenance: UFR sciences et techniques salle des séminaires
Rapporteurs de la thèse: LORINCZI JOZSEF Institut de Mathématiques Alfred Renyi
THIEULLEN MICHELE UNIVERSITE PARIS 6 PIERRE ET MARIE CURIE
Membres du jurys: CALKA PIERRE, , URN - Université de Rouen Normandie
LEONARD CHRISTIAN, , Université Paris 10 Paris-Nanterre
LESCOT PAUL, , URN - Université de Rouen Normandie
LORINCZI JOZSEF, , Institut de Mathématiques Alfred Renyi
THIEULLEN MICHELE, , UNIVERSITE PARIS 6 PIERRE ET MARIE CURIE

Résumé: Cette thèse se consacre à étudier les symétries de Lie d'une classe particulière d'équations différentielles partielles (EDP), désignée sous le nom d'équation de Kolmogorov rétrograde. Cette équation joue un rôle essentiel dans le cadre des modèles financiers, notamment en lien avec le modèle de Longstaff-Schwartz, qui est largement utilisé pour la valorisation des options et des produits dérivés. Dans un contexte plus générale, notre étude s'oriente vers l'analyse des symétries de Lie de l'équation de Kolmogorov rétrograde, en introduisant un terme non linéaire. Cette généralisation est significative, car l'équation ainsi modifiée est liée à une équation différentielle stochastique rétrograde et progressive (EDSRP) via la formule de Feynman-Kac généralisée (non linéaire). Nous nous intéressons également à l'exploration des symétries de cette équation stochastique, ainsi qu'à la manière dont les symétries de l'EDP sont connectées à celles de l'EDSRP. Enfin, nous proposons un recalcul des symétries de l'équation différentielle stochastique rétrograde (EDSR) et de l'EDSRP, en adoptant une nouvelle approche. Cette approche se distingue par le fait que le groupe de symétries qui opère sur le temps dépend lui-même du processus $Y$, qui constitue la solution de l'EDSR. Cette dépendance ouvre de nouvelles perspectives sur l'interaction entre les symétries temporelles et les solutions des équations.
Abstract: This thesis is dedicated to studying the Lie symmetries of a particular class of partial differential equations (PDEs), known as the backward Kolmogorov equation. This equa- tion plays a crucial role in financial modeling, particularly in relation to the Longstaff- Schwartz model, which is widely used for pricing options and derivatives. In a broader context, our study focuses on analyzing the Lie symmetries of the backward Kolmogorov equation by introducing a nonlinear term. This generalization is significant, as the modified equation is linked to a forward backward stochastic differ- ential equation (FBSDE) through the generalized (nonlinear) Feynman-Kac formula. We also examine the symmetries of this stochastic equation and how the symmetries of the PDE are connected to those of the BSDE. Finally, we propose a recalculation of the symmetries of the BSDE and FBSDE, adopting a new approach. This approach is distinguished by the fact that the symme- try group acting on time itself depends also on the process Y , which is the solution of the BSDE. This dependence opens up new perspectives on the interaction between temporal symmetries and the solutions of the equations.

Ιntelligent apprοach fοr trafic cοngestiοn predictiοn

Doctorant·e: AMOR Yasmine
Direction de thèse: HOBLOS GHALEB (Directeur·trice de thèse)
BEN SAID LAMJED (Co-directeur·trice de thèse)
Date de la soutenance: 18/12/2024 à 14:30
Lieu de la soutenance: ESIGELEC
Rapporteurs de la thèse: AYACHI GANNOUCHI SONIA Université de Sousse
GUESSOUM ZAHIA Université de Reims Champagne Ardenne
Membres du jurys: AYACHI GANNOUCHI SONIA, , Université de Sousse
BEN SAID LAMJED, , Université de Tunis (Tunisie)
ELOUEDI ZIED, , Université de Tunis (Tunisie)
GUESSOUM ZAHIA, , Université de Reims Champagne Ardenne
HOBLOS GHALEB, , ESIGELEC ROUEN
SAHLI NABIL, , German University of Technology

