>>

Sujets de thèses

PhD proposal Neurocybernetics team

The NeuroCybernetics Team of ETIS Laboratory University of Cergy-Pontoise, France, is looking for one outstanding and enthusiastic PhD Candidate to work in the area of NeuroCognitive Robotics for 3-years.

Subject

As part of this thesis we want to develop for a robot a neural architecture constituted of the motor cortex, the parietal cortex and the basal ganglia for learning simple prehensive tasks (e.g. pick and drop) and for thinking spatially relative to different reference frames (eye, hand, objet orientation). The model will be tested on our humanoid robot TINO using visual, tactile and proprioceptive information.

  • Neural Model for Spatial Coordinate Transformation
  • Habit Learning and Action Generalization/Selection & Serialization
  • Learning of a Body Schema from Visuo-, Tactile-, and Proprioceptive Integration

Requirements

The successful applicant is expected to have a strong background in computer sciences or mechanical engineering or electronic engineering or equivalent.

The ideal candidate has also some of the desired qualifications/skills:

  • experience in artificial neural networks or neurocomputational model of the brain.
  • robotics, machine learning and C programming
  • strong proactive attitude and problem solving capabilities
  • team working

Contacts

Interested applicants should be sent by replying to this email to philippe.gaussier@ensea.fr, alexandre.pitti@u-cergy.fr until 24 May 2017 and should include:

  • a detailed CV;
  • a brief statement about research interests and motivation to join the project, and
  • the name and contact of 2 references.

References

De Rengervé, A., Andry, P., & Gaussier, P. (2015). Online learning and control of attraction ponds for the development of sensorimotor control strategies. Cybernetics, 109 (2), 255-274.

Mahé, S., Braud, R. Gaussier, P., Quoy, M. and Pitti, A. (2015). Exploit the gain modulation mechanism in the application of parieto-motor neurons to visuomotor transformations and to the incorporated simulation. Neural networks, 62: 102-111.

Pitti A., Gaussier P. & Quoy M. (2017) Incremental optimization of free energy for recurrent neural networks (INFERNO). PLoS ONE 12 (3): e0173684. Doi: 10.1371 / journal.pone.0173684

Offre de thèse : Interaction collaborative pour la réalité augmentée

Le laboratoire ETIS, (ENSEA, CNRS UMR8051, Université de Cergy-Pontoise) en partenariat avec AUSY Expertise et Recherche propose une thèse CIFRE sur le thème "Interaction collaborative pour la réalité augmentée".

Cette thèse portera sur la réalisation d’un système spécifique ayant pour vocation la mise au point d’une interaction collaborative dans un environnement augmenté. Ce système se basera sur l’analyse de formes des objets 3D à manipuler, les relations de ces objets avec les environnements cibles et la nature d’interaction de chaque utilisateur distant. Pour plus de détails, envoyer votre candidature (curriculum-vitae + lettre de motivation) par e-mail à : hedi.tabia@ensea.fr

  • Profil demandé : Titulaire d'un Master 2 recherche ou diplôme équivalent.
  • Lieu : Entre le laboratoire ETIS, ENSEA, Cergy et notre partenaire industriel AUSY, Paris.
  • Encadrants de thèse : Hedi Tabia (ETIS), Alain Zanotti (AUSY) et David Declercq (ETIS)
  • Financement : Bourse CIFRE
  • Date limite de candidature : 28 février 2017

Offre de thèse : Architecture numérique pour l’identification de failles de sécurité et contre-mesures matérielles / logicielles : application à l’expertise criminalistique

Proposition de thèse : Architecture numérique pour l’identification de failles de sécurité et contre-mesures matérielles / logicielles : application à l’expertise criminalistique

CONSORTIUM

La thèse sera en collaboration entre SAFRAN IDENTITY and SECURITY, l’équipe ASTRE du Laboratoire ETIS, et l’IRCGN – Institut de Recherche Criminelle de la Gendarmerie Nationale.

