BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Etis - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.etis-lab.fr
X-WR-CALDESC:Events for Etis
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20270328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20271031T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260415T103000
DTEND;TZID=Europe/Paris:20260415T120000
DTSTAMP:20260417T101734
CREATED:20260331T091500Z
LAST-MODIFIED:20260331T091640Z
UID:10013-1776249000-1776254400@www.etis-lab.fr
SUMMARY:Séminaire ETIS-ICI - Laura Luzzi
DESCRIPTION:Title: Covert communication over additive noise channels\n(based on joint work with Cécile Bouette\, Ligong Wang and Matthieu Bloch) \nAbstract: In the first part of the talk\, I will give a brief overview of my research in the areas of physical layer security and post-quantum cryptography.\nThen\, I will focus on some recent results in the setting of covert communication in physical layer security. In this scenario\, a transmitter and a receiver wish to communicate reliably while preventing an eavesdropper from detecting the fact that a communication is ongoing. It is known that the channel capacity under this constraint is zero\, and the amount of information that can be sent reliably and covertly scales like the square root of the number of channel uses. We study the scaling constant of the square root law\, or “covert capacity”\, for a general class of memoryless additive noise channels\, and show that it is upper bounded by the square root of the varentropy of the noise. Under some additional assumptions\, we show that this upper bound is tight.\nIn the last part of the talk\, we consider the asymptotic limits of covert communication over an i.i.d. Gaussian channel when we allow a positive average error probability ε. In this case\, the strong converse does not hold\, and the scaling constant C_ε depends on ε. We derive upper and lower bounds for C_ε and show that allowing a small positive error probability enables the transmission of additional covert information. \nBio: Laura Luzzi is an Associate Professor (MCF HDR) at ENSEA\, Cergy-Pontoise\, France\, and a researcher at ETIS (UMR 8051\, CY Cergy Paris Université\, ENSEA\, CNRS). She is currently a visiting researcher with Project COSMIQ\, Centre Inria de Paris. Her research interests include physical layer security and post-quantum cryptography.
URL:https://www.etis-lab.fr/event/seminaire-etis-ici-laura-luzzi/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2022/01/LAURA_LUZZI_300.jpg
ORGANIZER;CN="Ke Feng":MAILTO:ke.feng@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260414T103000
DTEND;TZID=Europe/Paris:20260414T120000
DTSTAMP:20260417T101734
CREATED:20260320T192141Z
LAST-MODIFIED:20260320T192141Z
UID:9952-1776162600-1776168000@www.etis-lab.fr
SUMMARY:ETIS-ICI Seminar - E. Veronica Belmega
DESCRIPTION:We are glad to announce the upcoming ETIS-ICI seminar by Prof. E. Veronica Belmega\, which will take place on Tuesday\, 10:30am\, April 14th at D331 ENSEA.\nIt is also accessible by the following link https://webconf.numerique.gouv.fr/ETISICI2026 \nTitle: Research overview and two recent contributions \nAbstract: After a brief research activity overview\, the presentation will focus on two recent contributions. 1) Beam coherence time prediction in mobile high frequency (0.1THz) communications exploiting deep learning\, in collaboration with Irched Chafaa and Giacomo Bacci at Univ. of Pisa; 2) Defence against false data injection attacks in the power grid exploiting a two-player zero-sum game in collaboration with Sajjad Maleki (PhD co-tutelle CYU Cergy Paris Univ. and Univ. of Warwick) and Subhash Lakshminarayana at Univ. of Warwick. \nBio: E. Veronica Belmega is a Professor at Univ. Gustave Eiffel – ESIEE Paris and LIGM laboratory\, Marne-la-Vallée\, France\, since May 2022. Previously\, she was an Associate Professor (MCF HDR) with ENSEA graduate school and ETIS laboratory\, Cergy-Pontoise\, France\, where she is currently an Associate Researcher. Her main research interests lie in convex and online optimization\, game theory and machine learning applied to resource optimization and security of wireless communication and smart grid networks.
URL:https://www.etis-lab.fr/event/etis-ici-seminar-e-veronica-belmega/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2023/12/veronica_belmega.jpg
ORGANIZER;CN="Ke Feng":MAILTO:ke.feng@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260409T103000
DTEND;TZID=Europe/Paris:20260409T120000
DTSTAMP:20260417T101734
CREATED:20260331T091052Z
LAST-MODIFIED:20260331T091904Z
UID:10010-1775730600-1775736000@www.etis-lab.fr
SUMMARY:Séminaire ETIS-ICI - Sotiris Skaperas
DESCRIPTION:Title: Efficient and robust learning approaches for dynamic wireless and edge systems.\nOrateur : Dr. Sotiris Skaperas\, ETIS. \nAbstract: Next-generation communication and computing infrastructures operate under dynamic conditions\, resource constraints\, and increasing demands for reliability and security. In this talk\, I will present recent contributions on learning-based methods that address these challenges across wireless and edge environments. The presentation will cover anomaly detection in wireless mesh networks\, efficient and robust learning in dynamic edge systems\, and physical-layer authentication under adversarial conditions. Overall\, these works explore how intelligent methods can improve reliability\, efficiency\, and security in dynamic wireless and edge systems. \nBio: Sotiris Skaperas is postdoctoral researcher at ETIS UMR 8051\, CY Cergy Paris University\, ENSEA\, CNRS and he is currently working on the EU SNS JU ROBUST-6G project. His research focuses on 6G wireless systems\, IoT\, and edge-cloud environments\, with an emphasis on statistical modeling and machine learning for anomaly detection\, resource management\, and wireless physical-layer security. \n 
URL:https://www.etis-lab.fr/event/seminaire-etis-ici-sotiris-skaperas/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="Ke Feng":MAILTO:ke.feng@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260402T160000
DTEND;TZID=Europe/Paris:20260402T173000
DTSTAMP:20260417T101734
CREATED:20260401T052928Z
LAST-MODIFIED:20260401T052928Z
UID:10037-1775145600-1775151000@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Julien Le Kernec
DESCRIPTION:Orateur : Julien Le Kernec\, Senior Lecturer\, HDR\, University of Glasgow. \nTitle: Radar sensing in assisted living: an overview\nAbstract: In this keynote\, I will discuss the place of radar for assisted living. First\, the context of assisted living and the urgency to address the problem will be described. The second part will give an overview of existing sensing modalities for assisted living and explain why radar is an upcoming preferred modality to address this issue. The third section presents developments in machine learning that help improve performances in classification\, especially with deep learning with a reflection on lessons learned from it. Finally\, I’ll conclude with open challenges and future developments. \nBio: Dr Julien Le Kernec is currently a Senior Lecturer with the School of Engineering in the Autonomous Systems & Connectivity Group\, University of Glasgow\, he is also an adjunct Associate Professor at the University Cergy-Pontoise\, France\, in the ETIS (Information and Signal Processing group). Previous to this\, he held a post-doctoral position with the Kuang-Chi Institute of Advanced Technology\, Shenzhen\, China\, from 2011 to 2012 and he was a Lecturer at the Department of Electrical and Electronic Engineering at the University of Nottingham Ningbo China\, from 2012 to 2016. Dr Le Kernec received his B.Eng. and M.Eng. degrees in Electronic Engineering from the Cork Institute of Technology\, Ireland\, in 2004 and 2006\, respectively\, and his Ph.D. degree in Electronic Engineering from the University Pierre and Marie Curie\, France\, in 2011. In 2022\, he received “Habilitation a Diriger des Recherches” from University Cergy-Pontoise\, France.\nHis research interests include radar system design\, software-defined radio/radar\, signal processing\, and health applications. Dr Le Kernec has over 130 publications in journals (IEEE sensors\, IEEE Signal processing Magazine\, IEEE Journal of Biomedical and Health Informatics\, Nature Scientific Reports)\, Conferences (IET internation radar conference\, IEEE radarcon\,..)\, book chapters\, patents and databases. \nTeams link: https://teams.microsoft.com/meet/335139198265625?p=Gym3TZyH3Fd4cQMDaB\nMeeting ID: 335 139 198 265 625\nPasscode: ZV98iz9b
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-julien-le-kernec/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2026/04/julien_le_kernec.jpg
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260402T160000
DTEND;TZID=Europe/Paris:20260402T173000
DTSTAMP:20260417T101734
CREATED:20260326T072830Z
LAST-MODIFIED:20260326T072855Z
UID:9971-1775145600-1775151000@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Sylvain Colomer
DESCRIPTION:Orateur : Sylvain Colomer \nTitle: Visual perception across scales: from bio-inspired navigation to large-scale scene understanding\nAbstract:\nVisual perception\, or computer vision\, is a central component of intelligent and robotic systems. It plays a key role in a wide range of applications\, from robotic navigation to remote sensing\, scene understanding\, medical imaging\, or large-scale visual data analysis. Although visual data is very rich in information\, it is also highly complex\, as it is subject to many challenges such as illumination variations\, weather conditions\, viewpoint and scale changes\, as well as domain shifts or noise. Learning efficient and meaningful representations from such data is therefore a major challenge for intelligent systems\, especially under constraints related to performance\, computational cost\, and energy efficiency. In this context\, my research focuses on understanding how visual representations can be learned and exploited across different scales and application domains. In particular\, I investigate how perception models can be designed to remain robust and adaptable when moving from local\, embodied settings to large-scale visual understanding tasks. During my PhD\, I developed bio-inspired approaches for visual navigation and localization\, leveraging principles from neuroscience to design robust and adaptive models for decision-making in autonomous systems. These models aim to bridge perception and action through structured visual representations\, with a particular emphasis on efficiency through the use of simple\, optimized monocular vision systems and lightweight computational models. In addition\, part of this work focused on deploying these models on FPGA platforms\, with the goal of designing efficient hardware implementations and exploring circuit architectures adapted to bio-inspired and neural computation. More recently\, my work has explored large-scale scene understanding in the context of remote sensing\, using deep learning techniques for tasks such as instance segmentation and analysis of hyperspectral aerial imagery\, in particular for large-scale forest monitoring in Canada. This setting introduces new challenges related to scale\, variability\, and data complexity\, and raises questions about the deployment of such systems directly on drones to enable efficient and adaptive forest monitoring. In this talk\, I will highlight the connections between these research directions and show how they contribute to the design of more general\, robust\, and efficient visual perception systems. I will finally discuss perspectives towards adaptive\, energy-efficient\, and deployable AI models\, capable of bridging embodied perception and large-scale visual understanding in real-world applications. \nBio: Sylvain Colomer is a researcher in computer vision and robotic navigation. His work focuses on designing robust and efficient visual models for real-world applications\, from autonomous navigation to large-scale remote sensing. He obtained his PhD from CY Cergy Paris University\, where he developed bio-inspired approaches for visual navigation on embedded systems. He then worked as a postdoctoral researcher at the University of Toronto on deep learning methods for hyperspectral image analysis and forest monitoring. His research aims to bridge embodied perception and large-scale visual understanding. His current research focuses on designing robust and efficient visual perception models that can operate in real-world conditions\, from resource-constrained embedded systems to large-scale data analysis\, with an emphasis on multimodality\, generalization\, and deployment. \nTeams link: https://teams.microsoft.com/meet/37168326511389?p=dQSREX67PUox8rsHTo\nMeeting ID: 371 683 265 113 89\nPasscode: Ry6ZC3bU
