Modélisation de Propriétés pour le Raisonnement Spatial et Spatio-Temporel H/F

Description de l'offre

Description

Il est attendu de ce stage les étapes suivantes : Se familiariser avec la logique floue et les méthodes de modélisation de propriétés et de relations spatiales floue (Bloch, 2005), (Poli, Boudet, & Le Yaouanc, 2018), (Vanegas, Bloch, & Inglada, 2013), (Takemura, Cesar, & Bloch, 2012) Formaliser les propriétés ou relations sélectionnées en s'appuyant sur la logique floue, Implémenter les propriétés et relations floues sélectionnées (prototypage sous python ou Matlab), Créer des jeux de données de test et d'évaluation, Visualiser les données utilisées et les résultats obtenus, Rédaction d'un rapport. Références Bloch, I. (2005). Fuzzy spatial relationships for image processing and interpretation: a review. Image and Vision Computing, 23(2), 89-110. Poli, J.-P., Boudet, L., & Le Yaouanc, J.-M. (2018). Online spatio-temporal fuzzy relations. Dans IEEE (Éd.), International Conference on Fuzzy Systems (FUZZ-IEEE), (pp. 1-8). Takemura, C., Cesar, R. M., & Bloch, I. (2012). Modeling and measuring the spatial relation along: Regions, contours and fuzzy sets. Pattern Recognition, 45(2), 757-766. doi://doi.org/10.1016/j.patcog.2 Vanegas, M., Bloch, I., & Inglada, J. (2013). Alignment and Parallelism for the Description of High-Resolution Remote Sensing Images. Transactions on Geoscience and Remote Sensing, 51(6), 3542-3557. doi:10.1109/TGRS.2

Date de début

21 oct., 2025

Profil

Le candidat ou la candidate sera en deuxième ou troisième année d'école d'ingénieur ou en Master 1 / Master 2 en mathématiques appliquées ou en informatique. La capacité à travailler en équipe est nécessaire, tout en faisant preuve d'autonomie dans les tâches au quotidien. De bonnes compétences en programmation sont vivement souhaitées. Enfin, d'excellentes capacités d'expression, orale et écrite, en anglais, vous seront nécessaires.

Durée (Mois)

4

Formation

RJ/Qualif/Agent_maitrise_B3

Secteur

Ind_hightech_telecom