  • ETIS – UMR8051 : Olivier ROMAIN et Jordane LORANDEL
  • IRCGN : Thomas SOUVIGNET et Matthieu REGNERY
  • SAFRAN IDENTITY and SECURITY : Emmanuel PROUFF

CONTEXTE

La sécurité des téléphones mobiles et tablettes devient un enjeu essentiel, de préservation des données personnelles pour les uns, et d’exploitation de ces données pour les autres. Les fabricants intègrent cette sécurité de manière très disparate. Certains (i.e. Apple) sécurisent très fortement, même si la confidentialité des données reste non prouvée.

Les smartphones sont majoritairement la cible d'attaques logicielles et de nombreuses contre-mesures ont été développées par les fabricants. Ainsi, les terminaux les plus sécurisés sont de moins en moins vulnérables, notamment lorsqu’ils sont verrouillés par un mot de passe. L'angle d'attaque retenu pour cette thèse est la mémoire, volatile ou non. La plupart des données sont stockées sur cette mémoire qui est souvent reconnue comme périphérique de confiance par défaut. Si l'authenticité et l'intégrité des différents programmes lancés au démarrage de l'appareil sont souvent vérifiés, ce n'est pas forcément le cas au cours de l'utilisation du terminal. Ces failles peuvent être la clé d’un accès aux données de plateformes non vulnérables à ce jour.

Les objectifs scientifiques de cette thèse portent sur :

  • La mise en œuvre d’une méthodologie d’attaques non intrusives.
  • L’identification des contre-mesures.
  • Le benchmarking sur un banc dédié.

Une telle étude n’a encore jamais été menée et n’a fait l’objet d’aucune publication. Ainsi l’innovation de la méthode et la surface d’attaque découverte représenteront des avancées significatives en matière de sécurité. Si le concept rejoint les attaques de l’homme du milieu décrites par Ross Anderson, les supports et la mise en œuvre sont novateurs. Par ailleurs, les plateformes visées chiffrent les données sur les supports de stockage. Ainsi les attaques ne pourront porter sur le contenu mais sur les metadata, comme l’emplacement dans la mémoire, le moment de l’utilisation ou la fréquence d’accès.

La stratégie de recherche envisagée est la suivante :

  1. Etude théorique et pratique des différentes technologies utilisées dans le stockage des données. Ces technologies sont RAM, Flash, eMMC, PCI Express et UFS (Universal Flash Storage). Dans un premier temps recherche documentaire et appropriation des différentes spécifications. Dans un deuxième temps, manipulations d’utilisation.
  2. Recherche des architectures numériques (FPGA, GPU, multi-cœurs, ...) pouvant être compatibles avec les technologies étudiées en vue de réaliser un banc d’attaque. Preuve de concept de fonctionnement de l’architecture choisie.
  3. Attaque en rejeu de données sur une cible.
  4. Etude de contre-mesures SW/HW aux failles découvertes.

L'accès a des données protégées, et par conséquent la découverte de failles de sécurité et leur exploitation intéresse particulièrement le domaine de l'expertise criminalistique. En effet, les experts doivent en permanence trouver des moyens d'extraire les données de supports protégés pour lesquels les codes de verrouillage ne sont pas disponibles. Les contre mesures associées intéressent Safran I&S pour la sécurisation des plateformes.

MODALITES DE CANDIDATURE

Envoyer Lettre de motivation + CV + relevés de notes + copie diplôme ou attestation avant le 1er décembre 2016 à jordane.lorandel@u-cergy.fr

COMPETENCES ATTENDUES

Electronique, architecture FPGA, programmation embarquée, sécurité matérielle, protocole hardware, sécurité système. Un étudiant ayant participé à un Hackathon serait un plus.

REMARQUE :

Compte tenu du sujet et consortium, une enquête de moralité sera menée sur le candidat retenu.

PhD proposal: "Mining and Analysis of enriched trajectories"

Thesis’s subject

Mining and Analysis of enriched trajectories – Application to the trajectories of the visitors of a museum

Fouille et Analyse de trajectoires enrichies – application aux trajectoires des visiteurs d’un musée
(French version follows)

Summary

Movement of users in indoor settings introduces new challenges, which are not addressed by the existing research in the area. The challenges stem from the fact that we have the ability to capture and analyze massive users’ trajectories that take place indoors, but also to provide and link them with enriched information due to the advanced technological devices that can provide additional data on user’s activities. We have also the ability to process now massive datasets of user paths (trajectories) of their visits. One application domain is museums, as visitors are offered aid through devices (e.g. audio guides, mobile applications) and the data collected can be used to allow museums to learn more about their visitors and their visiting trajectories and behavior patterns.

