Plénières de COSI - 2015
- Event-Based Demand Response Management Algorithms for Microgrids
- Apprentissage de représentations pour les données relationnelles sémantiques
- Exploring Complex and Large Data with Formal Concept Analysis
- Quelques apports de la programmation par contraintes pour la vérification de programmes
- Reclassement d'images
- la vérification d'assertions dans le cadre des outils de "bounded model checking";
- l'analyse de programmes : élimination de fausses alarmes et identification de valeurs suspectes pour des décisions critiques;
- l'aide à la localisation d'erreurs dans des programmes pour lesquels un contre-exemple est disponible.
Khaled Elbassioni.
Patrick Gallinari.
Amedeo Napoli.
Michel Rueher.
Djemel Ziou.
Event-Based Demand Response Management Algorithms for Microgrids
Demand response has become one of the key enabling technologies
for smart grids. With the increasing demand response incentives set by
utilities, more customers are subscribing to the various demand response
schemes. However, with growing customer participation, the problem of
determining the solutions of optimal load curtailment for customers becomes
computationally complex (even with hundreds of customers).
In this talk, we propose efficient algorithms for event-based demand response management for microgrids. In these systems, it is important to optimally curtail loads as fast as possible to maintain microgrid stability, considering a combination of active and reactive power. An efficient two-stage algorithm is proposed to determine the optimal loads to be curtailed during islanded operation. The first stage relies on a simple greedy approach that is capable of determining a close-to-optimal load curtailment scheme rapidly to maintain microgrid stability. The second stage relies on a more sophisticated algorithm that can further improve the near-optimality solution of the first stage, when more response time is permitted. The algorithms are corroborated extensively by simulations with up to thousands of customers.
This is joint work with Chi-Kin Chau, Areg Karapetyan, Majid Khonji, and Hatem Zeineldin.
Khaled Elbassioni
Masdar Institute, Abu Dhabi - Émirats arabes unis.
Apprentissage de représentations pour les données relationnelles sémantiques
Les données se présentent souvent sous une forme complexe (multimodale, hétérogène,..) et relationnelle (biologie, réseaux sociaux,...). Une des approches exploitée en apprentissage pour les modéliser ou pour résoudre différentes tâches génériques du domaine est d'apprendre des représentations latentes de ces données dans des espaces continus, de façon à rendre possible l'utilisation de méthodes classiques de l'apprentissage sur ces espaces. Plusieurs directions de recherche parfois conduites indépendamment dans différentes communautés ont développé des idées similaires et se retrouvent aujourd'hui regroupées dans la thématique "apprentissage de représentations". L'exposé donnera un aperçu des avancées récentes de ces méthodes et présentera un ensemble de modèles et d'applications ciblant le traitement de données sémantiques et de données sociales, développées au sein de l'équipe "Machine Learning and Information Access" à l'université Pierre et Marie Curie, Paris.
Patrick Gallinari.
Université Pierre et Marie Curie, France.
Exploring Complex and Large Data with Formal Concept Analysis
Knowledge discovery in large and complex datasets is one of the main topics addressed by the so-called ``Data Science'' but is also a topic of main interest for the ''Science of Knowledge'' (or Artificial Intelligence). Indeed data and knowledge are interacting and knowledge discovery is applied on datasets and has a direct impact on the design of knowledge bases (or ontologies). Following this idea, it can be interesting to have at hand a generic formalism that can support knowledge discovery and, as well, knowledge representation and reasoning.
Accordingly, in this presentation, we introduce Formal Concept Analysis (FCA), a mathematical formalism for data and knowledge processing. FCA starts with a binary table composed of objects and attributes and outputs a concept lattice, where each concept is made of an intent (i.e. the description of the concept in terms of attributes) and an extent (i.e. the objects instances of the concept). Intents and extents are two dual facets of a concept that naturally apply in knowledge representation.
There are two main variations of FCA, Relational Concept Analysis (RCA) for dealing with relational data and Pattern Structures (PS) for dealing with complex data (numbers, sequences, trees, graphs). We will discuss the usability of FCA and its variations in knowledge discovery and knowledge engineering through various tasks and applications, such as e.g. data and text mining, information retrieval, biclustering and recommendation, and extraction of functional dependencies.
Finally, the structure of a concept lattice can be visualized and allows a suggestive interpretation for human agents while it can be also processable by software agents.
Amedeo Napoli.
LORIA, CNRS, France.
Quelques apports de la programmation par contraintes pour la vérification de programmes
La vérification de programmes a toujours été une question cruciale en informatique, mais la présence de logiciels embarqués dans de plus en plus de systèmes que nous utilisons ou que nous côtoyons quotidiennement rend cette question encore plus délicate.
Dans cet exposé, nous allons analyser les apports et les limites de la programmation par contraintes (CP) pour la vérification de propriétés de programmes qui ne se réduisent pas à de simples systèmes de décision, mais qui comprennent aussi quelques calculs numériques.
Nous allons en particulier étudier l'apport de la CP pour :
Michel Rueher.
University of Nice Sophia Antipolis, France.
Reclassement d'images
La problématique de la gestion de documents est étudiée depuis plusieurs décennies. Des résultats significatifs en avancement de la connaissance ont été obtenus. Cependant, les retombées socio-économiques de la gestion de documents textuels sont beaucoup plus importantes que celles de la gestion de documents non textuels. Dans cette présentation, nous tenterons d'expliquer les raisons du désintérêt aux technologies de gestion de documents visuels. Par la suite, je me concentre sur la gestion de documents visuels. Je décrirai la méthodologie que nous avions mise en oeuvre pour effectuer la recherche d'images à l'identique, la recherche d'objets, l'indexation de collection d'images et la recommandation automatique. Je montrerai l'apport de la gestion de documents en cyberenquête. Des directions scientifiques seront aussi exposées
Djemel Ziou.
Université de Sherbrooke, Canada.