Le CRIL en bref

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.
Publications récemment mises à jour
Articles de revues internationales
Articles de conférences internationales
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.
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.
Séminaire Partial Robustness in Team Formation: Bridging the Gap between Robustness and Resilience.
Nicolas Schwind - AIST Tokyo
7 juil. 2022 - 14:00Team 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.
Séminaire A tutorial on enumeration complexity: defining traceability
Yann Strozecki
9 juin 2022 - 14:00We 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.
Séminaire Knowledge-Based Profile Dynamics
Eduardo Fermé - University of Madeira
12 mai 2022 - 14:00In 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.
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 - 15:30Les 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.
Séminaire Quantum Machine Learning
Kaoutar Benlamine
14 avr. 2022 - 14:00Quantum 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.
Séminaire Apprentissage de représentations profondes sur graphes pour l'analyse de données complexes
Akrem Sellami
7 avr. 2022 - 16:00L’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.