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-sylvain-colomer/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260402T100000
DTEND;TZID=Europe/Paris:20260402T113000
DTSTAMP:20260417T101734
CREATED:20260326T072532Z
LAST-MODIFIED:20260326T072532Z
UID:9968-1775124000-1775129400@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Khemmar Redouane
DESCRIPTION:Orateur : Khemmar Redouane (ESIGELEC) \nTitre : Contribution à la perception pour la smart mobilité\nRésumé :\nLes véhicules autonomes sont de plus en plus présents dans notre quotidien\, ouvrant de nouvelles perspectives pour la smart mobilité. Un véhicule autonome doit comprendre 3 fonctions essentielles : perception\, décision et actions. Plus le système est capable de percevoir son environnement\, plus il prendra de meilleures décisions lui permettant\, in fine\, de déclencher des actions répondant aux exigences de sécurité\, confort et d’énergie. La détection\, localisation et tracking d’objets sont des tâches indispensables pour la perception. Depuis 2012\, le deep learning est devenu un outil très puissant en raison de sa capacité à traiter de grandes quantités de données. L’apparition de nombreuses méthodes basées sur l’apprentissage profond a conduit à des progrès significatifs. Malgré cet engouement à l’IA\, peu de méthodes se concentrent sur l’aspect temps-réel\, essentiel pour les applications réelles et ce\, en raison des coûts de calcul élevés. En plus\, ces algorithmes présentent des lacunes évidentes dans les scènes complexes en partie à cause du manque de données vérité terrain comme pour la smart mobilité ferroviaire et la santé. En plus de la précision et la vitesse\, les algorithmes de perception doivent prendre en compte la contrainte d’énergie liée aux systèmes embarqués. Mes travaux de recherche sont concernés par cette problématique et se concentrent donc sur la perception d’environnement pour deux domaines de la smart mobilité : routier/ferroviaire et robotique mobile/santé. L’objectif est d’atteindre un niveau d’analyse et de compréhension de scènes complexes permettant d’assurer une smart mobilité de très haut niveau de sécurité\, de confort et d’énergie optimale. Cela repose sur deux briques essentielles et complémentaires : 1. Système fusion multicapteurs permettant d’enrichir davantage la perception avec des données hétérogènes\, 2. Perception d’environnement basée IA permettant l’exploitation des données collectées pour une meilleure prédiction de l’ensemble des situations. Il s’agit donc du développement de plateformes génériques ouvertes pour expérimenter et valider des concepts technologiques et scientifiques du monde académique et industriel. \nShort bio: Après une formation d’ingénieur en électronique\, un DEA en informatique industrielle et d’un Master européen en traitement d’images à l’Université de Poitiers (2002)\, j’ai préparé au sein de l’Université de Strasbourg un doctorat en traitement d’images et vision par ordinateur (2005). J’ai obtenu par la suite une Habilitation à Diriger des Recherches (HDR) en vision par ordinateur\, intelligence artificielle et smart mobilité à l’Université Rouen Normandie (2022). J’ai été moniteur au Centre d’Initiation à l’Enseignement Supérieur (CIES Alsace) pour une formation d’enseignant chercheur (2002-2005). J’ai occupé le poste d’Attaché Temporaire d’Enseignement et de Recherche (ATER) pendant 2 ans à l’Université de Strasbourg (2005-2007) et un PostDoc en gestion électronique des documents (GED) et dématérialisation au sein du groupe Jouve (2007-2008). Par la suite\, j’ai occupé plusieurs postes en industrie en tant que chef de projet au sein des grands comptes industriels (JOUVE\, THALES\, ALTEN). Depuis 2009\, je suis enseignant chercheur à l’ESIGELEC en systèmes embarqués\, robotique mobile et smart mobilité. Mes travaux de recherche portent principalement sur la vision par ordinateur\, robotique mobile\, intelligence artificielle et smart mobilité. \nTeams link: https://teams.microsoft.com/meet/382497063309?p=QKk3yAxhEeTcXWt1Ch\nMeeting ID: 382 497 063 309\nPasscode: vH39fR9F
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-khemmar-redouane/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/png:https://www.etis-lab.fr/wp-content/uploads/2026/03/Redouane_Khemmar.png
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260401T140000
DTEND;TZID=Europe/Paris:20260401T153000
DTSTAMP:20260417T101734
CREATED:20260326T073603Z
LAST-MODIFIED:20260326T073746Z
UID:9975-1775052000-1775057400@www.etis-lab.fr
SUMMARY:Séminaire ETIS-ICI - Adrien Berthelot
DESCRIPTION:Orateur : Dr. Adrien Berthelot (Univ. Bristol) \nTitre: Empreinte environnementale du numérique : comprendre et évaluer\nRésumé :\nDes préoccupations autour de la consommation d’électricité du numérique pendant la crise énergétique de 2022\, en passant par les controverses autour de l’empreinte carbone de ce secteur\, et sans oublier les tragiques évènements au Congo\, l’industrie du numérique pose des problèmes aussi divers et complexes que son écosystème. Les impacts environnementaux du numérique sont de diverses natures : contribution au réchauffement climatique\, consommation d’eau\, extraction des métaux et des énergies fossiles. De plus\, ces impacts sont répartis de manière hétérogène entre les différentes phases de cycle de vie des équipements et les différentes parties des services numériques\, des ordinateurs individuels aux immenses infrastructures de communications et de calculs. Il y a derrière le plus commun des usages du numérique\, comme naviguer sur un site internet\, une complexité d’attribution des couts environnementaux et par extension des leviers de réductions de ces “couts” environnementaux. \nDans cette présentation\, je vous propose d’explorer l’empreinte du numérique au travers de la notion transversale de service numérique. Loin d’une métrique unique\, nous verrons comment percevoir ces impacts au travers d’analyse de cycle de vie (ACV) de services numériques. Sur la base de cette évaluation des impacts directs\, nous détaillerons les leviers possibles pour réduire l’empreinte environnementale du numérique. Nous évoquerons les problèmes posés par l’utilisation de métrique unique\, de performance ou d’efficacité. Nous verrons alors que ces leviers sont aussi divers que les problèmes posés par le numérique\, et nécessitent\, là aussi\, une approche multicritère. \nThe talk is in French and slides are in English.
URL:https://www.etis-lab.fr/event/semianire-etis-ici-adrien-berthelot/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/webp:https://www.etis-lab.fr/wp-content/uploads/2026/03/Adrien_Berthelot-e1774510615155.webp
ORGANIZER;CN="Ke Feng":MAILTO:ke.feng@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260401T133000
DTEND;TZID=Europe/Paris:20260401T150000
DTSTAMP:20260417T101734
CREATED:20260326T072044Z
LAST-MODIFIED:20260326T072110Z
UID:9964-1775050200-1775055600@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Pascal Cotret
DESCRIPTION:Orateur : Pascal Cotret (ENSTA Brest) \nTitle: Contributions to software-hardware border security\nAbstract:\nThis seminar provides an overview of some research activities\, which examines security at various levels in both software and hardware. First\, I will discuss work in which hardware supports software security (code monitoring on ARM\, securing JIT compiled code). In the second part\, the contributions presented involve hardware accelerators for security challenges: here\, there is a strong algorithm-architecture fit to optimize the use of the FPGA resources to solve security problems. Finally\, in the last section\, we will focus on security at the microarchitecture level of embedded systems\, and more specifically on cache memories in the context of using a TEE (Trusted Execution Environment) on a RISC-V processor. \nShort bio: Pascal Cotret is an associate professor at ENSTA on the Brest campus. He earned his Ph.D. from the University of South Brittany in 2012\, served as a lecturer and researcher at CentraleSupélec Rennes from 2014 to 2017\, and then worked for two years at Thales SIX GTS before joining ENSTA in 2019. His expertise focuses on security at the software/hardware interface and embedded systems (heterogeneous architectures\, reconfigurable components such as FPGAs). He is also interested in the algorithm-architecture matching of security mechanisms. \nTeams Link: https://teams.microsoft.com/meet/34941367702216?p=vvHuTzMkM1BarALE08\nMeeting ID: 349 413 677 022 16\nPasscode: CM9ew7MP
URL:https://www.etis-lab.fr/event/semianire-etis-cell-pascal-cotret/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2026/03/pascal_cotret.jpg
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260331T150000
DTEND;TZID=Europe/Paris:20260331T163000
DTSTAMP:20260417T101734
CREATED:20260319T142019Z
LAST-MODIFIED:20260320T192254Z
UID:9944-1774969200-1774974600@www.etis-lab.fr
SUMMARY:Séminaire ETIS-DATA&AI - Intégration de métadonnées de nœuds dans des modèles graphiques gaussiens contraints par le Laplacien
DESCRIPTION:Titre :\nIntégration de métadonnées de nœuds dans des modèles graphiques gaussiens contraints par le Laplacien \nRésumé :\nNous nous intéressons à l’apprentissage de graphes dans le cadre des modèles graphiques gaussiens (GGM). Dans ce contexte\, les matrices de données sont souvent accompagnées de métadonnées auxiliaires (par exemple\, des descriptions textuelles associées à chaque nœud)\, qui sont généralement ignorées dans les méthodes traditionnelles d’estimation de graphes.\nPour combler cette lacune\, nous proposons une approche d’apprentissage de graphe fondée sur des GGM contraints par le Laplacien\, exploitant conjointement les signaux des nœuds et ces métadonnées. La formulation obtenue conduit à un problème d’optimisation pour lequel nous développons un algorithme de majoration-minimisation (MM) efficace\, avec des mises à jour sous forme fermée à chaque itération. Des résultats expérimentaux sur des données financières réelles montrent que la méthode proposée améliore significativement les performances de regroupement de graphes\, illustrant ainsi l’intérêt de la fusion de ces deux sources d’information. \nIntervenant :\nJianhua WANG\, CNAM / Université Paris-Nanterre \nSéminaire en ligne\, lien à venir.
