ECTS
5
Établissement
INP - ENSEEIHT
Liste des enseignements
Détection, Classification et Apprentissage
Établissement
INP - ENSEEIHT
Période de l'année
Printemps
Le cours est construit autour de trois activités: - Des cours magistraux qui présentent les principales architectures d'intérêt pour les applications en communications numériques: * Réseaux neuronaux multi-couches; * Réseaux récurrents, LSTM, réseaux récurrents profonds et GRU; * Graph neural networks; * Architecture transformers; * Principe du dépliage profond d'algorithmes; - Une série de travaux pratiques pour pratiquer PyTorch et Sionna pour un problème simple de démodulation souple (Architecture MLP LLRNet). - Des études de cas en groupes (bureau d'études) pour étudier une des architectures vues et appliquée à un domaine particulier des communications numériques comme par exemple: décodage canal par algorithmes itératifs dépliés (modèles RNNs), décodage canal utilisant des architectures type transformer, GNN pour la détection MIMO, architecture ViterbiNet/BCJRNet; classification de formes d'ondes à l'aide spectrogramme (architectures à base de CNN), etc...
Science des réseaux
Établissement
INP - ENSEEIHT
On y aborde les sujets suivants : Propriétés de réseaux : (Densité, taille, degré moyen, longueur moyenne de Chemins, diamètre, coefficient de clusterisation, connectivité, centralité, influence,…), Modèles de réseaux : Graphes aléatoires (Erdos-Renyi) , petits mondes (Watts-Strogats), attachement préférentiel (Barabasi-Albert), graphes temporels, Analyse de réseaux : Analyse de réseaux sociaux, analyse de réseaux dynamiques, analyse de liens, analyse de la robustesse, analyse pandémique (durées d’infection, durées de recouvrement, …), analyses de liens web (page ranking,…), mesures de centralité, …, Outils d’analyse : analyse spectrale pour réseaux complexes, outils de mesure (Gamma tool), Dissémination de contenu dans un réseau (modèle SIR) : analyse des phénomènes de dissémination, communautés,…,Réseaux interdépendants (degrés de corrélation,…).