Apprentissage profond par transfert pour la modélisation mécanique à base d'images Free

  • Category Technical paper
  • Related event Journée d'étude : SIA Optimisation Numérique - 7 novembre 2019
  • Edition SIA
  • Date 02/04/2020
  • Author David Ryckelynck, Mines ParisTech université PSL
  • Language French
  • Type PDF file (7.63 Mo)
    (Downloadable immediately on receipt of online payment)
  • Number of pages 12
  • Code R-2019-06-01
  • Fee Free

Dans l'industrie, de plus en plus de capteurs fournissent diverses images d'objets pour lesquels peuvent se poser des questions de maintenance predictive, de nocivité, de défauts, de non qualité, de déploiement de jumeaux numériques, de prise de décision sous incertitudes. Ces images sont 2D, 3D ou 4D, et produites par di fférents types de capteurs optiques, infrarouges, ultrasons, RX...

Dans ce contexte, il existe actuellement un fort potentiel de développement de capteurs intelligents, dans le sens où ces capteurs intègreraient plus de capacité de modélisation, de calcul et de connection à un réseau informatique. Ce type de capteur aurait de nouvelles fonctionnalités de recommandation et d'apprentissage statistique. Ces fonctionnalites restent a inventer en exploitant les avancées récentes en intelligence arti cielle et en réduction de modèles mécaniques.

Nous proposons d'accompagner le déploiement des algorithmes issus de l'intelligence arti cielle en développant des méthodes d'apprentissage profond par transfert pour la modélisation accélerée d'objets vu par des techniques d'imagerie. On se limite ici à des applications mécaniques en secteur industriel, pour lequel il y a peu de soucis éthiques. Le transfert concerne les connaissances et les données acquises en mécaniques des matériaux en exploitant des modèles hyper-réduits.

INGENIEURS DE L'AUTO SE DIGITALISE

 

 

La revue Ingénieurs de l’Auto est maintenant diffusée en print et on line. Une grande première pour la SIA avec ce numéro 865, disponible au format numérique.

Cette version digitale sera, à chaque numéro, réservée aux membres de la SIA abonnés.

Exceptionnellement pour ce premier numéro on line, et en lien avec la situation de confinement et de télétravail de beaucoup d’ingénieurs de notre industrie, la version digitale du numéro de Mai est accessible à tous.

 

DÉCOUVRIR LA REVUE