URL:https://www.etis-lab.fr/event/seminaire-dataai-integration-de-metadonnees-de-noeuds-dans-des-modeles-graphiques-gaussiens-contraints-par-le-laplacien/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="Vassiis Christophides":MAILTO:vassilis.christophides@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260331T140000
DTEND;TZID=Europe/Paris:20260331T153000
DTSTAMP:20260417T101734
CREATED:20260326T071413Z
LAST-MODIFIED:20260326T071413Z
UID:9962-1774965600-1774971000@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Aurélique Saulquin
DESCRIPTION:Orateur : Aurélique Saulquin (CRIStAL\, Université de Lille) \nTitle: Spiking Neural Network emulation on FPGA for low-power AI\nAbstract:\nAI\, and particularly ANNs have become central to modern computing with remarkable performances for complex task resolution. However\, deploying ANNs on embedded systems remains challenging due to their complexity. Neuromorphic computing\, and especially Spiking\nNeural Networks (SNNs) offers an alternative solution\, drawing inspiration from the brain.\nAlthough promising\, neuromorphic chips are limited and poorly reconfigurable\, making FPGAs an interesting target for research and embedded low-power classification tasks.\nIn this context\, we develop ModNEF\, an open-source modular FPGA architecture for SNN inference. Modnef is based on the interconnection of independent modules\, offering high implementation flexibility and control. ModNEF was validated with standard neuromorphic\ndatasets and with a use case for sperm whale detection in the Mediterranean Sea. \nTeam link: https://teams.microsoft.com/meet/31942320814023?p=pSkW9xXckmBVCDlmqr\nMeeting ID: 319 423 208 140 23\nPasscode: zJ9Yp2wz
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-aurelique-saulquin/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260331T103000
DTEND;TZID=Europe/Paris:20260331T120000
DTSTAMP:20260417T101734
CREATED:20260326T073216Z
LAST-MODIFIED:20260326T073216Z
UID:9973-1774953000-1774958400@www.etis-lab.fr
SUMMARY:Séminaire ETIS-ICI - Samar Chebbi
DESCRIPTION:Orateur : Dr. Samar Chebbi will present the following work. \nTitle: From MIMO-NOMA Optimization to EMF Mapping: Towards Sustainable and Energy-Efficient Wireless Networks\nAbstract:\nThe presentation will first introduce the context of next-generation wireless networks and the main challenges related to massive connectivity\, interference management\, and resource allocation. I will then present my doctoral work on MIMO-NOMA systems\, focusing on user clustering and power allocation strategies based on optimization techniques\, including metaheuristic approaches. In a second part\, I will present my current research at Télécom Paris on electromagnetic field (EMF) exposure mapping\, where machine learning methods are used to model and predict exposure levels from heterogeneous data sources combining measurements and simulations. Finally\, I will discuss the perspective of sustainable wireless networks\, highlighting the need to jointly address performance\, energy efficiency\, and EMF exposure\, and outlining future research directions at the intersection of optimization\, physical modeling\, and artificial intelligence. \n 
URL:https://www.etis-lab.fr/event/seminaire-etis-ici-samar-chebbi/
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="Ke Feng":MAILTO:ke.feng@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260330T133000
DTEND;TZID=Europe/Paris:20260330T150000
DTSTAMP:20260417T101734
CREATED:20260319T141545Z
LAST-MODIFIED:20260319T141545Z
UID:9941-1774877400-1774882800@www.etis-lab.fr
SUMMARY:[ETIS - Lab Seminar] On the Many Facets of Fairness and Explainability in Graph Data
DESCRIPTION:Date: 30/03/2026\nTime: 13h30\nPlace: ENSEA (room to be defined) \nSpeaker: Prof. Evaggelia Pitoura\, University of Ioannina \nTitle: On the Many Facets of Fairness and Explainability in Graph Data \nAbstract:\nAs AI systems are increasingly used in domains with societal impact\, ensuring fairness and transparency has become a central challenge. In this talk\, I will present an overview of our recent research on fairness\, explainability\, and their interplay\, focusing on graph data\, graph-based learning tasks and knowledge graphs. I will discuss multiple facets of fairness in data graphs\, ranging from lack of bias in knowledge graph tasks to structural properties such as connectivity\, and examine the challenges of explaining decisions and outcomes in graph settings\, including counterfactual explanations. More broadly\, the talk will highlight fairness and explainability as closely connected dimensions of responsible graph data management. \nBio:\nEvaggelia Pitoura is a Professor at the Department of Computer Science and Engineering at the University of Ioannina and a Lead Researcher at Archimedes Research Unit\, Athena RC\, Greece. She holds a BEng degree from the University of Patras\, Greece\, and an MS and PhD from Purdue University\, USA. Her current research interests focus on two primary areas: responsible data management\, with a focus on fairness\, explainability\, and their interplay; and on graph exploration and analysis. For her work\, he has received best paper awards\, a Marie Currie Fellowship and two Recognition of Service Awards from ACM. She is an ACM senior member\, founding chair of the Hellenic ACM SIGMOD chapter\, and member of the sectorial scientific council of Greece National Council for Research\, Technology and Innovation. \n 
URL:https://www.etis-lab.fr/event/etis-lab-seminar-on-the-many-facets-of-fairness-and-explainability-in-graph-data/
LOCATION:ENSEA\, 6\, avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2026/03/evi-small-4.jpg
ORGANIZER;CN="Aikaterini Tzompanaki":MAILTO:aikaterini.tzompanaki@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260330T110000
DTEND;TZID=Europe/Paris:20260330T123000
DTSTAMP:20260417T101734
CREATED:20260326T071048Z
LAST-MODIFIED:20260326T071048Z
UID:9959-1774868400-1774873800@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Paul Desombre
DESCRIPTION:Orateur : Paul Desombre (ETIS) \nTitle: Communications Front-End modeling: Photodiodes\, Digital Power Amplifiers & Systems\nAbstract: \nAs energy efficiency and sobriety becomes more and more a societal concern\, communication systems need to be adapted and to consume less energy. In this talk\, I will present my research on front-end component modeling\, from photodiodes to Digital Power Amplifiers. In photonic-based sub-TeraHertz communications\, the photodiode is a key element on the available transmit power. In my thesis\, I have proposed a model and shown that Continuous Phase Modulations has a better resistance against photodiodes non-linear effects as well as a better energy efficiency than traditional waveforms. During my post-doc at ETIS I focus on Digital Power Amplifiers (DPAs) that have emerged in modern Wireless transmission because of their better efficiency than Analog Power Amplifiers (APAs). I propose a model along with a new Digital Pre-Distortion scheme\, adapted to this new kind of power amplifiers. The talk will conclude on a projection plan of my research with short-term and long-term projects. \nTeam link: https://teams.microsoft.com/meet/31942320814023?p=pSkW9xXckmBVCDlmqr\nMeeting ID: 319 423 208 140 23\nPasscode: zJ9Yp2wz
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-paul-desombre/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/png:https://www.etis-lab.fr/wp-content/uploads/2025/10/paul_desombre-1.png
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260326T160000
DTEND;TZID=Europe/Paris:20260326T173000
DTSTAMP:20260417T101734
CREATED:20260320T191645Z
LAST-MODIFIED:20260320T191746Z
UID:9949-1774540800-1774546200@www.etis-lab.fr
SUMMARY:ETIS-CELL seminar - Louis L'Haridon
DESCRIPTION:We are delighted to welcome Louis L’Haridon on Thursday\, 26 March 2026\, in room D331 (ENSEA) at 4:00pm for the second ETIS-Cell seminar of the week. \nTitle: Bio-Inspired Frugal and Adaptive Embedded AI for Constrained Systems \nAbstract: In this talk\, I present my work on bio-inspired and embodied AI models implemented on embedded robotic systems under real-time and resource constraints. I developed artificial mechanoreceptive and nociceptive sensing\, neuromodulation-based regulation\, and event-driven representations to enable adaptive behavior with controlled computational cost\, following an Application–Architecture Adequation (AAA) approach. Building on these results\, I outline a research trajectory toward hardware-aware embedded AI for constrained systems. \nBio: Louis L’Haridon is enseignant-chercheur CDD at CY Cergy Paris Université (ETIS) where he study adaptive and\, bio-inspired and embedded AI on constrained systems like robots. He teaches class on Embedded computing\, Real Time\, computer architecture and algorithmic. \nThe seminar will also be accessible via video-conference: \nTeams link: https://teams.microsoft.com/meet/38361145050952?p=KR9SG0zCT2IaenxoX4\nMeeting ID: 383 611 450 509 52\nPasscode: 7cV6dc9n
URL:https://www.etis-lab.fr/event/etis-cell-seminar-louis-lharidon/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2022/02/LOUIS_L_HARIDON_300.jpg
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260326T100000
DTEND;TZID=Europe/Paris:20260326T113000
DTSTAMP:20260417T101734
CREATED:20260326T070705Z
LAST-MODIFIED:20260326T071458Z
UID:9957-1774519200-1774524600@www.etis-lab.fr
SUMMARY:Séminaire ETIS-CELL - Ghazi Bouaziz
DESCRIPTION:Orateur : Ghazi Bouaziz \nTitre : E-santé frugale : Développement d’un système frugal pour détecter l’isolement social via les repas et les activités de mobilité chez les personnes âgées vivant à domicile.\nRésumé :\nLe vieillissement de la population pose des défis majeurs en matière de maintien à domicile et de prévention de l’isolement social chez les personnes âgées. Dans ce contexte\, les systèmes de e-santé constituent une solution prometteuse\, mais soulèvent des enjeux importants liés à la consommation des ressources numériques\, à la protection des données de santé et à la dépendance technologique.\nCe travail s’inscrit dans une démarche de numérique frugal\, responsable et souverain pour le suivi des personnes âgées à domicile. Il propose le développement d’un système intelligent de détection de l’isolement social reposant sur l’observation non intrusive de deux activités de la vie quotidienne : la mobilité et la prise de repas. Le dispositif s’appuie sur des capteurs simples et peu énergivores\, intégrés dans un environnement de maison intelligente\, et sur un traitement majoritairement local des données.\nL’identification automatique des activités est réalisée à l’aide d’algorithmes d’apprentissage automatique non supervisés et légers\, permettant de détecter des changements de comportement\, qu’ils soient progressifs ou brusques. Ces changements sont ensuite analysés afin d’évaluer un niveau de risque et de déclencher des actions adaptées\, allant de l’accompagnement aux activités quotidiennes à l’alerte en cas de situation de mise en danger.\nCette approche démontre qu’il est possible de concevoir des systèmes de e-santé performants tout en limitant leur empreinte numérique\, en renforçant la maîtrise des données de santé et en favorisant l’acceptabilité sociale. La frugalité numérique apparaît ainsi comme un levier essentiel pour une e-santé durable\, éthique et souveraine. \nShort bio : Ghazi Bouaziz est enseignant-chercheur en Internet des Objets à ESIEE-IT (France). Il est titulaire d’un doctorat en ingénierie pour la santé et pour le vivant de l’Université Toulouse III\, où ses travaux ont porté sur le développement de systèmes intelligents pour la détection de l’isolement social des personnes âgées\, en s’appuyant sur la reconnaissance des activités de la vie quotidienne à partir de capteurs domotiques et d’algorithmes d’intelligence artificielle.\nSes recherches actuelles portent sur l’Internet des Objets\, l’habitat intelligent et l’e-santé\, avec un intérêt particulier pour le traitement de données multimodales\, l’intelligence artificielle\, la surveillance non intrusive et l’analyse comportementale appliquées au maintien à domicile. \nTeams link:    https://teams.microsoft.com/meet/38497897320600?p=AsRd3jueKOI0XsEJqb\nMeeting ID:      384 978 973 206 00\nPasscode:        AP35Cb9Q