So the main challenges of the thesis are related to the:

  • modeling of users’ trajectories in indoor environments (geometric level), enriched with information about the visitors and their activities (e.g. use of related multimedia, consultation of texts or other descriptive works, etc.) (symbolic and semantic level),
  • development of analytical methods to analyze these enriched trajectories that would also scale to handle the increased size of the data. These methods might extend the search techniques of spatiotemporal data for the detection of recurrent movement patterns to indoor environments,
  • interpretation of test results in a museum setting, in order to better understand visitor’s behavior,
  • suggest in real time paths or points to visit based on the analysis of user’s behavior.

The work builds on a collaboration with the Louvre, which will provide the data, support and validation of the use cases’ analysis and interpretation.

Context

The thesis takes place within the “Trajectories” project, funded by the Heritage Science Foundation (LabEx Patrima) carried by the ETIS laboratory at the University of Cergy-Pontoise (UCP), in collaboration with the DAVID laboratory at the University of the Versailles Saint-Quentin-en-Yvelines (UVSQ), the AGORA laboratory (UCP) and the Louvre Museum. The thesis will start in October 2016 will be co-directed by Dimitris Kotzinos (ETIS) and Karine Zeitouni (DAVID), in collaboration with all project partners.

Application

Applicants should send a CV, a cover letter and transcripts of their academic qualifications (including a master thesis and/or any published scientific papers, if available) in PDF format to Dimitrios.Kotzinos@u-cergy.fr in an e-mail titled “PhD Museum
Trajectories”. They can provide, if they wish, letters of recommendation. Further enquiries are also welcome. Knowledge of French is not a requirement.

A first selection will be made for applications arrived before 20 July 2016. If necessary a second selection will take place in September.

Additional information can be found in the attached file below.


[French]

Sujet de la thèse

Fouille et Analyse de trajectoires enrichies – application aux trajectoires des visiteurs d’un musée

Résumé

L’analyse du déplacement des utilisateurs en milieu fermé (indoor) introduit de nouveaux défis par rapport à la problématique de recherche dans ce domaine. Ces défis viennent en partie des modèles spatiaux contraints spécifiques à l’indoor, mais surtout de la richesse d’informations fournies par les dispositifs associés à ces déplacements. Par exemple, les musées offrent au public des équipements d’aide à la visite (audioguides, applications mobiles) et sont intéressés à exploiter les données d’utilisation recueillies pour mieux connaitre leurs visiteurs et comprendre leur comportement. Ces dispositifs captent non seulement la localisation en temps réel des visiteurs, ce qui permet de reconstituer les trajectoires de visite, mais aussi des informations sur les activités pendant le déplacement, par exemple la consultation des contenus multimédia décrivant les œuvres.

Les principaux défis de la thèse concernent :

  • La modélisation des trajectoires de visite en milieu fermé (au niveau géométrique), enrichies avec des informations sur les visiteurs et leurs activités (au niveau symbolique et sémantique),
  • L’élaboration de méthodes d’analyse et fouille de ces trajectoires enrichies qui passent à l’échelle lorsqu’on analyse un très grand nombre de trajectoires. Ces méthodes doivent étendre les techniques de fouille de données spatio-temporelles pour la détection de motifs de déplacement récurrents en milieu fermé.
  • L’interprétation des résultats d’analyse dans un cadre muséal afin de mieux comprendre le comportement des visiteurs.
  • La suggestion en temps réel de parcours ou points de visite, basée sur l’analyse du comportement de l’utilisateur.

Le travail sera réalisé en collaboration avec le musée du Louvre, qui fournit les données de visite, la problématique d’analyse et l’expertise d’interprétation.

Cadre

La thèse se déroule dans le cadre du projet Trajectoires, financé par la Fondation des Sciences du Patrimoine (LabEx Patrima), porté par le laboratoire ETIS de l’Université de Cergy-Pontoise (UCP), en collaboration avec le laboratoire DAVID (UVSQ), le laboratoire AGORA (UCP) et le Musée du Louvre. La thèse débutera en octobre 2016 est sera codirigée par Dimitris Kotzinos (ETIS) et Karine Zeitouni (DAVID), en collaboration avec tous les partenaires du projet.