Résumé: La congestion routière constitue un défi majeur pour les zones urbaines, car le volume de véhicules continue de croître plus rapidement que la capacité globale du réseau routier. Cette croissance a des répercussions sur l'activité économique, la durabilité environnementale et la qualité de vie. Bien que des stratégies visant à atténuer la congestion routière ont connu des améliorations au cours des dernières décennies, de nombreux pays ont encore du mal à la gérer efficacement. Divers modèles ont été développés pour aborder ce problème. Cependant, les approches existantes peinent souvent à fournir des prédictions en temps réel et localisées qui peuvent s'adapter à des conditions de trafic complexes et dynamiques. La plupart de ces approches s'appuient sur des horizons de prédiction fixes et manquent de l'infrastructure intelligente nécessaire à la flexibilité. Cette thèse comble ces lacunes en proposant une approche intelligente, décentralisée et basée sur l'infrastructure pour l'estimation et la prédiction de la congestion routière. Nous commençons par étudier l'Estimation du Trafic. Nous examinons les mesures de congestion possibles et les sources de données requises pour différents contextes pouvant être étudiés. Nous établissons une relation tridimensionnelle entre ces axes. Un système de recommandation basé sur des règles est développé pour aider les chercheurs et les opérateurs du trafic à choisir les mesures de congestion les plus appropriées en fonction du contexte étudié. Nous passons ensuite à la Prédiction du Trafic, où nous introduisons notre approche DECOTRIVMS. Cette dernière utilise des panneaux intelligents à messages variables pour collecter des données de trafic en temps réel et fournir des prédictions à court terme avec des horizons de prédiction variables. Nous avons utilisé des Réseaux de Graphes avec Attention en raison de leur capacité à capturer des relations complexes et à gérer des données structurées en graphes. Ils sont bien adaptés pour modéliser les interactions entre différents segments routiers étudiés. Nous avons aussi employé des méthodes d'apprentissage en ligne, spécifiquement la Descente de Gradient Stochastique et la Descente de Gradient Adaptative. Bien que ces méthodes ont été utilisées avec succès dans divers autres domaines, leur application à la prédiction de la congestion routière reste sous-explorée. Dans notre thèse, nous visons à combler cette lacune en explorant leur efficacité dans le contexte de la prédiction de la congestion routière en temps réel. Enfin, nous validons l'efficacité de notre approche à travers deux études de cas réalisées à Mascate, Oman, et à Rouen, France. Une analyse comparative est effectuée, évaluant divers modèles de prédiction, y compris les Réseaux de Graphes avec Attention, les Réseaux de Graphes Convolutionnels et des méthodes d'apprentissage en ligne. Les résultats obtenus soulignent le potentiel de DECOTRIVMS, démontrant son efficacité pour une prédiction précise et efficace de la congestion routière dans divers contextes urbains.
Abstract: Traffic congestion presents a critical challenge to urban areas, as the volume of vehicles continues to grow faster than the system’s overall capacity. This growth impacts economic activity, environmental sustainability, and overall quality of life. Although strategies for mitigating traffic congestion have seen improvements over the past few decades, many cities still struggle to manage it effectively. While various models have been developed to tackle this issue, existing approaches often fall short in providing real-time, localized predictions that can adapt to complex and dynamic traffic conditions. Most rely on fixed prediction horizons and lack the intelligent infrastructure needed for flexibility. This thesis addresses these gaps by proposing an intelligent, decentralized, infrastructure-based approach for traffic congestion estimation and prediction. We start by studying Traffic Estimation. We examine the possible congestion measures and data sources required for different contexts that may be studied. We establish a three-dimensional relationship between these axes. A rule-based system is developed to assist researchers and traffic operators in recommending the most appropriate congestion measures based on the specific context under study. We then proceed to Traffic Prediction, introducing our DECentralized COngestion esTimation and pRediction model using Intelligent Variable Message Signs (DECOTRIVMS). This infrastructure-based model employs intelligent Variable Message Signs (VMSs) to collect real-time traffic data and provide short-term congestion predictions with variable prediction horizons. We use Graph Attention Networks (GATs) due to their ability to capture complex relationships and handle graph-structured data. They are well-suited for modeling interactions between different road segments. In addition to GATs, we employ online learning methods, specifically, Stochastic Gradient Descent (SGD) and ADAptive GRAdient Descent (ADAGRAD). While these methods have been successfully used in various other domains, their application in traffic congestion prediction remains under-explored. In our thesis, we aim to bridge that gap by exploring their effectiveness within the context of real-time traffic congestion forecasting. Finally, we validate our model’s effectiveness through two case studies conducted in Muscat, Oman, and Rouen, France. A comprehensive comparative analysis is performed, evaluating various prediction techniques, including GATs, Graph Convolutional Networks (GCNs), SGD and ADAGRAD. The achieved results underscore the potential of DECOTRIVMS, demonstrating its potential for accurate and effective traffic congestion prediction across diverse urban contexts.

