Précédent : Organisation de colloques et de Remonter : Projet SYCO Suivant : Références

Perspectives

Nos objectifs scientifiques à cinq ans sont concentrés sur nos compétences majeures en vue de la conception de ``machines intelligentes.

D'une part, sur le plan des modèles fondamentaux et des outils logiciels, nous chercherons à développer des modèles connexionnistes neuromimétiques puissants :

• modèles inspirés des neurosciences (biologie théorique, IRM),
• approfondissement de mécanismes particuliers comme la prise en compte du temps, l'accroissement des capacités d'apprentissage et l'intégration multimodale,
• développement de comportement autonome,
• couplage avec d'autres approches (modèles hybrides symboliques-connexionnistes et stochastiques, algorithmes génétiques) ;

à diversifier et enrichir les modèles de systèmes à base de connaissances :

• approfondissement de la notion d'agents et définition de systèmes multi-agents évolués,
• conception de méthodes de raisonnement temporel et temps réel,
• représentation et exploitation de connaissances structurées : représentation à objets, logiques terminologiques, raisonnement à partir de cas,
• acquisition de connaissances et fouille de données ;

et à étendre les modèles statistiques :

• estimation statistique de paramètres,
• modèles de Markov d'ordre deux,
• modèles de langages,
• modèles stochastiques de trajectoires.

D'autre part, sur le plan des applications, nous nous concentrerons sur nos trois spécialités majeures que sont la reconnaissance automatique de la parole (reconnaissance indépendante du locuteur et vérification d'identité par la voix, augmentation de la robustesse de la reconnaissance en vue de la reconnaissance de parole bruitée et de parole spontanée, notamment à travers le téléphone, intégration de connaissances phonétiques), la surveillance/conduite en temps réel de systèmes complexes (systèmes de production industriels, robots mobiles, domaine biomédical, systèmes de navigation en intérieur et en extérieur, perception sensorielle et fusion multi-capteurs, méthodes évoluées de planification, apprentissage de son environnement par un robot, utilisation d'algorithmes génétiques) et l'interprétation de signaux (conception de modèles efficaces et génériques pouvant traiter des classes variées de signaux de différents types).