• Titre : « Apprentissage auto-supervisé sur des graphes hétérogènes : contribution à l’analyse des comportements et des dynamiques sociales des animaux », INSA
• Postdoctorant : Vincent Elouan
• Unité de rattachement : INSA, DM2L.
• Encadrement :
  • Céline Robardet (INSA).
• École doctorale :
• Durée du projet : 2024 - 2027

Résumé du projet :

Les avancées méthodologiques sont nécessaires dans l’étude du bien-être animal pour mieux comprendre les interactions entre les animaux et donc leurs comportements. Les approches traditionnelles d'apprentissage automatique sur les graphes impliquent souvent de plonger ces structures discrètes dans des espaces euclidiens, tirant parti des annotations pour structurer l’espace. Or, ces annotations peuvent être difficile à obtenir.
Objectifs :
* Grâce à des paradigmes d'apprentissage auto-supervisé, relever ces défis tout en améliorant l'interopérabilité des résultats du modèle.
Méthodologies :
 * Analyser des graphes hétérogènes qui capturent des modèles complexes de comportements des animaux.