Candidature

Les candidats doivent envoyer un CV et une lettre de motivation à Dimitrios.Kotzinos@u-cergy.fr un dans un email intitulé “[PhD Museum Trajectories]”. Ils peuvent fournir, s’ils le souhaitent, des lettres de recommandation et tout élément lié à leurs travaux de recherche. Une première sélection sera faite pour les candidatures arrivées avant le 20 juillet 2016, si nécessaire une seconde sélection aura lieu en septembre.

Des informations supplémentaires peuvent être trouvées dans le fichier en téléchargement ci-dessous.

3-year fully funded PhD position in the research area of Big Data

The MIDI team of the ETIS Lab (ENSEA / UCP / CNRS) UMR 8051 (www-etis.ensea.fr) has available a 3-year fully funded PhD position in the research area of Big Data. The lab is located in the Cergy-Pontoise area in the greater area of Paris, France.

During this PhD we want to investigate crowd sourced Big Data, generated by users who do not follow a well-documented method that could ensure data quality. The quality of these data and their descriptions might vary depending on the source, the type of the metadata included (or the lack thereof) and the person who is referencing them. This problem becomes more evident when we talk about georeferenced crowd sourced data where we are facing problems of completeness of the information (since usually people provide online information that refers to their interests) and the coherence of the information (and thus its semantic quality), including ambiguity or conversion issues. Moreover, we can identify quality issues that can be attributed to the timeliness of the information (since several types information do not disappear over time e.g. social media posts) and of logical consistency (since we can find online conflicting descriptions on e.g. Points of Interest). There is also a heterogeneity in the level of detail of the crowd sourced information because the level of abstraction of the user capturing information is closely related to her interests. Another important question in this area is how the techniques of big data quality enhancement affect the privacy of the users.

Based on the above during this PhD we would like to work on how to:

  1. Deal with incompleteness of information by combining information on entities from diverse sources through applying entity resolution (ER) techniques to a large scale, e.g. combining information from social networks, trajectory information on various platforms, crowd-sourced geographical information like Open Street Maps
  2. Increase the quality of the data presented to the end user by understanding the repairs that can be introduced at the crowd-sourced platforms
  3. Understand the level of information exposed by increasing the quality of information for the user.

We expect the successful applicant to be one of the driving forces behind the group's research efforts in the areas mentioned above. He/She will join our international research group and work with other groups in the lab as well as with a strong network of national and international collaborators. The successful applicant will work with Professor Dimitris Kotzinos and Assistant Professor Claudia Marinica and will join a group with 3 professors and 5 assistant professors. Knowledge of French is not a requirement.

Starting Date: October 2016

Application

If interested, please send your application (including a detailed CV, university transcripts, a copy of the master thesis or scientific papers if available, as well as a list of personal references and and a motivation letter) in PDF format to Professor Dimitris Kotzinos (Dimitrios.Kotzinos@u-cergy.fr). Further enquires are also welcome.

Applications are welcome until 25/05/2016 or until the position is filled.

PhD proposal: Noise against Noise LDPC Decoder

Title : Noise against Noise LDPC Decoder

Context

In natural science, noise is sometime recognized as a source of innovation and improvement (erroneous copy of DNA, random sparking of neurons, eyes micro-saccades). In operational research, noise is used to find a good solution to a complex optimization problem (simulating annealing, tabu search, genetic algorithm). In the signal processing community, the idea to use noise to resolve some particular detection and estimation problems is rather old (one bit analog-digital conversion, detectability improved by noise detection, stochastic resonance). In spite of its great potential, “noised aided signal processing” is not yet widely studied and used.