URL:https://www.etis-lab.fr/event/seminaire-etis-cell-ghazi-bouaziz/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260325T153000
DTEND;TZID=Europe/Paris:20260325T170000
DTSTAMP:20260417T101734
CREATED:20260320T191304Z
LAST-MODIFIED:20260320T191304Z
UID:9946-1774452600-1774458000@www.etis-lab.fr
SUMMARY:ETIS-Cell seminar - Camille Simon Chane
DESCRIPTION:We are delighted to welcome Camille Simon Chane over Teams for an ETIS-Cell seminar\, which will occur on Wednesday\, 25 March 2026. Room D331 at ENSEA has been booked for colleagues who would like to see the presentation on a bigger screen. \nTitle: Acquisition- and data-driven processing for demanding interdisciplinary applications: from cultural heritage to biodiversity assessment \nAbstract: This talk presents an overview of my work in computer vision for interdisciplinary applications in cultural heritage and public health\, working with unconventional acquisition systems such as event-based cameras. A particular focus will be given to the evolution and positioning of this work as it pertains to planetary boundaries. \nBio: Camille Simon Chane received her MSc in Electrical and Computer Engineering from the Georgia Institute of Technology in 2008\, followed in 2009 by the French Engineering diploma from ENSEA. She earned her PhD in Imaging Instrumentation and Computer Vision from the University of Burgundy in 2013\, where her research focused on the registration of featureless 3D and multispectral data. From 2013 to 2014\, she worked at the Cité de la Musique\, developing a luminescence multispectral camera for the study of violin varnishes. She then joined the Vision and Natural Computation team at the Institut de la Vision\, where she expanded her expertise in event‑based data processing. Since 2017\, she has been an Associate Professor at ENSEA\, conducting her research within the Cell team of the ETIS laboratory. Her work centers on data processing from unconventional sensors\, with applications in public health and cultural heritage. For example\, she contributes to projects assessing the conservation state of book bindings in heritage libraries and developing insect recognition methods based on wing morphology. She is focusing on insect recognition for the 2025−2026 academic year through a sabbatical at Theoretical Ecology Department at CSIC−CEAB. \nLink: https://teams.microsoft.com/meet/33442086490136?p=D06BGQX6z0iCVGvFeA\nMeeting ID: 334 420 864 901 36\nPasscode: Rg3Ka2Wm
URL:https://www.etis-lab.fr/event/etis-cell-seminar-camille-simon-chane/
LOCATION:Online
CATEGORIES:ETIS,Seminar
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2023/10/camillesimonchane_nb.jpg
ORGANIZER;CN="St%C3%A9phane Zuckerman":MAILTO:stephane.zuckerman@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260318T140000
DTEND;TZID=Europe/Paris:20260318T150000
DTSTAMP:20260417T101734
CREATED:20260317T095613Z
LAST-MODIFIED:20260317T095613Z
UID:9923-1773842400-1773846000@www.etis-lab.fr
SUMMARY:Séminaire SmartGait Lab : Dr Zaid Akram
DESCRIPTION:[Séminaire SmartGait Lab] Les surfaces intelligentes (RIS) pour l’analyse radar de l’activité humaine\nL’équipe SmartGait Lab a le plaisir de vous inviter à son prochain séminaire de recherche intitulé : « L’apport des surfaces intelligentes réfléchissantes (RIS) dans l’analyse radar de l’activité humaine ». \nPour cette session\, nous aurons l’honneur d’accueillir le Dr Zaid Akram\, chercheur à l’Université de Glasgow et expert de ces technologies. Le Dr Zaid partagera ses travaux sur l’optimisation de l’environnement électromagnétique au service du suivi biométrique sans contact. \n📍 Informations pratiques \n\nDate : Mercredi 18 mars\nHeure : 14h00 – 15h00\nLieu : ENSEA\, salle D331\nVisioconférence : https://teams.microsoft.com/meet/37048590102227?p=gkBIesu1Z9B51Heeiy\nIntervenant : Dr Zaid Akram (Glasgow University)
URL:https://www.etis-lab.fr/event/seminaire-smartgait-lab-dr-zaid-akram/
LOCATION:ENSEA\, salle 331\, 6 avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:Seminar
ORGANIZER;CN="Alexandre Bordat":MAILTO:alexandre.bordat@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260312T133000
DTEND;TZID=Europe/Paris:20260312T173000
DTSTAMP:20260417T101734
CREATED:20260305T074054Z
LAST-MODIFIED:20260305T075251Z
UID:9903-1773322200-1773336600@www.etis-lab.fr
SUMMARY:Journée des doctorants ETIS / ETIS Laboratory PhD students' Day
DESCRIPTION:La Journée des doctorant·e·s du laboratoire ETIS est un moment privilégié d’échange et de découverte scientifique\, dédié à la mise en lumière des travaux de recherche menés au sein du laboratoire. \nTout au long de l’après-midi du 12 mars\, vous pourrez découvrir la diversité des projets portés par les doctorant·e·s. \nJournée des doctorants ETIS / ETIS Laboratory PhD students’ Day \n \n______________________________________________________________________ \nThe ETIS Laboratory PhD students’ Day is a special opportunity for academic exchange and scientific discovery\, dedicated to showcasing the research carried out within the laboratory. \nThroughout the afternoon of March 12th\, you will have the opportunity to explore the diversity of projects led by our PhD candidates.
URL:https://www.etis-lab.fr/event/9903/
LOCATION:ENSEA\, la Rue – Epsilon Lab\, avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ETIS
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2026/03/PhD_Day_2026.v01.jpg
ORGANIZER;CN="ETIS PhD Student Club":MAILTO:phd_club@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260227T090000
DTEND;TZID=Europe/Paris:20260227T113000
DTSTAMP:20260417T101734
CREATED:20260213T133948Z
LAST-MODIFIED:20260213T134050Z
UID:9888-1772182800-1772191800@www.etis-lab.fr
SUMMARY:PhD Defense: Xiaodan Chen
DESCRIPTION:Xiaodan Chen defends her PhD entitled: “Multi-Scale Computational Modeling of Speech: From Acoustic Foundations to Phonological Structures and Phonemic Applications” on Friday\, February 27\, 2026 at La Turbine Cergy-Pontoise. \nThesis committee\n\nNicolas Rougier\, DR\, INRIA Bordeaux\, Rapporteur\nBahia Guellaï\, PR\, Université Toulouse 2\, Rapporteure\nRong Tong\, MCF\, Singapore Institute of Technology\, Examinatrice\nDan Vodislav\, PR\, CY Cergy-Paris Université\, Examinateur\nMathias Quoy\, PR\, CY Cergy-Paris Université\, Directeur de thèse\nAlexandre Pitti\, PR\, ENSEA\, Co-directeur de thèse\nNancy F. Chen\, PI\, Institute for Infocomm Research\, A*Star\, Co-directrice de thèse\n\nThe presentation will be given in English. For those who wish to attend remotely\, a link will be provided. \nAbstract (EN)\nUnderstanding the computational and neural principles underlying speech acquisition\, representation\, and production is a fundamental challenge in cognitive science and artificial intelligence. \nThis thesis presents a unified investigation into this problem through three interconnected projects that model the hierarchy of speech processing\, from early infancy to late infancy\, and from early speech sound acquisition\, to structural (proto-syntactic) sequence representation\, and finally to neuromuscular speech production. \nThis journey begins with a model of infant sensorimotor development. We develop a compact and interpretable neural network to simulate early vocal learning. The model demonstrates how exposure to a native language shapes low-level auditory perception\, and reveals how predictive coding\, as a mechanism of continual learning during a “critical period”\, facilitates attunement to native-language acoustic patterns (L1)\, while preserving a foundational capacity to acquire non-native (L2) distinctions. This establishes how a developmental critical period can emerge from fundamental principles of online learning\, and posits the sensorimotor primitive as a core\, self-organized unit of linguistic computation. \nNext\, we investigate how the brain organizes sequences of these sensorimotor states into structured motor sequences. A rank-order coding network\, inspired by Broca’s circuit\, serves as a model for this process. It exhibits proto-syntactic generalization\, proving robust to superficial changes but highly sensitive to abstract rule violations\, mirroring the P3b neurophysiological response to structural novelty. This work forges a crucial developmental link between early sensorimotor speech learning and the emergence of phonological structure in speech. \nThe final project applies this cognitive perspective to a pressing engineering problem: the scarcity of data for Voiced Electromyography-to-Speech (V-ETS) systems. We introduce a Confidence-based Multi-Speaker Self-training (CoM2S) framework. Its key innovation is a phoneme-error-based filter\, which uses the categorical linguistic unit to select high-quality synthetic data\, thereby overcoming the data bottleneck and enhancing speech generation. \nTogether\, these projects form a multi-scale investigation of speech\, spanning from the acquisition of sensorimotor primitives\, to their organization into structured sequences\, and finally to the application of the phoneme as a supervisory signal for articulatory decoding. We therefore argue that a cognitively-inspired\, multi-scale approach bridging early sensorimotor learning\, proto-syntactic sequencing\, and applied decoding\, offers a principled framework for advancing both our understanding of speech processing and our capacity to engineer robust speech technologies. \nRésumé (FR)\nComment le cerveau apprend-il\, représente-t-il et produit-il la parole ? Déchiffrer ces principes computationnels constitue un enjeu central tant pour les sciences cognitives que pour l’intelligence artificielle. \nCette thèse présente une étude unifiée de cette problématique à travers trois projets interconnectés qui modélisent la hiérarchie du traitement de la parole\, partant de l’acquisition des sons de parole jusqu’à la représentation séquentielle structurelle\, pour aboutir finalement à la production neuromusculaire de la parole. \nLe premier projet modélise le développement sensorimoteur précoce. Nous développons un réseau neuronal compact et interprétable simulant l’apprentissage de la parole chez le nourrisson. Le modèle montre comment l’exposition à la langue maternelle façonne la perception auditive de base. Il révèle également le rôle du codage prédictif comme mécanisme d’apprentissage continu pendant la « période critique »\, permettant l’ajustement aux régularités acoustiques de la langue maternelle tout en préservant la capacité fondamentale à en acquérir d’autres. Ce projet établit les fondements d’une primitive sensorimotrice audio-articulatoire pour les traitements de niveau supérieur. \nLe deuxième projet examine l’organisation de ces primitives en séquences. Nous proposons un modèle de codage par ordre de rang\, inspiré du circuit de Broca\, qui démontre une capacité de généralisation proto-syntaxique : robuste aux variations de surface\, il reste sensible aux violations de règles abstraites\, à l’instar de la réponse neurophysiologique P3b observée face à des nouveautés structurelles. Ce travail met en lumière un lien développemental crucial entre l’apprentissage sensorimoteur et l’émergence de la structure phonologique. \nLe troisième projet applique ce cadre cognitif à un défi d’ingénierie : la pénurie de données pour les modèles de conversion de l’électromyographie vocale en parole (Voiced Electromyography-to-Speech\, V-ETS). Nous y introduisons une méthode d’auto-apprentissage multi-locuteurs basée sur la confiance phonémique (Confidence-based Multi-Speaker Self-training\, CoM2S). Son innovation principale est un filtre de sélection exploitant les unités distinctives de la langue (les phonèmes) pour identifier des données synthétiques de haute qualité\, améliorant ainsi significativement les performances des systèmes V-ETS. \nCollectivement\, ces projets forment une étude hiérarchique de la parole : de l’acquisition des primitives sensorimotrices\, à leur organisation en séquences structurées\, jusqu’à l’application du phonème comme signal de supervision pour le décodage articulatoire. Ce travail démontre que des représentations ancrées dans la cognition ouvrent la voie à des technologies de la parole plus robustes et économes en données\, établissant ainsi une boucle féconde entre les mécanismes cérébraux du langage et la conception de systèmes artificiels.