Ιndécidabilité des invariants géοmétriques dans les pavages

Doctorant·e: PAVIET SALOMON Leo
Direction de thèse: VANIER Pascal (Directeur·trice de thèse)
Date de la soutenance: 17/12/2024 à 14:30
Lieu de la soutenance: Bâtiment Sciences 3 - salle des thèses
Rapporteurs de la thèse: BEAL MARIE-PIERRE Université Gustave Eiffel
ROJAS CRISTOBAL Pontificia Universidad Católica de Chile
Membres du jurys: BEAL MARIE-PIERRE, , Université Gustave Eiffel
CERVELLE JULIEN, , UNIVERSITE PARIS 12 VAL DE MARNE
HOYRUP MATHIEU, , Université de Lorraine
OLLINGER NICOLAS, , Université d'Orléans
PETITE SAMUEL, , UNIVERSITE AMIENS PICARDIE JULES VERNE
VANIER Pascal, , UCN - Université de Caen Normandie

Résumé: Cette thèse est consacrée à l'étude des sous-décalages, et en particulier leurs propriétés calculatoires. De façon générale, un sous-décalage est défini par un ensemble fini de symboles, un ensemble de règles spécifiant les agencements valides et invalides de ces symboles, et un espace ambiant que l'on cherche à paver: une configuration valide consiste alors en un agencement de ces symboles couvrant l'espace entier et respectant toutes les contraintes. Le sous-décalage est alors défini comme l'ensemble de toutes les configurations valides. Dans le cas le plus simple, ces règles interdisent simplement à certains symboles d'être placés côte-à-côte, et sont donc en nombre fini. Cependant, même dans ce cas restreint, les pavages de Z^d pour d > 1 sont étonnament complexes, cette complexité se manifestant sous plusieurs aspects étudiés dans cette thèse. Cette thèse est divisée en trois chapitres essentiellement indépendants, précédés d'une introduction générale aux différents objets étudiés. Dans un premier temps, nous étudierons l'entropie d'extension des pavages de Z^d, un nombre réel associé à un sous-décalage qui quantifie le nombre de motifs qui peuvent être librement interchangés dans n'importe quelle configuration valide. Nous montrerons que les entropies d'extension possibles sont caractérisées par des restrictions calculatoires, et correspondent exactement à des niveaux de la hiérarchie arithmétique, le niveau exact dépendant de la classe de sous-décalages considérée. Dans un second chapitre, nous nous intéresserons au Groupe Fondamental Projectif des pavages du plan Z^2. Il s'agit d'un groupe associé à certains sous-décalages, qui permet de classifier les obstructions possibles qu'ont certaines configurations partielles ne pouvant être étendues en configurations valides sur tout l'espace. Nous montrerons là aussi que des classes simples de pavages, notamment les sous-décalages de type fini, peuvent exhiber un comportement complexe, et en particulier peuvent avoir comme groupe fondamental n'importe quel groupe finiment présenté. Enfin, nous étudierons dans un troisième chapitre les sous-décalages substitutifs, dans le contexte particulier des graphes. Nous proposerons une définition de graphe substitutif, et de sous-décalage substitutif défini sur ces graphes, et montrerons qu'une large classe de ces sous-décalages peuvent être obtenus à l'aide d'un nombre fini de règles locales. Ce résultat généralise partiellement un résultat classique de Mozes, dans un cadre plus combinatoire et moins géométrique.
Abstract: This thesis is devoted to the study of subshifts, and in particular their computational properties. A subshift is defined by a finite set of symbols, a set of rules specifying authorized and forbidden arrangements of these symbols, and an ambient space that we try to tile: a valid configuration is then an arrangement of these symbols, covering the entire space and respecting all the rules. A subshift is then defined as the set of all the valid configurations. In the simplest case, the rules are adjacency rules, which prevent some symbols from being placed next to one another. However, even in this restricted setting, tilings of Z^d for d > 1 can be surprinsingly complicated, in several ways studied in this thesis. The thesis is divided in three independent chapters, with a preliminary chapter introducing all the relevant background knowledge for the various objects being considered. In a first chapter, we study the extender entropy of Z^d subshifts, a real number which quantifies for any subshift the number of patterns that can freely be exchanged in all the valid configurations. We show that the possible values of extender entropies are fully characterized by computability restrictions, more precisely, they correspond exactly to levels in the arithmetical hierarchy of real numbers, the precise level depending on the specific class of subshifts being considered. In a second chapter, we study the Projective Fundamental Group of Z^2-subshifts, a group which aims at classifying the various kinds of obstructions encountered when trying to extend a partial configuration to a complete, valid configuration of the subshift. We show that even subshifts of finite type can have as fundamental group any finitely presented group. Finally, we study in a third chapter a kind of substitutive subshift defined on graphs. We propose a definition of substitutive graph, as well as substitutive graph subshift, and show that an important class of these subshifts can be obtained using only finitely many local rules. This partially generalizes a classical result from Mozes, in a more combinatorial but less geometrical setting.

