RUSSO , Adrien

Encadré par François Verdier

We present in this paper a predictive analysis method based on a unsupervised type of machine learning algorithm : the kohonenmaps. This model will be exploited in a network of sensors to reduce the number of transmission on the network. The aim of thispaper is to present a learning algorithm and the result obtained in the context of smart city.

Le développement des objets connectés et de l'internet des objets (IoT) ouvre la voie à de nombreuses applications notamment dans l'accumulation et le traitement de grand volume de donnée (Big Data) via par exemple les réseaux de capteurs sans fils. Ceux-ci sont un ensemble de senseurs capable de surveiller leur environnement et de connecter,...

Les réseaux de capteurs sans fil connaissement aujourd'hui un engouement sans précédent, notamment dans le cadre des Smart Cities, et cela conduit à l'explosion de leur consommation, et exige d'optimiser les algorithmes de Machines Learning, et notamment les réseaux de neurones qui se sont imposés de par leur capacité d'apprentissage et leur...

In this paper we use an application approach to minimize the energy consumption and increase the lifetime of a LoRaWAN sensor network. In this sensor network the nodes transmission cycles are controlled by an Artificial Neural Network (ANN) based algorithm. The algorithm predicts the data of nodes and by this method the nodes can avoid data...

article dans Nice Matin page Santé relatif à la "Semaine du cerveau"

Bringing artificial intelligence to embedded devices has become a central research topic in many scientific domains (environment, agriculture, sociology, health...). For Human Activity Recognition, Artificial Neural Networks (ANNs) have shown their capability to provide better performance compared to other machine learning methods. However,...