URL:https://www.etis-lab.fr/event/phd-defense-xiaodan-chen/
LOCATION:La Turbine Cergy-Pontoise\, 32\, boulevard du Port\, Cergy\, 95000\, France
CATEGORIES:PhD Defense
ATTACH;FMTTYPE=image/png:https://www.etis-lab.fr/wp-content/uploads/2024/12/xiandan_chen.png
ORGANIZER;CN="Xiaodan Chen":MAILTO:xiaodan.chen@etis-lab.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260219T150000
DTEND;TZID=Europe/Paris:20260219T160000
DTSTAMP:20260417T101734
CREATED:20260119T160023Z
LAST-MODIFIED:20260213T132721Z
UID:9735-1771513200-1771516800@www.etis-lab.fr
SUMMARY:ETIS seminar: Michel Bourdellès
DESCRIPTION:Intégration de services au processus de réalisation de systèmes pour la validation automatique d’exigences de sécurité\nDr. Michel Bourdellès \nMots clefs : Security\, Model-Based Systems Engineering (MBSE)\, Model-Based Product Line Engineering (MBPLE)\, System of Systems Engineering\, systems architecting\, Early Validation and Audit. \nRésumé : La mise en œuvre des mécanismes de protection adéquats de flux de données des systèmes\, traduits en exigences de sécurité issues d’une analyse de risque\, est une contrainte forte de la réalisation des produits. Ces mécanismes\, logiciels et matériels\, doivent garantir la validation des contraintes initiales de sécurité sur le produit final avant mise en production. Nous listons un ensemble de besoins que doit satisfaire le processus industriel de réalisation produit afin de prendre au mieux en compte ces exigences dans le produit. Nous proposons un ensemble de services pour compléter les processus industriels basés sur la validation d’exigences opérationnelles afin d’analyser la correction des choix de conception système par rapport aux exigences de sécurité\, et produire automatiquement du code de sécurité. La solution proposée prend aussi en compte les contraintes liées au processus de réalisation lui-même en assurant le besoin d’en connaître par la protection à l’accès par les parties prenantes de l’information confidentielle\, étendu à la réalisation de lignes de produits\, ainsi que de l’application de la solution à des systèmes de systèmes. \nShort Bio: Michel Bourdellès est enseignant chercheur en cybersécurité à l’ESIEE-IT\, associé à l’équipe SecReizh de l’Université Bretagne Sud. Ses thèmes de recherche\, influencés par plus de vingt ans d’activités comme ingénieur dans un grand groupe de la défense\, portent sur la validation automatique d’exigences de sécurité de systèmes industriels. \n 
URL:https://www.etis-lab.fr/event/etis-seminar-michel-bourdelles/
LOCATION:CY Cergy Paris Université\, site de Saint-Martin\, 2 Av. Adolphe Chauvin\, Pontoise\, 95300\, France
CATEGORIES:ETIS,Seminar
ORGANIZER;CN="Aikaterini Tzompanaki":MAILTO:aikaterini.tzompanaki@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260210T140000
DTEND;TZID=Europe/Paris:20260210T163000
DTSTAMP:20260417T101734
CREATED:20260122T094115Z
LAST-MODIFIED:20260122T094115Z
UID:9744-1770732000-1770741000@www.etis-lab.fr
SUMMARY:HdR defense: Camille Simon Chane
DESCRIPTION:Contributions to acquisition- and data-driven processing for interdisciplinary applications: from cultural heritage towards biodiversity assessment\nAbstract\nThis document presents an overview of my deeply trans-disciplinary research in the field of computer vision from the acquisition to the processing. In particular\, I’ve focused on my contributions to event-based data processing; biomedical image synthesis and segmentation; and insect recognition. \nI have worked on event-processing that is “close to the event”. Contributions from Ozgun Yilmaz post-doc on event-corner detectors paved the way for Laure Acin’s work on event-representations. Her proposition of a end-to-end trainable speed invariant time surface (VK-SITS) proves to be robust while allowing fast inference. I also present a simple saliency model that is highly competitive compared to established visual selection models. The aim of Clara Brémond’s thesis was to help automatize the characterization of brain organoid. These cultures are fairly recent and very little public data is available. We first worked on the generation of synthetic data from a small dataset and evaluated the images through a psychovisual study. Then\, we demonstrated the usefulness of synthetic data to train robust segmentation networks. Species-level classification of blood-sucking Diptera was based on Wing Interference Pattern images. We have demonstrated the efficiency of light networks such as MobileNet in recognizing dipteran species of several families. We have also explored alternative transportable WIP acquisition methods as the ground-work for a full portable WIP-based Diptera recognition system. \nAs I expand my work on insect recognition towards biodiversity assessment\, I will continue to tackle deep-learning problems in a data-centered approach. My longstanding interest in cultural heritage studies will also feed this theme through the fundamental work on mother-of-pearl identification and characterization using macro imaging techniques. \nJury\n\nMme Isabelle BLOCH\, Professeure\, Sorbonne Université\, Paris\, Rapporteure\nM. Benoit COTTEREAU\, Directeur de Recherche – CNRS\, CNRS CERCO IPAL\, Toulouse\, Rapporteur\nMme Caroline PETITJEAN\, Professeure\, Université de Rouen Normandie\, Mont-Saint-Aignan\, Rapporteure\nM. Frederic BARTUMEUS\, Directeur de Recherche\, CEAB\, Blanes\, Gérone\, Espagne\, Examinateur\nMme Fan YANG\, Professeure\, Université de Bourgogne\, Dijon\, Examinatrice\nM. Aymeric HISTACE\, Professeur\, ENSEA\, Cergy\, Examinateur\nM. Mathias QUOY\, Professeur\, CY Cergy Paris Université\, Cergy\, Examinateur\n\nLocation and Link\n\nENSEA\, Curium\nHDR Camille Simon Chane | Meeting-Join | Microsoft Teams
URL:https://www.etis-lab.fr/event/hdr-defense-camille-simon-chane/
LOCATION:ENSEA\, Curium\, avenue du Ponceau\, Cergy\, 95014\, France
CATEGORIES:HdR Defense
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2023/10/camillesimonchane_nb.jpg
ORGANIZER;CN="Camille Simon Chane":MAILTO:camille.simon-chane@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260209T100000
DTEND;TZID=Europe/Paris:20260209T123000
DTSTAMP:20260417T101734
CREATED:20260202T165815Z
LAST-MODIFIED:20260202T165931Z
UID:9853-1770631200-1770640200@www.etis-lab.fr
SUMMARY:Soutenance de thèse : Jean-Christophe Ricklin
DESCRIPTION:Jean-Christophe Ricklin soutient sa thèse “Modèles de prédiction et d’optimisation dynamiques des stratégies tarifaires” le 9 février 2026 à l’ENSEA Cergy. \nRésumé\nCette thèse porte sur la prévision des ventes et l’optimisation des stratégies tarifaires dans le secteur de la grande distribution. Elle cherche à répondre à la question centrale : Comment concevoir des modèles de prévision capables d’anticiper les ventes tout en intégrant les relations causales entre produits\, afin de guider les décisions commerciales (prix\, promotions) dans un contexte d’interdépendances complexes ? \nPour répondre à cette problématique\, la thèse s’articule autour de trois axes méthodologiques progressifs : les modèles univariés locaux\, les modèles univariés globaux fondés sur des regroupements causaux\, et les modèles multivariés intégrant explicitement les interactions inter-produits. La solution proposée explore l’intersection entre la découverte causale en données observationnelles et l’apprentissage automatique sur graphes. \nLes principales contributions de ce travail comprennent : (i) une méthodologie de gestion des modèles en production combinant optimisation des hyperparamètres et tests statistiques de validation\, (ii) un cadre de clustering causal regroupant les produits selon leurs leviers communs plutôt que selon leurs similarités de ventes\, et (iii) un modèle multivarié exploitant un graphe issue d’une étape de découverte causal inter-produits via des Graph Neural Networks sensibles aux communautés. Enfin\, une validation expérimentale sur données réelles démontre la pertinence de l’approche et ouvre des perspectives d’extension à d’autres nomenclatures et études de promotions. \nAbstract\nThis thesis focuses on sales forecasting and pricing strategy optimization in the retail sector. It seeks to address the central question: How can we design forecasting models capable of anticipating sales while integrating causal relationships between products\, in order to guide commercial decisions (pricing\, promotions) in a context of complex interdependencies? \nTo answer this question\, the research is structured around three progressive methodological axes: local univariate models\, global univariate models based on causal clustering\, and multivariate models explicitly integrating inter-product interactions. The proposed solution explores the intersection of causal discovery from observational data and graph-based machine learning. \nThe main contributions of this work include: (i) a methodology for model management in production combining hyperparameter optimization and statistical validation tests\, (ii) a causal clustering framework grouping products according to their common drivers rather than sales similarities\, and (iii) a multivariate model exploiting an inter-product graph learned by causal discovery through community-aware Graph Neural Networks. Finally\, experimental validation on real-world data demonstrates the relevance of the approach and opens perspectives for extension to other product categories and promotional studies. \nComposition du jury\n\nRichard CHBEIR\, Université de Pau et des Pays de l’Adour\, Rapporteur\nFaicel CHAMBOUKHI\, Université de Caen Normandie\, Rapporteur\nMourad KHAYATI\, Université de Fribourg\, Examinateur\nBernd AMANN\, Sorbonne Université\, Examinateur\nRaid MANSI\, BOOPER\, Invité\nHajer BAAZAOUI\, CY Cergy Paris Université\, Directrice\nVassilis CHRISTOPHIDES\, ENSEA\, Co-Directeur\n\nLieu et date\n\nENSEA Cergy\, Curium (6 avenue du Ponceau 95014 Cergy Cedex)\n9 février 2026 à 10h00\n\nLa participation par visio est possible via le lien teams : https://teams.microsoft.com/l/meetup-join/19%3ameeting_ZTQ3NDQ0NzAtYjVjMy00MWNiLWFmZTMtZjM0ZjNlZjdlYzk5%40thread.v2/0?context=%7b%22Tid%22%3a%22880ce9c2-08e7-4138-93cf-b49659115304%22%2c%22Oid%22%3a%22b882676b-d059-4657-93e7-39ec09dac6e0%22%7d\nModèles de prédiction et d’optimisation dynamiques des stratégies tarifaires | Réunion-Joindre | Microsoft Teams
URL:https://www.etis-lab.fr/event/soutenance-de-these-jean-christophe-ricklin/
LOCATION:ENSEA\, Curium\, avenue du Ponceau\, Cergy\, 95014\, France
CATEGORIES:PhD Defense
ORGANIZER;CN="Jean-Christophe Ricklin":MAILTO:jean-christophe.ricklin@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260205T093000
DTEND;TZID=Europe/Paris:20260205T120000
DTSTAMP:20260417T101734
CREATED:20260130T093713Z
LAST-MODIFIED:20260130T093713Z
UID:9850-1770283800-1770292800@www.etis-lab.fr
SUMMARY:Soutenance de thèse : Mouncef Naji