Τraitement d'image pοur la valοrisatiοn et l'accessibilité des οeuvres muséales

Doctorant·e: REDON Marjorie
Direction de thèse: EL MOATAZ BILLAH Abderrahim (Directeur·trice de thèse)
Date de la soutenance: 17/12/2024 à 09:00
Lieu de la soutenance: Caen
Rapporteurs de la thèse: GOUET-BRUNET VALÉRIE Directeur de recherche Université Gustave Eiffel
TREUILLET SYLVIE Maître de conférences HDR Université d'Orléans
Membres du jurys: EL MOATAZ BILLAH Abderrahim, , UCN - Université de Caen Normandie
GOUET-BRUNET VALÉRIE, Directeur de recherche, IGN
JOUFFRAIS CHRISTOPHE, Directeur de recherche, Institut de Recherche en Informatique de Toulouse
LECOMTE CHRISTELE, Maître de conférences, URN - Université de Rouen Normandie
MARZANI FRANCK, , Universite Bourgogne Europe
QUEAU Yvain, Chargé de recherche, UCN - Université de Caen Normandie
TREUILLET SYLVIE, Maître de conférences HDR, Université d'Orléans

Résumé: La question de l’accessibilité des œuvres muséales aux personnes présentant une incapacité visuelle (PPIVs) est régulièrement soulevée par les associations et les musées. De par leur nature, certaines œuvres, telles que les tapisseries médiévales, ne peuvent être touchées et ne sont que peu souvent accessibles via l’audio-description. Aussi, la création manuelle de représentations tactiles est coûteuse et complexe, limitant leur disponibilité dans les musées. La Tapisserie de l’Apocalypse et la Tapisserie de Bayeux sont deux exemples emblématiques. Ces deux œuvres d’art de grande envergure mesurant 104 m sur 4,5 m pour la première et 70 m sur 50 cm pour la deuxième, sont devenues au fil du temps les objets de nombreuses études. Bien que le Château d’Angers propose des visites guidées adaptées aux personnes aveugles et malvoyantes, celles-ci restent limitées et nécessitent la participation de plusieurs personnes. Au musée de la Tapisserie de Bayeux, un espace de découverte tactile est proposé mais seules trois des 58 scènes peuvent être explorées. Cette thèse aborde les problématiques d'inclusion dans les musées. Ce travail a été mené dans une volonté de rendre la perception des tapisseries médiévales accessible à un plus grand nombre de personnes. Ce travail propose ainsi une méthodologie innovante de création semi-automatique d’objets 3D à partir d’une simple photographie. Nous nous intéressons dans ce manuscrit aux possibilités offertes par les outils d’intelligence artificielle pour la création de bas-reliefs imprimés en 3D, rapidement et à moindre coût. Pour cela, nous étudions des algorithmes de segmentation tels que les Mask R-CNN ; et d'autres réseaux de neurones permettant de générer des images, comme les réseaux génératifs antagonistes (GANs). En plus de la possible génération d'impressions 3D permettant une exploration tactile des œuvres, nous devons nous intéresser à la pertinence de telles représentations. Afin de nous assurer que la solution proposée permette une meilleure autonomie dans l’appréciation de l’art, nous menons également une campagne d'évaluation auprès de PPIVs. Au final, nous visons à améliorer l'expérience muséale des personnes aveugles et partiellement aveugles par une augmentation de leur autonomie dans ces lieux de culture et renforcer leur satisfaction et leur motivation à découvrir ces trésors culturels.
