Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for id:"star-france:2019SACLL007". One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Aussel, Nicolas. Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes.

Degree: Docteur es, Informatique, 2019, Paris Saclay

Avec l'augmentation du nombre de capteurs et d'actuateurs dans les avions et le développement de liaisons de données fiables entre les avions et le sol, il est devenu possible d'améliorer la sécurité et la fiabilité des systèmes à bord en appliquant des techniques d'analyse en temps réel. Cependant, étant donné la disponibilité limité des ressources de calcul embarquées et le coût élevé des liaisons de données, les solutions architecturelles actuelles ne peuvent pas exploiter pleinement toutes les ressources disponibles, limitant leur précision.Notre but est de proposer un algorithme distribué de prédiction de panne qui pourrait être exécuté à la fois à bord de l'avion et dans une station au sol tout en respectant un budget de communication. Dans cette approche, la station au sol disposerait de ressources de calcul rapides et de données historiques et l'avion disposerait de ressources de calcul limitées et des données de vol actuelles.Dans cette thèse, nous étudierons les spécificités des données aéronautiques et les méthodes déjà existantes pour produire des prédictions de pannes à partir de ces dernières et nous proposerons une solution au problème posé. Notre contribution sera détaillé en trois parties.Premièrement, nous étudierons le problème de prédiction d'événements rares créé par la haute fiabilité des systèmes aéronautiques. Beaucoup de méthodes d'apprentissage en classification reposent sur des jeux de données équilibrés. Plusieurs approches existent pour corriger le déséquilibre d'un jeu de donnée et nous étudierons leur efficacité sur des jeux de données extrêmement déséquilibrés.Deuxièmement, nous étudierons le problème d'analyse textuelle de journaux car de nombreux systèmes aéronautiques ne produisent pas d'étiquettes ou de valeurs numériques faciles à interpréter mais des messages de journaux textuels. Nous étudierons les méthodes existantes basées sur une approche statistique et sur l'apprentissage profond pour convertir des messages de journaux textuels en une forme utilisable en entrée d'algorithmes d'apprentissage pour classification. Nous proposerons notre propre méthode basée sur le traitement du langage naturel et montrerons comment ses performances dépassent celles des autres méthodes sur un jeu de donnée public standard.Enfin, nous offrirons une solution au problème posé en proposant un nouvel algorithme d'apprentissage distribué s'appuyant sur deux paradigmes d'apprentissage existant, l'apprentissage actif et l'apprentissage fédéré. Nous détaillerons notre algorithme, son implémentation et fournirons une comparaison de ses performances avec les méthodes existantes

With the rise of the number of sensors and actuators in an aircraft and the development of reliable data links from the aircraft to the ground, it becomes possible to improve aircraft security and maintainability by applying real-time analysis techniques. However, given the limited availability of on-board computing and the high cost of the data links, current architectural solutions cannot fully leverage all the available…

Advisors/Committee Members: Chabridon, Sophie (thesis director).

Subjects/Keywords: Apprentissage automatique; Analyse temps réel; Architecture logicielle répartie; Analyse de grands volumes de données; Détéction d'anomalies; Machine learning; Real-time analysis; Distributed software architecture; Big data analysis; Anomaly detection

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Aussel, N. (2019). Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes. (Doctoral Dissertation). Paris Saclay. Retrieved from http://www.theses.fr/2019SACLL007

Chicago Manual of Style (16th Edition):

Aussel, Nicolas. “Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes.” 2019. Doctoral Dissertation, Paris Saclay. Accessed August 24, 2019. http://www.theses.fr/2019SACLL007.

MLA Handbook (7th Edition):

Aussel, Nicolas. “Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes.” 2019. Web. 24 Aug 2019.

Vancouver:

Aussel N. Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes. [Internet] [Doctoral dissertation]. Paris Saclay; 2019. [cited 2019 Aug 24]. Available from: http://www.theses.fr/2019SACLL007.

Council of Science Editors:

Aussel N. Real-time anomaly detection with in-flight data : streaming anomaly detection with heterogeneous communicating agents : Détection des anomalies sur les données en vol en temps réel avec des agents communicants hétérogènes. [Doctoral Dissertation]. Paris Saclay; 2019. Available from: http://www.theses.fr/2019SACLL007

.