DESCRIPTION:Mouncef Naji soutient sa thèse “Semantic Personalization of Informed Consent based on Knowledge Graph Reasoning and Large Language Models” le 5 février 2026 à CY Cergy Paris Université. \nRésumé\nCette thèse porte sur la personnalisation du consentement éclairé dans le domaine de la santé. Elle cherche à répondre à la question centrale : Comment concevoir un système capable de produire un consentement médical qui soit à la fois conforme à la loi\, compréhensible et adapté au profil du patient\, et assistant le personnel soignant à la proposition des soins ? Pour répondre à cette problématique\, la thèse s’articule autour de trois pilliers principaux : la conformité légale\, la personnalisation du consentement\, et la recommandation de soins. La solution proposée explore l’intersection entre les technologies sémantiques et l’intelligence artificielle générative\, à travers le système SPIRIT (Semantic Personalized and Compliant System for Informed consent and care Recommendation). \nLes principales contributions de ce travail comprennent : (i) une approche basée sur l’ontologie pour garantir la conformité légale\, (ii) un cadre de raisonnement sémantique pour la génération de consentements personnalisés\, et (iii) un système de recommandation infirmière fondé sur des graphes de connaissances. Enfin\, une preuve de concept fonctionnelle valide la faisabilité de l’approche et ouvre des perspectives d’expérimentation en conditions réelles\, notamment vers des extensions multilingues et multimodales. \nAbstract\nThis thesis focuses on the personalization of informed consent in healthcare. It seeks to address the central question: How can we design a system capable of producing a medical consent that is simultaneously legally compliant\, comprehensible\, and adapted to the patient’s profile\, while supporting healthcare professionals in proposing appropriate care plans?\nTo answer this question\, the research is structured around three key pillars: legal compliance\, consent personalization\, and care recommendation. The proposed solution explores the intersection of semantic technologies and generative AI\, by proposing SPIRIT (Semantic Personalized and Compliant System for Informed consent and care Recommendation).\nThe main contributions of this work include: (i) an ontology-driven approach for ensuring legal compliance\, (ii) a semantic reasoning framework for personalized consent generation\, and (iii) a knowledge-graph-based system for nursing recommendations. Finally\, a functional proof of concept validates the feasibility of the approach and opens perspectives for real-world deployment\, including multilingual and multimodal extensions. \nComposition du jury\n\nHajer BAAZAOUI\, CY Cergy Paris Université\, Directrice\nMaroua MASMOUDI\, Université de Rennes\, Co-Directrice\nZoltan MIKLOS\, Université de Rennes\, Rapporteur\nMourad ABED\, Université Polytechnique Hauts-de-France\, Rapporteur\nMarie-Hélène ABEL\, Université de Compiègne\, Examinatrice\nGayo DIALLO\, Université de Bordeaux\, Examinateur\nJean-Marie JANUEL\, Fondation Léonie-Chaptal\, Invité\n\nLieu et date\n\nCY Cergy Paris Université (site Saint-Martin)\, amphithéâtre E3 (2 Av. Adolphe Chauvin\, 95300 Pontoise)\n5 février 2026 à 09h30\n\n 
URL:https://www.etis-lab.fr/event/soutenance-de-these-mouncef-naji/
LOCATION:CY Cergy Paris Uniersité – site de Saint-Martin\, amphi E3\, 2 avenue Adolphe-Chauvin\, Pontoise\, 95300\, France
CATEGORIES:PhD Defense
ATTACH;FMTTYPE=image/jpeg:https://www.etis-lab.fr/wp-content/uploads/2024/12/mouncef_naji.jpg
ORGANIZER;CN="Mouncef Naji":MAILTO:mouncef.naji@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260129T133000
DTEND;TZID=Europe/Paris:20260129T150000
DTSTAMP:20260417T101734
CREATED:20260123T075216Z
LAST-MODIFIED:20260123T075216Z
UID:9749-1769693400-1769698800@www.etis-lab.fr
SUMMARY:Séminaire DATA&AI : Issam Falih
DESCRIPTION:Apprentissage multimodal frugale : alignement par transport optimal\, explicabilité par concepts et déploiement Edge\nRésumé :\nLes architectures d’apprentissage profond constituent aujourd’hui l’état de l’art pour l’analyse et la fusion de données multimodales. Leur déploiement effectif dans des environnements ouverts soulève encore de nombreuses questions quant à leur fiabilité et leur transparence. En particulier\, si ces modèles excellent en conditions contrôlées\, plusieurs travaux ont mis en évidence leur sensibilité aux dérives distributionnelles (concept drift) et leur opacité décisionnelle\, limitant leur usage dans des contextes critiques. \nDans cette présentation\, je traite dans un premier temps\, des problématiques d’alignement et de fusion multimodale ou je présente le Transport Optimal Hiérarchique comme un levier géométrique pour l’alignement de structures dans un cadre non supervisé. Dans un deuxième temps\, j’aborde l’explicabilité des réseaux de neurones à travers les modèles à goulot de concepts (CBM). Je présente une architecture hybride (KL-CBM) où un classifieur dense est aligné sur un module probabiliste. Enfin\, je conclue avec des applications réelles notamment de l’inférence distribuée sur systèmes embarqués (Edge AI). \nLien de connexion :\nSeminaire Issam Falih | Meeting-Join | Microsoft Teams \n 
URL:https://www.etis-lab.fr/event/seminaire-dataai-issam-falih/
LOCATION:Online
CATEGORIES:Seminar
ORGANIZER;CN="Vassiis Christophides":MAILTO:vassilis.christophides@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260127T170000
DTEND;TZID=Europe/Paris:20260127T200000
DTSTAMP:20260417T101734
CREATED:20260121T154541Z
LAST-MODIFIED:20260121T154541Z
UID:9741-1769533200-1769544000@www.etis-lab.fr
SUMMARY:Inauguration du LabCom SmartGaitLab
DESCRIPTION:L’inauguration du LabCom SmartGaitLab porté par des membres d’ETIS aura lieu le mardi 27 janvier 2026 à 17h00\, à l’ENSEA (Cergy)\, et vous êtes bien cordialement invités à y participer. \nCe LabCom est dédié au développement de solutions pour le dépistage précoce de fragilité et la prévention des chutes\, fondées sur l’analyse des activités physiques par imagerie radar non conventionnelle\, en conditions contrôlées et réelles (hôpitaux\, EHPADs). \nCette inauguration sera l’occasion de présenter les ambitions scientifiques\, technologiques et industrielles de SmartGaitLab\, au service du maintien de l’autonomie des personnes à domicile. \nInformations pratiques :\n\nLieu : ENSEA\, Cergy\nDate : Mardi 27 janvier 2026\nHeure : 17h00\n\nInscription et programme ici : https://www.eventbrite.fr/e/1978250310933?aff=oddtdtcreator \n 
URL:https://www.etis-lab.fr/event/inauguration-du-labcom-smartgaitlab/
LOCATION:ENSEA\, 6\, avenue du Ponceau\, Cergy\, 95000\, France
CATEGORIES:ENSEA,ETIS
ORGANIZER;CN="Olivier Romain":MAILTO:olivier.romain@cyu.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260114T140000
DTEND;TZID=Europe/Paris:20260114T153000
DTSTAMP:20260417T101734
CREATED:20260106T105212Z
LAST-MODIFIED:20260106T105212Z
UID:9664-1768399200-1768404600@www.etis-lab.fr
SUMMARY:Data&AI Seminar - Khalil Bachiri
DESCRIPTION:Title: Multimodal and Heterogeneous Graph Learning for Robust\, Explainable and Frugal Intelligent Systems \nAbstract:\nThe increasing availability of heterogeneous and multimodal data poses significant challenges for the design of modern intelligent systems\, particularly in terms of representation\, fusion\, robustness\, explainability\, and computational frugality. These challenges become even more critical when data are structured through complex and evolving relational graphs\, as is often the case in real-world applications. In this presentation\, I will introduce my research contributions on multimodal and heterogeneous graph learning\, developed during my PhD\, with the objective of designing models capable of understanding\, reasoning\, and learning from interacting modalities. I will present graph-based and topology-aware learning architectures that explicitly model modality heterogeneity\, inter-modal dependencies\, and structural relations\, while relying on adaptive fusion\, alignment mechanisms\, and attention-based reasoning to improve robustness\, stability\, and interpretability. These approaches have been validated on real-world recommendation and decision-support scenarios and have led to several international publications. Finally\, I will outline my research perspectives\, aiming to further develop robust\, energy-efficient\, and explainable multimodal intelligent systems\, including responsible AI\, multimodal platforms\, and low-footprint learning for complex environments. \nShort Bio:\nKhalil Bachiri is a Doctor in Artificial Intelligence from CY Cergy Paris Université (ETIS\, CNRS UMR 8051)\, where he is currently an ATER. His research focuses on multimodal learning and heterogeneous graph learning\, topology-aware models\, and explainable AI\, with an emphasis on robustness\, frugality\, and multimodal reasoning for recommendation and decision-support systems. He has published in international journals and conferences. He also worked as an AI Research Engineer at CNRS and has been a visiting researcher at LIPN (Université Sorbonne Paris Nord). \n 
URL:https://www.etis-lab.fr/event/dataai-seminar-khalil-bachiri/
LOCATION:Online
CATEGORIES:Seminar
ORGANIZER;CN="Vassiis Christophides":MAILTO:vassilis.christophides@ensea.fr
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20260112T140000
DTEND;TZID=Europe/Paris:20260112T163000
DTSTAMP:20260417T101734
CREATED:20260106T111020Z
LAST-MODIFIED:20260106T111020Z
UID:9667-1768226400-1768235400@www.etis-lab.fr
SUMMARY:Soutenance de thèse - Claire Béranger
DESCRIPTION:Claire Béranger\, doctorante dans l’équipe CELL\, soutient sa thèse intitulée “Reconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler” le 12 janvier 2026 dans l’auditorium de la Maison de la Recherche Annie-Ernaux (CY Cergy Paris Université). \nRésumé\nReconnaissance de la marche et prédiction de chute par apprentissage profond sur des signatures micro-Doppler \nLes chutes chez les personnes âgées constituent un enjeu majeur de santé publique\, entraînant chaque année en France un nombre significatif de décès et d’hospitalisations.\nBien que des systèmes de téléassistance aient été déployés pour réduire ces risques\, leur efficacité reste limitée en raison d’un taux élevé de fausses alertes. \nCette thèse propose des méthodes de reconnaissance d’activités à partir de données radar non conventionnelles\, permettant un suivi précis des mouvements des personnes âgées tout en préservant leur intimité.\nLes travaux portent sur l’extraction de caractéristiques pertinentes à partir de spectrogrammes radar et sur le développement de modèles de classification performants pour l’identification de l’activité quotidienne. \nUn jeu de données multimodal expérimental a été constitué afin de soutenir l’analyse et l’évaluation des modèles. L’optimisation des approches et la fusion des résultats des modèles ont permis d’atteindre un taux de reconnaissance des activités proche de 95%\,\ndémontrant la robustesse et l’efficacité des méthodes développées. Ces résultats ouvrent des perspectives concrètes pour l’amélioration des systèmes de téléassistance et la prévention des chutes. \nAu-delà de ces applications\, ce travail illustre le potentiel des technologies radar pour l’étude des activités humaines et ouvre de nouvelles pistes pour la recherche en suivi comportemental et analyse biomécanique. \nAbstract\nGait Recognition and Fall Prediction with Deep-Learning on Micro-Doppler Signatures \nFalls among elderly people represent a major public health challenge\, resulting each year in France in a substantial number of deaths and hospitalisations.\nAlthough teleassistance systems have been deployed to mitigate these risks\, their effectiveness remains limited due to a high rate of false alarms. \nThis thesis presents methods for activity recognition using unconventional radar data\, enabling precise monitoring of elderly people’s movements while preserving their privacy.\nThe work focuses on the extraction of relevant features from radar spectrograms and the development of robust classification models for identifying daily activities. \nAn experimental multimodal dataset was created to support the analysis and evaluation of the models.\nOptimisation of the approaches and fusion of model outputs achieved an activity recognition rate of approximately 95%\, demonstrating the robustness and effectiveness of the proposed methods.\nThese results provide concrete prospects for improving teleassistance systems and preventing falls. \nBeyond these applications\, this work highlights the potential of radar technologies for the study of human activities and opens new avenues for research in behavioural monitoring and biomechanical analysis. \nComposition du jury\nRapporteurs : \n\nMme Iness AHRIZ Maîtresse de conférences\, HDR\, Conservatoire National des Arts et Métiers Paris\, CEDRIC\nMme Catherine DEZAN Maîtresse de conférences\, HDR\, Université de Bretagne Occidentale\, Lab-STICC\n\nExaminateurs : \n\nMr Hedi TABIA Professeur\, Université Paris-Saclay\, IBISC\nMr Rémi DUBOIS Professeur\, Université de Bordeaux\, IHU LIRYC\nMr Thanh Phuong NGUYEN Professeur\, Université of Côte d’Azur\, I3S\n\nEncadrant : \n\nMr Petr DOBIÁŠ Maître de conférences\, CY Cergy Paris Université\, ETIS\n\nCo-directeur : \n\nMr Ngoc-Son VU Maître de conférences\, HDR\, ENSEA\, ETIS\n\nDirecteur : \n\nMr Olivier ROMAIN Professeur\, CY Cergy Paris Université\, ETIS\n\nInvités : \n\nMr David GUYARD CEO\, BlueLinea\nMr Julien LE KERNEC Maître de conférences\, HDR\, University of Glasgow\, ETIS\n\nDate et lieu de soutenance\n\n12 janvier 2026\, 14h\nCY Cergy Paris Université\, Auditorium de la Maison de la Recherche Annie-Ernaux