Abstract: The issue of accessibility to artworks in museums for visually impaired people (VIP) is frequently raised by associations and museums. Some works, such as medieval tapestries, by their very nature, cannot be touched and are often not accessible through audio-description. Moreover, the manual creation of tactile representations is costly and complex, limiting their availability in museums. The Apocalypse Tapestry and the Bayeux Tapestry are two iconic examples. These large-scale artefacts, measuring 104 m by 4.5 cm meters for the former and 70 m by 50 cm for the latter, have been the focus of numerous studies over the years. Although the Château d'Angers offers guided tours adapted for blind and partially sighted visitors, these remain limited and require the involvement of several people. At the Bayeux Tapestry Museum, there is a tactile discovery area, but only three of the 58 scenes have been adapted into tactile mock copies. This work is motivated by the challenges of inclusion in museums and aims to make the perception of medieval tapestries accessible to as many people as possible. We propose an innovative methodology for the semi-automatic creation of 3D objects from simple photographs. In this manuscript, we explore the possibilities offered by artificial intelligence tools to quickly and affordably create 3D-printed bas-reliefs. Specifically, we study segmentation algorithms like Mask R-CNN and image-generating neural networks such as generative adversarial networks (GANs). In addition to generating 3D prints that enable tactile exploration of artefacts, we also evaluate the relevance of these representations through experimentation with VIPs. Overall, our goal is to improve the museum experience for blind and partially sighted visitors by enhancing their autonomy in cultural spaces and increasing their satisfaction and motivation to discover these cultural treasures.

Dévelοppement de détecteurs de rayοnnement ΤΗz nοn refrοidis à base de La0.7Sr0.3ΜnΟ3

Doctorant·e: QUINTEN Thomas
Direction de thèse: GUILLET Bruno (Directeur·trice de thèse)
Date de la soutenance: 16/12/2024 à 14:00
Lieu de la soutenance: Campus 2, Caen
Rapporteurs de la thèse: BOUSSAHA FAOUZI OBSERVATOIRE DE PARIS
LECOEUR Philippe Université Paris Saclay
Membres du jurys: BOUSSAHA FAOUZI, , OBSERVATOIRE DE PARIS
GUILLET Bruno, , UCN - Université de Caen Normandie
LAMPIN JEAN-FRANÇOIS, , IEMN - Inst. d'Elec, de MIcro et de Nano
LECOEUR Philippe, , Université Paris Saclay
LOCQUET JEAN-PIERRE, , LEUVEN - KATHOLIEKE UNIVERSITEIT
ROY PASCALE, , Synchrotron SOLEIL

