1. Accueil
  2. Prochaines soutenances

HOUESSOU NARECH

9h30

Soutenance de thèse de NARECH HOUESSOU

Apprentissage automatique et fusion de données pour la surveillance environnementale. Application à la prévention des risques d'exposition aux polluants dans les environnements de travail.

Machine learning and data fusion for environmental monitoring. Application to the prevention of exposure to pollutants in working environments.

Jury

Directeur de these_MIRON_Sebastian_Université de Lorraine
Rapporteur_VRABIE_Valeriu_Université de Reims Champagne-Ardenne
Rapporteur_DAUGERON_Daniel_Université Clermont Auvergne
Examinateur_BRIE_David_Université de Lorraine
Examinateur_GEHIN_Evelyne_Université Paris-Est Créteil (UPEC)
CoDirecteur de these_DUQUENNE_Philippe_Institut National de Recherche et de Sécurité (INRS)

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

Laboratoire

CRAN - Centre de Recherche en Automatique de Nancy

Mention de diplôme

Automatique, Traitement du signal et des images, Génie informatique
Salle de réunion du CRAN (ENSEM) ENSEM Nancy, 2 Av. de la Forêt de Haye, 54500 Vandœuvre-lès-Nancy
*

Mots clés

Cartographie spatio-temporelle,modélisation tensorielle,réseaux de capteurs de pollution,régularisation spatio-temporelle,PINNs,polluants atmosphériques

Résumé de la thèse

L'exposition professionnelle aux polluants constitue un enjeu majeur en santé au travail, en raison de ses effets potentiellement graves sur la santé des travailleurs et de la difficulté à caractériser précisément les situations d'exposition. La prévention de ces risques repose sur la capacité à mesurer, modéliser et représenter les concentrations de polluants dans le temps et dans l'espace.

Keywords

Spatio-temporal cartography,Tensor-based modeling,Pollution sensor networks,Spatio-temporal regularization,Physics-Informed Neural Networks (PINNs),Airborne pollutants

Abstract

Occupational exposure to pollutants is a major concern in workplace health due to its potentially severe impacts on workers and the challenges associated with accurately characterizing exposure scenarios. Effective risk prevention depends on the ability to measure, model, and represent pollutant concentrations across both space and time.
Liste de toutes les soutenances