URL:https://www.etis-lab.fr/event/soutenance-de-these-claire-beranger/
LOCATION:Auditorium – Maison de la Rercherche Annie-Ernaux\, CYU Cergy Paris Université\, 33 Boulevard du Port\, Cergy\, 95011\, France
CATEGORIES:PhD Defense
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251218T100000
DTEND;TZID=Europe/Paris:20251218T130000
DTSTAMP:20260417T101734
CREATED:20251211T140655Z
LAST-MODIFIED:20251211T140655Z
UID:9651-1766052000-1766062800@www.etis-lab.fr
SUMMARY:Soutenance de thèse - Solomon Yese
DESCRIPTION:Solomon Yese soutiendra sa thèse “Optimisation de la gestion des ressources dans les réseaux sans fil de nouvelle génération : du découpage du réseau aux communications véhiculaires” le 15 décembre 2025 à CY Cergy Paris Université – Site De Saint-Martin. \nRésumé :\nL’évolution vers les réseaux 5G et au-delà a introduit des défis sans précédent en matière de gestion des ressources\, d’optimisation des réseaux et d’approvisionnement en termes de qualité de service (QoS) dans des architectures réseau hétérogènes. Cette thèse aborde les problèmes d’optimisation ouverts dans les réseaux sans fil de nouvelle génération en se concentrant sur trois domaines clés : i) le contrôle d’admission au découpage du réseau ii) la gestion des ressources du réseau d’accès radio ouvert (O-RAN) et iii) la sélection intelligente de la technologie d’accès radio (RAT) pour les communications véhiculaires. \nLes nouvelles solutions de contrôle d’admission que nous proposons pour le découpage du réseau intègrent des mécanismes de surréservation et des processus de rachat de ressources dynamiques\, maximisant les revenus des fournisseurs d’infrastructure (InP) tout en respectant les accords de niveau de service (SLA). Nos solutions utilisent des mécanismes d’adaptation dynamique des priorités\, de mise en commun progressive des ressources et de partage des capacités pour gérer efficacement les demandes de tranches de réseau dans des scénarios hors ligne et en ligne où les informations sur les demandes futures sont limitées et où les demandes peuvent être annulées après expiration du délai d’attente. L’évaluation des performances montre que les solutions de contrôle d’admission proposées génèrent des profits plus élevés\, une meilleure utilisation des ressources\, ainsi que des taux d’acceptation des tranches légèrement plus élevés comparé aux solutions de l’état de l’art. \nPour les architectures O-RAN\, nous développons des algorithmes d’association d’utilisateurs écoénergétiques qui optimisent conjointement l’association des équipements utilisateurs (UE) avec les unités radio (RU)\, les unités distribuées (DU) et les unités centrales (CU) tout en garantissant les délais. Nos approches minimisent la consommation d’énergie grâce à une association dynamique des unités et à des mécanismes de contrôle de puissance qui permettent aux composants inactifs du réseau de passer en mode veille\, tout en respectant les exigences strictes en matière de qualité de service. \nDans le domaine des communications véhiculaires\, nous présentons un environnement multi-objectif d’apprentissage par renforcement profond pour la sélection des RAT dans les scénarios véhicule-à-infrastructure/réseau (V2I/V2N). Notre solution permet une prise de décision en temps réel dans des conditions d’incertitude en optimisant simultanément la latence\, la fiabilité et la fréquence des transferts dans des environnements véhiculaires en évolution rapide. \nLes solutions proposées apportent collectivement une progression à l’état de l’optimisation des réseaux dans les systèmes sans fil de nouvelle génération tout en répondant aux défis pratiques du déploiement dans les infrastructures réseau modernes. \nAbstract:\nThe evolution toward 5G and beyond networks has introduced unprecedented challenges in resource management\, network optimization\, and quality of service (QoS) provisioning across heterogeneous network architectures. This thesis addresses some open optimization problems in next-generation wireless networks\, focusing on three key domains: i) network slicing admission control ii) open radio access network (O-RAN) resource management and iii) intelligent radio access technology (RAT) selection for vehicular communications. \nThe novel admission control schemes we propose for network slicing incorporate overbooking mechanisms and dynamic buyback processes\, maximizing infrastructure provider (InP) revenue while upholding service level agreements (SLAs). Our solutions employ dynamic priority adaptation\, step-wise pooling\, and capacity sharing mechanisms to efficiently manage slice requests in both offline and online scenarios where future request knowledge is limited and requests can renege after waiting time expiration. The evaluation of the proposed slice admission control solutions against state-of-the-art (SoA) solutions show that they yield higher profit and better resource utilization as well as marginally higher slice acceptance rates. \nAs far as our contribution in the domain of O-RAN is concerned\, we develop energy-efficient user association algorithms that jointly optimize user equipment (UE) association with radio units (RUs)\, distributed units (DUs) and central units (CUs) while ensuring delay guarantees. Our approaches minimize energy consumption through dynamic unit association and power control mechanisms that enable idle network components to enter into sleep mode\, while maintaining stringent QoS requirements. We also evaluate our proposed solutions against SoA solutions and our solutions yield significant reductions in energy consumption at very minimal delay cost but without violating the delay requirements of the UEs. \nIn the vehicular communication domain\, we present a multi-objective deep reinforcement learning framework for RAT selection in vehicle to-infrastructure/network (V2I/V2N) scenarios. Our solution enables real-time decision making under uncertainty\, simultaneously optimizing latency\, reliability\, and handover frequency in rapidly changing vehicular environments.\nComprehensive performance evaluations of our proposed solution via simulations demonstrate significant improvements over SoA solutions\, yielding significant reduction in the number of handovers with improved reliability and delay. \nThe proposed solutions collectively advance the state of network optimization in next-generation wireless systems while addressing practical deployment challenges in modern network infrastructures. \nComposition du jury :\n\nProf. Arsenia Chorti\, ETIS\, CY Cergy Paris University\, ENSEA\, CNRS\, Directrice de thèse\nDr. Sara Berri ETIS\, CY Cergy Paris University\, ENSEA\, CNRS\, Encadrante de thèse\nProf. Nadjib Ait Saadi\, UVSQ Paris-Saclay\, Rapporteur\nProf. Periklis Chatzimisios\, International Hellenic University\, Greece\, Rapporteur\nProf. Véronique Vèque\, Université Paris-Saclay/Centrale Supélec\, Examinatrice\nDr. Sahar Hoteit\, Université Paris Saclay/Centrale Supélec\, Examinatrice\nDr. Abdul Karim Gizzini\, Université Paris-Est Créteil\, Examinateur\n\nLieu et date :\n18 décembre 2025 à 10h00. \nAmphithéâtre E1 de l’Université CY Cergy Paris\, site de Saint-Martin\, 2 avenue Adolphe Chauvin\, 95300 Pontoise
URL:https://www.etis-lab.fr/event/soutenance-de-these-solomon-yese/
LOCATION:CY Cergy Paris Université – St-Martin -amphi E1\, 2 avenue Adolphe-Chauvin\, Pontoise\, 95300\, France
CATEGORIES:PhD Defense
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251216T140000
DTEND;TZID=Europe/Paris:20251216T170000
DTSTAMP:20260417T101734
CREATED:20251203T140444Z
LAST-MODIFIED:20251211T140814Z
UID:9639-1765893600-1765904400@www.etis-lab.fr
SUMMARY:Soutenance de thèse - Zakaria Lemhaouri
DESCRIPTION:Zakaria Lemhaouri soutiendra sa thèse “Computational modelling of language learning in robots: the development of meaning potentials in social and emotional contexts” le 16 décembre 2025 à CY Cergy Paris Université – Site De Saint-Martin (amphi E3). \nAbstract\nRecent advances in natural language processing—especially large-scale transformer models—have dramatically improved language generation and understanding. These systems\, however\, are not designed to explain how infants acquire language: they learn from massive static datasets\, do not exhibit infant-like developmental trajectories\, and overlook the cognitive\, social\, and psychological precursors that shape language learning. \nWe propose a cognitive model for a robot’s early language acquisition\, inspired by how human babies learn language. The robot’s learning process relies on sensorimotor development\, social interactions with a caregiver\, and real time learning\, making it an active learner. This modular architecture includes three components: a motivational module\, a perception module\, and a communication/action module. The robot employs two associative learning methods to form meaningful symbols and acquire words with functional meaning: first\, through trial and error to learn the correct word for each situation\, and second\, by using a neural network to ground each word in the goal it achieves\, as well as in proprioceptive and exteroceptive signals. This yields a dual word–referent association. \nWe implemented this architecture in a humanoid robot to study the development of its communicative skills. We aimed to follow major milestones in language learning\, such as babbling\, lexical development (learning nouns and verbs)\, syntax and early grammar development. The results indicate that the robot successfully acquired motivation-grounded language. \nDevelopmentally plausible models\, such as the one we present here\, can be valuable tools for investigating questions related to cognitive and psychological development in humans. We conducted several experiments to study how extralinguistic factors like motivation\, sensory-motor development\, caregiver responsiveness and social interaction influence the emergence and shaping of language. The results show that these factors\, which are often overlooked by most language models\, promote more efficient and faster language learning\, a richer vocabulary\, better retention of acquired words\, and improved categorization learning. \nComposition du jury\n\nProf. Lola Cañamero (CY Cergy Paris Université) – Directrice de thèse\nProf. Ann Nowé (VUB Vrije Universiteit Brussel) – Directrice de thèse\nDr. Laura Cohen (CY Cergy Paris Université) – Co-encadrante de thèse\nProf. Angelo Cangelosi (University of Manchester) – Examinateur\nDr. Alessandra Sciutti (Istituto Italiano di Tecnologia) – Rapportrice\nDr. John Lones (University of Hertfordshire) – Rapporteur\nDr. Sofiane Boucenna (CY Cergy Paris Université) – Examinateur\nDr. Paul Van Eecke (VUB Vrije Universiteit Brussel) – Examinateur\n\nDate et lieu\n16 décembre 2025 à 14h00\nAmphi E3\, CY Cergy Paris Université – Site De Saint-Martin\, 2 Av. Adolphe Chauvin\, 95300 Pontoise \nPour celles et ceux qui souhaitent assister à la soutenance sur Teams\, vous trouverez le lien ci-dessous :\nhttps://teams.microsoft.com/l/meetup-join/19%3ameeting_MWI5ZWE1MzktNDEyZS00YzM5LWEzMmYtMWM3NTlhNWRlNDA1%40thread.v2/0?context=%7b%22Tid%22%3a%22aa8bdaa4-8feb-46c0-b5e6-31c96337579b%22%2c%22Oid%22%3a%22f8624078-88c7-43eb-9cc8-3ad426f733a4%22%7d \nLa soutenance sera suivie d’un pot auquel vous êtes chaleureusement invité·e·s.