Résumé: Les propriétés des ondes térahertz (THz) offrent des perspectives pour relever les défis sociétaux du XXIᵉ siècle dans les domaines de la santé, de la sécurité et de l'énergie. Cette thèse examine l'utilisation de couches minces de La0.7Sr0.3MnO3 (LSMO) déposées sur silicium pour réaliser des détecteurs THz à température ambiante, en exploitant la variation de leur résistance électrique. Les détecteurs sont associés à des antennes planaires, exigeant une adaptation d’impédance optimale entre l’antenne et la couche mince. Dans ce but, les couches LSMO et leurs contacts électriques (Au/LSMO) ont été caractérisés en courant continu et dans le domaine radiofréquence (10 MHz à 325 GHz). En courant continu, l'étude révèle que de fortes résistances électriques de contact introduisent des comportements non-linéaires qui dégradent la lecture des détecteurs. Un recuit thermique associé à une géométrie adaptée du détecteur a permis de ramener les résistances de contact à un niveau négligeable, avec une résistance spécifique de 10⁻⁵ Ω·cm². L’analyse radiofréquence effectuée sur des lignes coplanaires chargées par du LSMO a montré que l’impédance du LSMO est réelle et que les résistances électriques de contact sont négligeables à ces fréquences. Ces résultats ont permis de concevoir des détecteurs couplés à une lentille diélectrique et de les tester à 640 GHz et 2.52 THz. Les performances mesurées se montrent prometteuses comparées à l’état de l’art, avec un NEP électrique de quelques pW/√Hz (limité par le bruit de phonons) et un temps de réponse de 0.1 ms. Le NEP optique, avoisinant 600 pW/√Hz dans la bande passante, pourrait être optimisé par une meilleure absorption du rayonnement.
Abstract: The properties of terahertz (THz) waves offer promising perspectives for addressing 21st-century societal challenges in the fields of health, security, and energy. This thesis investigates the use of La0.7Sr0.3MnO3 (LSMO) thin films deposited on silicon for the development of THz detectors operating at room temperature, by exploiting the variation in their electrical resistance. The films are coupled with planar antennas, requiring optimal impedance matching between the antenna and the thin film. In this context, the LSMO layers and their electrical contacts (Au/LSMO) were characterized in direct current and in the radiofrequency domain (10 MHz to 325 GHz). In direct current, the study reveals that high contact resistances introduce nonlinear behaviors that degrade detector reading. Thermal annealing combined with an optimized detector geometry allowed for contact resistances to be reduced to a negligible level, achieving a specific contact resistance of 10⁻⁵ Ω·cm². The radiofrequency analysis performed on coplanar lines loaded with LSMO showed that the LSMO impedance is real with no contact resistances. These findings enabled the design of detectors coupled with a dielectric lens, which were tested at 640 GHz and 2.52 THz. The performances are promising compared to the state of the art, with an electrical NEP of a few pW/√Hz (limited by phonons noise) and a response time of 0.1 ms. The optical NEP, around 600 pW/√Hz in the bandwidth, could be optimized through enhanced radiation absorption.

Smart Rοad Signs based trust management mοdels fοr cοοperative Ιntelligent Τranspοrtatiοn Systems

Doctorant·e: ABIDI Rihab
Direction de thèse: HOBLOS GHALEB (Directeur·trice de thèse)
BEN AZZOUNA NADIA (Co-directeur·trice de thèse)
Date de la soutenance: 16/12/2024 à 14:00
Lieu de la soutenance: ESIGELEC
Rapporteurs de la thèse: BONNIN JEAN-MARIE IRISA RENNES
SIALA CHAOUACHI JOUHAINA Université de Carthage
Membres du jurys: BEN AZZOUNA NADIA, , Université de Tunis (Tunisie)
BONNIN JEAN-MARIE, , IRISA RENNES
HOBLOS GHALEB, , ESIGELEC ROUEN
SIALA CHAOUACHI JOUHAINA, , Université de Carthage

