Booster votre candidature en enregistrant et partageant votre vidéo de présentation aux recruteurs

J'enregistre ma vidéo
Retour

Offre proposée par

L’étudiant

Ghislain GASSIER

Développement d’un Réseau de Neurones Permettant la caractérisation acoustique du transport sédiment

Aix-en-Provence, Provence-Alpes-Côte d'Azur Infra / Réseaux / Télécoms
Postuler maintenant

Nous proposons à un
étudiant, lors de son stage de fin d'études de Master ou d'ingénieur, de développer un réseau de neurones permettant de
Caractériser le flux sédimentaire (masse par unité de temps) transporté dans un cours d’eau à partir de la pression acoustique
Générée par ce dernier et mesurée par des hydrophones.
Ce stage de recherche, s’inscrivant dans la reconnaissance sonore, a pour objectif d’évaluer la pertinence de la réponse des
Réseaux de neurones pour identifier les caractéristiques des sédiments à l’origine de la pression acoustique du flux sédimentaire mesurer
Dans les rivières (problème inverse). En effet, on peut raisonnablement penser que les mesures de pressions acoustiques présentent
Des invariants structuraux, déterminés par les caractéristiques des sédiments déplacés, qu'un réseau de neurones sera « reconnaître».
Le candidat développera, à l’aide des framework Tensorflow et keras, différents modèles de réseaux de neurones : types (CNN,
RNN,..), dimensions (largeur, profondeur), configurations (totalement ou localement connectés). Le développement des modèles et
Notamment leurs apprentissages seront réalisés sur le serveur de développement du CEREGE. Les modèles les plus efficaces seront
Ensuite déployés sous la forme de notebook sur le serveur jupyter du CEREGE(JupyterHub) permettant ainsi une mise à disposition
« userfriendly » aux chercheurs.
L’apprentissage du réseau de neurones sera réalisé grâce à une base de données acoustiques qui à été construite dans la cuve en eau
Au laboratoire expérimental du CEREGE. Chaque sample acoustique a été référencé très précisément par les caractéristiques telles que
La masse, le nombre et la granulométrie des sédiments constituant l’amas déplacé. Cependant ces mesures réalisées en laboratoire
Pourraient s’avérer trop limitées pour décrire toute la variabilité acoustique du transport sédimentaire. On propose alors d’intégrer des
Données acoustiques plus « réalistes » mesurées dans les canaux sédimentaires d’INRAE, UR Riverly et de St Anthony Falls
Laboratory, University of Minnesota, Etats Unis, mais dont le référencement est plus grossier (quantitatif, intégration dans le temps) .
Enfin on pourra utiliser une base de données acoustiques de terrain, acquises dans diverses conditions hydrologiques. Cette base associe les mesures d’acoustiques passives et les prélèvements physiques du
Charriage.

Compétences:
-Deep learning, réseau de neurones,
-python, Jupyter, Linux
-TensorFlow, keras
Attendus :
-Développement et déploiement d’un réseau de neurones sous Jupyter permettant la caractérisation acoustique du transport
Sédimentaire.
-Rédaction et soumission d'un article dans une revue scientifique.