URL:https://www.etis-lab.fr/event/soutenance-de-these-zakaria-lemhaouri/
LOCATION:CY Cergy Paris Uniersité – site de Saint-Martin\, amphi E3\, 2 avenue Adolphe-Chauvin\, Pontoise\, 95300\, France
CATEGORIES:PhD Defense
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251215T140000
DTEND;TZID=Europe/Paris:20251215T170000
DTSTAMP:20260417T101734
CREATED:20251211T135840Z
LAST-MODIFIED:20251211T135840Z
UID:9649-1765807200-1765818000@www.etis-lab.fr
SUMMARY:Soutenance de thèse - Antoine Montmaur
DESCRIPTION:Antoine Montmaur soutiendra sa thèse “De l’impact des dynamiques internes des caractéristiques sur les réseaux de neurones de représentation pour l’apprentissage incrémental” le 15 décembre 2025 à l’ENSEA (Curium). \nRésumé :\nL’intelligence humaine\, avec sa capacité d’apprentissage continu et adaptatif et son ntégration dynamique des connaissances tout au long de la vie\, sert de référence essentielle pour les systèmes d’intelligence artificielle (IA) avancés. En revanche\, les réseaux neuronaux profonds (DNN) n’atteignent des performances de pointe que dans des conditions statiques et restrictives. L’entraînement conventionnel suppose que toutes les données sont disponibles simultanément et nécessite un réentraînement complet pour toute nouvelle information\, une limitation inhérente qui entrave sérieusement leur déploiement dans des environnements réels et non stationnaires. \nPour y remédier\, l’Apprentissage Continu (CL) fournit le cadre nécessaire à la création d’une IA adaptative en présentant séquentiellement les données et les tâches au modèle. Cependant\, cette approche incrémentale rend les DNN très sensibles à l’Oubli Catastrophique (OC) — la perte rapide et sévère des connaissances acquises antérieurement. L’objectif central du CL est donc de résoudre le dilemme stabilité–plasticité : maintenir l’intégrité des connaissances antérieures (stabilité) tout en intégrant efficacement les nouvelles informations (plasticité). Ce défi est le plus marqué dans l’apprentissage incrémental par classes\, où un unique classifieur doit reconnaître de manière robuste toutes les classes rencontrées au fil du temps\, nécessitant une adaptation continue et fiable à chaque étape. \nLe présent projet s’inscrit dans ce cadre ambitieux\, visant à rapprocher les capacités d’adaptation et de continuité de l’apprentissage humain de celles des systèmes artificiels\, en intégrant des mécanismes efficaces de mitigation de l’oubli catastrophique dans un contexte d’apprentissage incrémental en classe. Dans cette thèse\, nous avons mené une exploration approfondie de plusieurs stratégies d’apprentissage continu mentionnées précédemment\, avec pour objectif d’améliorer leur robustesse et leur adaptabilité dans un contexte incrémental en classe. Tout au long de cette investigation\, nous avons constaté qu’une compréhension des mécanismes internes de l’entraînement des réseaux est cruciale. Plus spécifiquement\, notre travail se concentre sur l’exploitation de cette compréhension approfondie de la construction des représentations afin de concevoir explicitement une contrainte qui impose une construction des caractéristiques qui soit continuellement compatible (ou constamment compatible). \nNous avons tout d’abord étudié les approches basées sur la répétition (replay)\, en exploitant les capacités hiérarchiques de représentation de l’apprentissage hyperbolique afin d’améliorer la structure et le pouvoir discriminant des caractéristiques présentes dans une mémoire semi-distribuée. Cette démarche nous a permis de mieux préserver les connaissances acquises tout en intégrant de nouvelles classes. Toutefois\, notre analyse de l’espace de représentation obtenu a révélé un certain enchevêtrement des classes\, limitant la stabilité à long terme. Pour remédier à ce problème\, nous avons développé une approche combinant optimisation et conception architecturale\, fondée sur une structure géométrique simplex avec prototypes de classes fixes\, garantissant des frontières de décision plus stables au fil des étapes d’apprentissage incrémental. Bien que cette méthode ait significativement réduit l’oubli\, une analyse plus poussée a mis en évidence des limites d’adaptabilité face à des variations inter-classes subtiles. En conséquence\, nous avons conçu un cadre de régularisation guidant l’apprentissage par des explications de la pertinence des caractéristiques\, incitant le modèle à maintenir des représentations interprétables et sémantiquement cohérentes dans le temps. Ensemble\, ces contributions constituent une progression cohérente — de l’amélioration de la mémoire replay\, à la mise en place de structures géométriques stables\, jusqu’à l’introduction d’une régularisation basée sur l’explication — chaque étape étant motivée par les forces et faiblesses identifiées à la précédente. \nAbstract:\nHuman intelligence\, with its capacity for continuous\, adaptive learning and dynamic knowledge integration across a lifetime\, serves as an essential reference for advanced artificial intelligence (AI) systems. In sharp contrast\, Deep Neural Networks (DNNs) achieve state-of-the-art performance only under restrictive\, static conditions. Conventional training assumes all data are available simultaneously and necessitates complete retraining for new information\, an inherent limitation that severely hinders their deployment in real-world\, non-stationary environments. \nTo address this\, Continual Learning (CL) provides the framework for creating continuously adaptive AI by presenting data and tasks sequentially to the model. However\, this incremental approach renders DNNs highly susceptible to Catastrophic Forgetting (CF)—the rapid and severe loss of previously acquired knowledge. The central objective in CL is thus to solve the stability–plasticity dilemma: maintaining the integrity of prior knowledge (stability) while effectively integrating new information (plasticity). This challenge is most pronounced in class-incremental learning\, where a single classifier must robustly recognize all encountered classes over time\, necessitating continuous and reliable adaptation at every step. \nThis thesis is situated within this challenging setting\, aiming to bridge the gap between human adaptive and continuous learning abilities and artificial systems\, by integrating effective forgetting detection mechanisms and strategies to mitigate catastrophic forgetting in a class-incremental learning context. In this thesis\, we conducted a thorough exploration of several continual learning strategies outlined above\, with the objective of improving their robustness and adaptability in the class-incremental setting. Throughout this investigation\, we have found that understanding the internal mechanics of network training is crucial. Specifically\, our work focuses on leveraging this deep understanding of representation construction to explicitly devise a constraint that enforces a continually compatible construction of features. \nWe first investigated replay-based approaches\, leveraging the hierarchical representational capabilities of hyperbolic learning to enhance the structure and discriminative power of semi-distributed memory features. This allowed us to better preserve previously acquired knowledge while integrating new classes. However\, our analysis of the resulting feature space revealed a degree of class entanglement that limited long-term stability. To address this issue\, we developed an optimization- and architecture-driven approach grounded in a simplex geometric structure with fixed class prototypes\, ensuring more stable decision boundaries across incremental learning stages. While this method significantly reduced forgetting\, further analysis highlighted limitations in adaptability when confronted with subtle inter-class variations. Consequently\, we designed a regularization framework that guides learning through explanations of feature relevance\, encouraging the model to maintain interpretable and semantically consistent representations over time. Together\, these contributions form a coherent progression—from enhancing replay memory\, to enforcing stable geometric structures\, to introducing explanation-based regularization—each step informed by the strengths and weaknesses identified in the preceding stage. \nComposition du jury\n\nProf. Stefan Duffner\, Université de Lyon\, Rapporteur\nProf. Hedi Tabia\, Université Paris Saclay\, Rapporteur\nProf. Ingemar Cox\, University College London Examinateur\nProf. Christel Vrain\, University of Orléans Examinatrice\nMCF Eva Feillet\, Université Paris Saclay\, Examinatrice\nMCF Ngoc-Son Vu\, Cergy-Paris Université\, Directeur de Thèse\n\nDate et lieu\n15 décembre 2025\, à 1400. \nENSEA\, Curium. \n\n\n\n\n\n\n\nLa soutenance se déroulera en anglais.\nPour les personnes souhaitant y assister à distance\, un lien sera transmis.\nLa soutenance sera suivie d’un pot\, qui se tiendra au 3ème étage du bâtiment D à l’ENSEA.
URL:https://www.etis-lab.fr/event/soutenance-de-these-antoine-montmaur/
LOCATION:ENSEA\, Curium\, avenue du Ponceau\, Cergy\, 95014\, France
CATEGORIES:PhD Defense
END:VEVENT
END:VCALENDAR