Résumé: L'augmentation de la complexité des systèmes de circulation urbaine a rendu la congestion un défi majeur, entraînant des impacts économiques, environnementaux et sociaux considérables. Les Systèmes de Transport Intelligents (STIs) sont apparus comme une solution prometteuse pour atténuer ces défis en permettant une gestion dynamique du trafic. Cependant, la fiabilité des données au sein des STIs représente un enjeu de plus en plus important. L'introduction de données erronées par des capteurs défectueux ou malveillants peut entraîner des dysfonctionnements ou des perturbations intentionnelles du système. Dans ce contexte, les modèles de gestion de la confiance revêtent une importance cruciale. La plupart des modèles de confiance existants proposent des approches centrées sur les véhicules. Cependant, la forte mobilité et la nature dynamique des environnements des STIs affectent la stabilité et la scalabilité de ces systèmes. En conséquence, la proposition de nouveaux modèles de confiance conçus spécifiquement pour les STIs, afin d'améliorer la précision, la sécurité, la scalabilité et la stabilité de la diffusion des informations sur le trafic, constitue l'objectif global de cette thèse. Tout d'abord, nous avons proposé une architecture générique pour un cadre de modèle de gestion de la confiance, exploitant les Smart Road Signs (SRSs). La conception de cette architecture repose sur une étude approfondie de l'état de l'art. Cette architecture a ensuite été développée pour proposer deux nouveaux modèles de confiance. Le premier modèle, considère les informations contextuelles et l'agrégation. De plus, ce modèle prend en compte les informations contextuelles et l'agrégation des données provenant de multi-sources pour évaluer la fiabilité des événements de trafic signalés aux SRSs et des différents nœuds du réseau. De plus, le modèle applique une évaluation de confiance à deux niveaux en combinant l'inférence Bayésienne et une approche de somme pondérée dynamique. En outre, une inférence bayésienne basée sur la prédiction a été proposée pour améliorer la précision de l'évaluation de la confiance. Par la suite, un modèle de confiance en communication a été proposé, pour compléter la contribution précédente, en utilisant des métriques de Quality of Service (QoS) pour évaluer le comportement des SRSs. Ce modèle introduit un modèle de confiance auto-organisé pour suivre les comportements des SRSs et établir des environnements stables en utilisant Dempster Shafer Theory (DST) basée sur la logique floue. En effet, nous considérons un scénario plus réaliste où tous les nœuds sont vulnérables aux attaques et aux pannes. Ainsi, l'objectif principal de ce modèle est de garantir que le système reste opérationnel même dans des environnements hostiles, en atténuant la vulnérabilité des architectures de réseau centralisées, qui est le point de défaillance unique. Les modèles proposés ont été validés par des simulations, démontrant leur efficacité dans l'identification des nœuds malveillants et la réduction des rapports de trafic erronés. Les résultats montrent que la prise en compte de l'agrégation de données provenant de multi-sources et des informations contextuelles augmente la précision de l'évaluation de la confiance. De plus, l'adoption d'un modèle basé sur l'infrastructure, exploitant une architecture décentralisée et hiérarchique, améliore l'évolutivité et la stabilité des modèles de confiance, ce qui est adapté à un tel environnement.
Abstract: The increasing complexity of urban traffic systems has made congestion a significant challenge, leading to severe economic, environmental, and social impacts. Intelligent Transportation Systems (ITSs) have emerged as a promising solution to mitigate these challenges by enabling dynamic traffic management. However, the reliability of data within ITSs represents an increasingly significant challenge. The introduction of erroneous data by defective or malicious sensors can lead to malfunctions or intentional disruptions of the system. In this context, trust management models assume a crucial importance. Most of the existing trust models propose vehicle-centric approaches. However, the high mobility and dynamic nature of the ITS environments affects the stability and scalabity of such systems. Accordingly, proposing novel trust models designed specifically for ITSs to enhance the accuracy, security, scalability and stabilty of traffic information dissemination constitutes the overall goal of this thesis. First, we proposed a generic architecture for a trust framework, leveraging Smart Road Signs (SRSs). The conception of this architecture was built upon the output of a deep investigation of the state of the art. This framework has been, then, developed to propose two novel trust models. The first model, considers the contextual information and multi-source data aggregation to assess the trustworthiness of reported traffic events and the different nodes of the network. Additionally, the model applies a bi-level trust evaluation combining Bayesian Inference and a dynamic weighted sum approach. Furthermore, a predictive-based Baysian Inference was proposed to enhance the accuracy of trust evaluation. Thereafter, a communication trust model was proposed, to complement the previous contribution, using Quality of Service (QoS) metrics to evaluate the SRSs behaviour. This model introduces a self-organizing trust model to track the SRSs' behaviours and establishes stable environments using a fuzzy-based Dempster Shafer Theory (DST). In fact, we consider a more realistic scenario where all the nodes are vulnerable to attacks and failure. Thus, the main objective of this model is to ensure that the system remains operational even in hostile environments, by mitigating the inherent single point of failure vulnerability characteristic of centralized network architectures.\\ The proposed models were validated through simulations, showing their effectiveness in identifying malicious nodes and mitigating erroneous traffic reports. The results demonstrate that considering multi-source data aggregation and context-aware information increases the accuracy of trust evaluation. Furthermore, the adoption of an infrastructure-based framework leveraging a decentralized and hierarchical architecture enhances the scalability and stability of the trust models, which is suitable for such environment.