Recently, several scientists have tackled the performance evaluation of iterative decoders in stochastic architectures (in the next generation of integrated circuits with transistor size below 40 nm, every single gate can temporarily output a wrong value due to transient defects). One of the first proposed trend has been to evaluate, both theoretically and practically, the performance degradation induced by a stochastic architecture [Ngassa2015], then using wisely the redundancy to reduce the negative effects introduced by the transistor noise [Tang2013]. Through these research endeavors, an unexpected spin-off was identified: the noise inside the decoders is not necessarily an enemy to combat, but it can be used as an ally. Indeed, recent works have shown that the controlled injection of noise in an iterative error control decoder can significantly enhance the error correction performance, and thus, contribute to mitigate the effect of the transmission channel perturbations [Ngassa2015, Sundararajan2014]. In other words, and even if it may appear as a paradox at first glance, noise in an iterative decoder can help to combat the channel noise!

This new and disruptive concept is based on the following explanation. Iterative decoding of LDPC codes has strong theoretical justification that come from the application of optimal local Bayesian inference on sparse graphs (Belief Propagation principle). The theoretical results from Bayesian inference show the optimality only when the codeword length tends to infinity. When we deal with practical applications, finite-length code constructions lower the expected performance of iterative decoders. This is mainly due to the existence of an early error floor (abrupt change of slope in the error curve), that comes from oscillation behaviors of the iterative LDPC decoders. These oscillations come from the presence of local minima of the decoder which makes the decoder output a pseudo-codeword (of no interest for the application), instead of the correct codeword. Contrary to the intuition that stochastic hardware would always degrade the error correction performance, it was observed that randomness in the decoder can help to escape from the local minima, and therefore improve the error correction performance.

Subject

The PhD candidate will have to focus on the investigation of LDPC decoders which are already proposed and implemented in many practical applications and industrial products, i.e. the quantized Min-Sum (MS) algorithm. He will restrict the study on quantized MS decoders with small message alphabets constructed from typically 3 or 4 quantization bits. He will explore the potential gains of using noise on both the waterfall and the error floor regions by introducing random perturbations in the decoder. Since most of the existing results have been obtained from Monte-Carlo simulations so far, he will have to explore theoretical aspects of this technique in order to (i) develop theoretical tools to predict the performance of noisy decoders, both in the waterfall and in the error floor, (ii) use these tools to provide a more systematic analysis of the effect of noise in the quantized MS decoder, (iii) and finally design strong quantized MS decoders that rely on noise to obtain good waterfall and error floor performance. The techniques developed for LDPC decoders could also be applied to analyze the effect of noise on Turbo-Decoders.

Supervisors

The PhD will be funded the French ANR in the frame of the project NAND (2016-2018) that regroups academics (ETIS lab in ENSEA, Lab-STIC in Université de Bretagne Sud and IMS lab in Université de Bordeaux) and companies (Turbo-Concept, ST microelectronics and Thales). The PhD will have two supervisors: professor David Declercq (from ETIS Lab, Cergy-Pontoise) and professeur Emmanuel Boutillon (Lab-STICC Lab, Lorient). Professor Chris Winstead, from Utah State University will also tightly participate to the project.

Requirement

The candidate should be fluent in English and willing to learn French. He will have a solid background in mathematics, information theory and coding theor. Knowledge in hardware implementation (FPGA or ASIC) would be also greatly appreciate.

Conditions

The PhD will start in January 2016 for a period of 3 years. The net salary (with social insurance) is around 1350 euros/month.

Contact

Applications should be sent to the following contacts before Friday, November 13th, 2015.

  • Emmanuel Boutillon (Emmanuel.boutillon@univ-ubs.fr)
  • David Declercq (david.declercq@ensea.fr)

References

[Ngassa15] Ngassa, C.K.; Savin, V.; Dupraz, E.; Declercq, D., “Density Evolution and Functional Threshold for the Noisy Min-Sum Decoder,” IEEE Transactions on Communications, vol. 63, No 5, pp. 1497 – 1509, May 2015.

[Sundararajan2014] Sundararajan, G.; Winstead, C.; Boutillon, E., "Noisy Gradient Descent Bit-Flip Decoding for LDPC Codes," IEEE Transactions on Communications, vol. 62, No 10, pp. 3385 - 3400, October 2014.

[Tang2013]Tang Y.; Boutillon, E.; Winstead, C.; Jego, C.; Jezequel, M., "Muller C-element based Decoder (MCD): A decoder against transient faults," IEEE Int. Symp. on Circuits and Systems (ISCAS), pp.1680-83, May 2013

Download the PhD subject

PDF file (165.9 Ko)