Doctorat en Ia Audio - Nantes, France - CNRS

CNRS

Entreprise vérifiée

Nantes, France

il y a 3 semaines

Posté par:

Sophie Dupont

beBee Recruiter

Description

Cette offre est disponible dans les langues suivantes:

- Français
- Anglais

Date Limite Candidature : jeudi 21 septembre 2023

**Informations générales**:
**Intitulé de l'offre **:Doctorat en IA audio : "Réseaux de neurones multirésolution pour l'IA frugale en audio" (H/F)**
Référence : UMR6004-VINLOS-005
Nombre de Postes : 1
Lieu de travail : NANTES
Date de publication : jeudi 31 août 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 novembre 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel
Section(s) CN : Sciences de l'information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues

**Description du sujet de thèse**:
Le sujet de thèse est "Théorie et implémentation des réseaux de neurones multirésolution" (MuReNN).

Le projet MuReNN vise à relever un triple défi:
1. notre compréhension théorique des dynamiques d'optimisation dans les réseaux convolutifs profonds (convnets) reste limitée ;
2. l'apprentissage supervisé requiert des données annotées massives, ce qui est couteux et laborieux ; et
3. le matériel informatique pour l'IA embarquée représente un dommage écologique.

D'où un triple objectif:
1. construire une théorie cohérente et rigoureuse des grands opérateurs convolutifs, à l'intersection entre la théorie de Fourier, la théorie des matrices aléatoires, et l'apprentissage statistique ;
3. embarquer les modèles d'IA pour l'audio dans un matériel à moindre impact environnemental, d'où des contraintes algorithmiques strictes en termes de nombres d'opérations, d'usage de la mémoire, et de robustesse à long terme.

Étant donnés ces objectifs, l'hypothèse de recherche de la thèse est que des modèles d'apprentissage pour l'audio ont besoin d'approximations multirésolution pour être frugaux, aussi bien en termes de ressources matérielles que de travail humain d'annotation. Plus précisément, nous postulons qu'un convnet 1-D peut être "compressé" en un modèle plus petit, appelé MuReNN. L'idée-clé est de convoluer des opérateurs appris (filtres à réponse impulsionnelle finie) avec des des ondelettes afin d'étendre le champ réceptif de la représentation apprise, ce sans repliement spectral.

Un premier prototype du modèle MuReNN sera présenté à la conférence WASPAA 2023:
Côté théorique, le doctorant ou la doctorante caractérisera la distribution de probabilité de ||Phi(x)||^2, avec Phi un convnet aléatoire et x un signal audio déterministe. Dans ce but, le doctorant ou la doctorante réutilisera des éléments fondamentaux de la théorie des probabilités et les spécialisera pour le problème concerné. Ensuite, le doctorant ou la doctorante étendra son analyse au cas de réseaux de neurones multirésolution (MuReNN) aléatoires. Enfin, le doctorant ou la doctorante examinera la littérature récente en mathématiques pour l'apprentissage profond afin de produire une comparaison détaillée entre optimisation monorésolution et multirésolution pour le traitement du signal audionumérique.

Côté applicatif, le doctorant ou la doctorante développera et maintiendra une boite à outils logicielle afin d'implémenter MuReNN en PyTorch. Cette boite à outils permettra un calcul intensif sur matériel GPU et une différentiation automatique des opérateurs. Le premier objectif sera d'entrainer MuReNN sur des problèmes bien contrôlés et munis de donnés synthétiques, afin d'évaluer le gain d'efficacité algorithmique apporté par MuReNN par rapport aux convnets. Le second objectif sera le passage à des signaux audio réalistes, dans lequel la quantité de données annotées est limitée : bioacoustique, acoustique industrielle, acoustique urbaine, ou acoustique médicale.

Le doctorant ou la doctorante travaillera en équipe avec les autres membres du consortium MuReNN afin de développer un capteur autonome programmable alimenté par énergie renouvelable. Ce capteur contiendra une implémentation en virgule fixe de MuReNN pour la détection acoustique in situ. Le rôle du doctorant ou de la doctorante sera alors de trouver une paramétrisation adéquate de MuReNN pour le problème considéré.

**Contexte de travail**:

- Le doctorant ou la doctorante devra être titulaire d'un master en informatique, mathématiques, mathématiques appliquées, statistiques, intelligence artificielle ; ou d'un titre d'ingénieur dans un de ces domaines. Voici le profil attendu:

- 1. La curiosité scientifique est indispensable.
- 2. Une capacité à critiquer, approfondir, et transmettre l'état de l'art en recherche est requis. Une expérience de médiation scientifique est utile mais pas requise.
- 3. Une maitrise de l'anglais scientifique, à l'écrit comme à l'oral, est requise. La maitrise du français est utile mais non requise.
- 4. Des connaissances de base en t