Soutenances autorisées pour l'ED « École Doctorale Mathématiques, Information, Ingénierie des Systèmes » (ED 590 MIIS)

Liste des soutenances actuelles 38

Τhéοrie du gradient du secοnd οrdre pοur les matériaux cοmpοsites à fοrt taux de cοntraste et cοnceptiοn de mοdèles prédictifs de tenseurs via l'apprentissage prοfοnd

Μesures de micrο-capteurs en qualité de l'air : calibratiοn statistique et débiaisage de sοrties de mοdèles numériques

Ρrοgrammatiοn par cοntraintes et échantillοnnage pοur l'extractiοn de mοtifs d'intervalles

Οptimized data structure and query system fοr static cοde analysis

Fabricatiοn and mechanical characterizatiοn οf micrο-electrοmechanical systems (ΜEΜS) based οn La0.7Sr0.3ΜnΟ3, applicatiοn tο resοnant bοlοmeters

Ρrοbabilistic analyses οf the transversal hypergraph generatiοn prοblem

Explοitatiοn οf cοlοred 3D meshes using cοnvοlutiοnal netwοrks

Andersοn mοdules and L-series: a Ρ-adic study

Cοntributiοn au diagnοstic de défauts capteurs dans une chaine de cοnversiοn électrique. Applicatiοn sur les véhicules électriques.

Ηοmοgénéisatiοn de prοblémes d’évοlutiοn dans des dοmaines à frοntiéres fοrtement οscillantes et avec des dοnnées peu réguliéres

Μοdèles génératifs pοur la prédictiοn de la prοgressiοn du cancer à partir de dοnnées multimοdales

Οptimal Cοntrοl Ρrοblems gοverned by Stοchastic Ρartial Differential Equatiοns

Adaptatiοn dynamique de la gestiοn de charge cοmputatiοnnelle par criticalité autο-οrganisée

Ιntercοnnexiοn d’un système de transpοrt pοint à pοint et d’un réseau de transpοrt en cοmmun

Τοwards intelligent and Lightweight Security and Ρrivacy Sοlutiοns fοr Ιndustrial ΙοΤ Systems

Artificial Ιntelligence in DDοS Μitigatiοn

Expressive Ροwer οf Graph Νeural Νetwοrks

Sécurité d'un système d'authentificatiοn biοmétrique basé sur les cοdes cοrrecteurs d'erreurs

Cοmbinatοrics οf cactus grοups, interesting subgrοups and generalisatiοns

Unsupervised Learning-based Ιnfοrmatiοn Retrieval Applied tο Spοt Ρatterns in Ηistοrical Dοcument Ιmages

Décimatiοn hiérarchique pοur l'apprentissage sur graphes

Sοficity οf multidimensiοnal subshifts

Equatiοns de Ηamiltοn-Jacοbi sur des graphes

Οptimal cοntrοl prοblems and Ηamiltοn-Jacοbi-Bellman equatiοns in sοme curved metric spaces

Οn zeta and multizeta values in pοsitive characteristic

Aspects οf the p-adic Κudla prοgram fοr the unitary grοup GU(2, 1)

Améliοratiοn de la Détectiοn d'Οbjets 3D Μοnοculaire basée sur l'ΙA: Applicatiοn au Τrain Autοnοme Μοnοrail par Stabilisatiοn Gyrοscοpique

ΡreDiViD Τοwards the Ρredictiοn οf the Disseminatiοn οf Viral Disease cοntagiοn in a pandemic setting

Τοwards efficient Κnοwledge Graph-based Retrieval Augmented Generatiοn fοr cοnversatiοnal agents

Μulti-dοmain translatiοn in a semi-supervised setting

Synthèse d'algοrithmes d'estimatiοn intelligents en vue du cοntrοle de trajectοire d'une flοtte de véhicules autοnοmes en platοοning (cοnvοi)

Οptimizatiοn οf Synchrοmοdal Cοntainer Τranspοrtatiοn

Μοdèles affines généralisées et symétries d'équatiοns aux dérivés partielles

Ιntelligent apprοach fοr trafic cοngestiοn predictiοn

Ιndécidabilité des invariants géοmétriques dans les pavages

Τraitement d'image pοur la valοrisatiοn et l'accessibilité des οeuvres muséales

Dévelοppement de détecteurs de rayοnnement ΤΗz nοn refrοidis à base de La0.7Sr0.3ΜnΟ3

Smart Rοad Signs based trust management mοdels fοr cοοperative Ιntelligent Τranspοrtatiοn Systems