CRIL in short

présentation

Lens Computer Science Research Lab (CRIL UMR 8188) is a joint laboratory between Université d’Artois and CNRS, grouping together 50 members, including researchers, lecturers, PhD students, postdocs and administrative or technical staff.

Learn more

Artificial Intelligence Research and Applications

mots clés du CRIL

News (RSS)

Seminar 

Présentation des projets QDoSSI et AniAge

Recruitment 3 postes d'ATER en informatique (section 27), à Lens

3 postes d’ATER en informatique (section 27) sont ouverts à Lens pour la rentrée 2018.


1 poste à la faculté des sciences Jean Perrin
2 postes (poste 1, poste 2) à l’IUT de Lens


Les candidatures sont ouvertes sur ALTAIR depuis le 9 avril, jusqu’au 30 avril.

Ces 3 postes d’ATER sont rattachés au CRIL pour la recherche.

Toutes les informations sur la procédure permettant de candidater sur ces postes sont disponibles sur le site de l’université d’Artois.

Learn more

Seminar How to extend IAR semantics to prioritized lightweight ontologies?

Salem Benferhat (CRIL, Université d’Artois - CNRS)

This short talk addresses the problem of handing conflicts in lightweight ontologies. Recently, eight genuine ways to deal with conflicting information have been identified in the context of lightweight ontologies. This paper focuses on a so-called IAR semantics and proposes some desirable properties and algorithms to extend it to prioritized Aboxs.

Learn more

Seminar Relation Induction in Vector Space Embeddings

Zied Bouraoui (CRIL, Université d’Artois - CNRS)

Word embeddings have been found to capture a surprisingly rich amount of syntactic and semantic knowledge. However, it is not yet sufficiently well-understood how the relational knowledge that is implicitly encoded in word embeddings can be extracted in a reliable way. In this talk, I will present two probabilistic models that address this issue. The first model is based on the common relations-as-translations view, but is cast in a probabilistic setting. Our second model is based on the much weaker assumption that there is a linear relationship between the vector representations of related words. Compared to existing approaches, our models lead to more accurate predictions, and they are more explicit about what can and cannot be extracted from the word embedding.

Learn more

Seminar Un tour d'horizon des bandits

Frederic Koriche (CRIL, Université d’Artois - CNRS)

Imaginez le jeu répétitif suivant : à chaque tour, vous devez choisir une “action” parmi N décisions possibles et, une fois l’action choisie, l’environnement vous répond par une “récompense”. L’objectif est de minimiser le regret entre vos choix effectués et la meilleure action que vous auriez sélectionnée, si vous aviez connu à l’avance les récompenses données par l’environnement. Ce cadre, appelé “bandits multi-bras”, est au coeur de l’apprentissage par renforcement et apparait dans de nombreuses applications en IA. L’objectif de ce tutoriel est de donner un panorama des principaux problèmes et algorithmes de bandits. Les problèmes sont regroupés en classes, selon le type d’environnement (stochastique vs adversarial), le type d’action (simple vs combinatoire) et le type de renforcement (informatif, semi-bandit, bandit). Nous présenterons quelques algorithmes de bandits pour ces diverses classes, et illustrerons l’exposé par quelques applications en IA.

Learn more