Le CRIL en bref

présentation

Le Centre de Recherche en Informatique de Lens (CRIL UMR 8188) est un laboratoire de l’Université d’Artois et du CNRS dont la thématique de recherche fédératrice concerne l'intelligence artificielle et ses applications. Il regroupe plus de 60 membres : chercheurs, enseignants-chercheurs, doctorants et personnels administratifs et techniques.

Le CRIL participe à la Confédération Européenne de Laboratoires en Intelligence Artificielle CLAIRE et à l'alliance régionale humAIn. Il bénéficie du soutien du Ministère de l’Enseignement Supérieur et de la Recherche, du CNRS, de l’Université d’Artois et de la région Hauts de France.

Le CRIL est localisé sur deux sites à Lens : la faculté des sciences Jean Perrin et l’IUT.

En savoir plus

Publications récemment mises à jour

2021 Adnan Darwiche, Pierre Marquis, On Quantifying Literals in Boolean Logic and its Applications to Explainable AI in Journal of Artificial Intelligence Research,vol. 72, pp. 285-328, 2021.
2021 Nicolas Schwind, Tenda Okimoto, Katsumi Inoue, Katsutoshi Hirayama, Jean-Marie Lagniez, Pierre Marquis, On the computation of probabilistic coalition structures in Autonomous Agents and Multi-Agent Systems,vol. 35, n° 1, 2021.
2021 Gilles Audemard, Steve Bellart, Louenas Bounia, Frédéric Koriche, Jean-Marie Lagniez, Pierre Marquis, On the Computational Intelligibility of Boolean Classifiers in 18th International Conference on Principles of Knowledge Representation and Reasoning {KR-2021},International Joint Conferences on Artificial Intelligence Organization, pp. 74-86, 2021.
2021 Sylvie Coste-Marquis, Pierre Marquis, On Belief Change for Multi-Label Classifier Encodings in Thirtieth International Joint Conference on Artificial Intelligence {IJCAI-21},International Joint Conferences on Artificial Intelligence Organization, pp. 1829-1836, 2021.
2021 Hugues Wattez, Frédéric Koriche, Christophe Lecoutre, Anastasia Paparrizou, Sébastien Tabary, Focus sur les heuristiques basées sur la pondération de contraintes in 16es Journées Francophones de Programmation par Contraintes (JFPC’21),2021.

Actualités  (RSS)

Thèses proposées SAT-based Approaches for Formal Verification with B method

Candidater Summary The ANR project BLaSST targets bridging combinatorial and symbolic techniques in automatic theorem prov- ing, in particular for proof obligations generated from B models. Work will be carried out on SAT-based techniques as well as on more expressive SMT formalisms. In both cases encoding techniques, optimized resolution techniques, model generation, and lemma suggestion will be considered. Combining both lines of work, the expected scientific impact is a substantially higher degree of automation of solvers for expressive input languages by leveraging higher-order reasoning and enumerative instantiations over finite domains.

En savoir plus

Thèses proposées Learning Interpretable Circuits

Overview In recent years, there has been a growing interest in the design of statistical learning algorithms for interpretable models, which are not only accurate but also understandable by human users. A related and desirable property is explainability, which refers to the computational ability of predictive models to explain their predictions in intelligible terms. In this setting, decision trees are of paramount importance, as they can be easily read by recursively breaking a choice into sub-choices until a decision is reached.

En savoir plus

Séminaire Partial Robustness in Team Formation: Bridging the Gap between Robustness and Resilience.

Nicolas Schwind - AIST Tokyo
7 juil. 2022 - 14:00

Team formation is the problem of deploying the least expensive team of agents while covering a set of skills. Once a team has been formed, some of the agents considered at start may be finally defective and some skills may become uncovered… I will first recall two solution concepts that have been recently introduced to deal with this issue in a proactive manner: one may form a team which is robust to changes so that after some agent losses, all skills remain covered; or one may opt for a recoverable team, i.

En savoir plus

Séminaire A tutorial on enumeration complexity: defining traceability

Yann Strozecki
9 juin 2022 - 14:00

We review the different ways tractability is defined in enumeration using as complexity measure total time, incremental time, delay and space. We present the associated complexity classes and show how they relate. The focus is on understanding incremental polynomial time and polynomial delay and the typical algorithms with this complexity. We also briefly present low complexity classes and some possible alternative to exhaustive enumeration.

En savoir plus

Séminaire Knowledge-Based Profile Dynamics

Eduardo Fermé - University of Madeira
12 mai 2022 - 14:00

In the last two decades, user profiles have been used in several areas of information technology. In the literature, the vast majority of research works, and systems focus on the creation of profiles (using Data Mining techniques based on user navigation history) and their dynamics are made by means of systematic recreation of the profiles, without using the last used profile. In this talk we propose to formalize the creation, representation, and dynamics of profiles in a Knowledge-Driven perspective.

En savoir plus

Séminaire Production de connaissances compréhensibles et sémantiquement riches à partir de données distribuées, connectées et fortement hétérogènes. 

Salma SASSI - Université de Jendouba, Tunisie
14 avr. 2022 - 15:30

Les systèmes d’information des entreprises actuelles sont de plus en plus " submergés " par des données distribuées, connectées et de tous types (structurées, semi-structurées et non structurées). Cette croissance et « Big Data », ont transformé́ tous les aspects de l’entreprise et de la société́ actuelle, et ont créé de nouveaux défis pour les entreprises et pour la communauté scientifique, parmi lesquels comment comprendre et analyser de telles masses de données afin d’en extraire des connaissances sémantiquement riches.

En savoir plus

Séminaire Quantum Machine Learning

Kaoutar Benlamine
14 avr. 2022 - 14:00

Quantum Machine Learning is on the borderline between quantum computing and machine learning and deals with data processing in very large dimensions. It is a new area of study with the recent work on quantum versions of supervised and unsupervised algorithms. In this presentation, I will start by giving an overview of the general concepts of machine learning as well as the quantum computation, then I will show my contributions concerning the quantum one model clustering and multi model clustering.

En savoir plus

Séminaire Apprentissage de représentations profondes sur graphes pour l'analyse de données complexes

Akrem Sellami
7 avr. 2022 - 16:00

L’apprentissage profond sur les graphes, et plus généralement sur les données structurées non-euclidiennes, est récemment devenu un sujet principal dans le domaine de l’apprentissage automatique, avec de nombreuses applications dans la classification d’images, la détection de communautés, les systèmes de recommandation, le traitement du langage naturel, la classification des molécules, la prédiction d’interface protéique, la chimie quantique, épidémiologie….. etc. En particulier, les modèles profonds tels que les réseaux de neurones sur graphes (Graph Neural Networks) sont devenus des outils très populaires, avec leurs succès dans nombreuses applications.

En savoir plus