Nous invitons les candidatures à une thèse de doctorat en informatique en cotutelle
au LAMIH – UPHF, Valenciennes et l’UMONS en Belgique (English version below).
Thèse en informatique, Intelligence artificielle et Humain
TITRE COURT
Modélisation et raisonnement sous incertitude pour une base d’informations individuelles
TITRE
Modélisation et raisonnement avec des connaissances probabilistes pour un système de gestion d’informations individuelles intégrant l’incertitude liée au vieillissement des informations et dédié à la prévention des chutes des personnes âgées.
MOTS CLES
Intelligence artificielle, modèle de connaissance et incertitude, modèle graphique probabiliste, réseau bayésien, vieillissement des informations, observation incomplète, base d’information personnelle, prévention des chutes.
RESUME
L’objectif est le développement d’un système pour la gestion d’une base intelligente d’informations individuelles via une application interactive. Ce système devra pouvoir fournir des informations sur la personne âgée à la demande d’un autre système ou d’un médecin spécialiste dans le but de lui permettre de générer des recommandations adapter pour réduire ses risques de chutes.
Le système de gestion d’une base intelligente d’informations individuelles sera développé pour des médecins traitants[1]. Le système doit collecter et gérer un ensemble d’informations sur une personne âgée. Du fait qu’il n’est possible de collecter qu’un nombre assez limité d’informations au cours d’un rendez-vous chez le médecin traitant, et parce que les informations collectées dans le passées peuvent avoir changées, la base d’informations sur la personne est à la fois incomplète et incertaine. La problématique de cette thèse est nouvelle dans le domaine de l’intelligence artificielle : comment gérer l’incertitude liée au vieillissement des informations et comment la combiner avec l’incertitude liée aux observations incomplète dans un modèle probabiliste de connaissances.
Voici les résultats attendus pour cette thèse :
- Construction d’un réseau bayésien en tant que modèle de connaissance de la personne âgée. Ce modèle sera construit en combinant la connaissance des experts et l’apprentissage (éventuellement actif) à partir de données sur les patients du service de consultation sur la chute de l’hôpital de Lille. La sélection des variables et la définition de la structure du graphe causal sera faite en lien avec les médecins spécialistes du CHU de Lille et des spécialistes en gérontologie sociale de l’UMONS. L’ontologie des facteurs de risqué de chutes précédemment développée dans l’équipe sera aussi utilisée.
- Etude de la dynamique des informations sur la personne âgée en vue de proposer un modèle de cette connaissance pour exploiter cette connaissance dans le système, combinée avec modèle probabiliste de connaissances de la personne âgée. L’étudiant devra proposer des algorithmes basés sur ces modèles pour évaluer la confiance (ou la fiabilité) des éléments présents dans la base d’informations individuelles. En particulier, l’arrivée d’une nouvelle information, considérée comme certain, peut conduire à revoir la confiance dans des informations plus anciennes sur la base des modèles de connaissance et du raisonnement. Les modèles proposés et les algorithmes seront implémentés et testés pour évaluer la capacité du système à détecter des informations obsolètes et la qualité des évaluations des facteurs de risques de chute.
- Une interface utilisateur basique sera propose pour le système de gestion de la base d’informations individuelle de façon à mener un ensemble des tests avec des médecins traitants, et en utilisant un cycle de développement itératif et incrémental. Cette étape sera faite avec des utilisateurs finaux pour évaluer la capacité du système à fournir des informations fiables sur la personne à la demande d’un médecin. L’évaluation concerne à la fois la qualité des informations fournies et la qualité du système en termes d’acceptabilité et d’utilisabilité du système par les utilisateurs.
- Un autre objectif est de fournir un algorithme pour guider la collecte de données par le médecin traitant, en prenant en compte un nombre très limité de questions et des différents objectifs : le augmenter le degré de confiance des informations de la base, et la qualité des informations en terme de prévention des chutes. Cette partie pourrait aussi prendre en compte certaines caractéristiques du médecin traitant et de l’environnement, si ces éléments sont identifiés[2].
L’ensemble du travail sera mené avec le souci d’intégrer les besoins des personnes âgées et des médecins traitants utilisateurs du système, en vue de fournir aux utilisateurs un outil adapté durable et facile à utiliser. Dans ce but, la thèse sera encadrée par des spécialistes en intelligence artificielle, ainsi que par une psychologue spécialiste en gérontologie sociale et en collaboration avec les centres hospitaliers de Lille et Valenciennes.
Outil de développement des réseaux bayésian: PyAgrum[3]
ENCADRANTS
– Véronique Delcroix ET Sylvain Piechowiak (LAMIH, département informatique, UPHF),
– Xavier Siebert (Département de mathématiques et recherche opérationnelle, UMONS)
– Marie Claire Haelewyck (FPSE, orthopédagogie clinique, UMONS)
UNIVERSITE et LABORATOIRE
La thèse se déroule sur deux sites, distants d’environ 30 kms : l’UPHF, Université Polytechnique Hauts-de-France et l’ UMONS, Université de Mons.
L’étudiant sera membre du LAMIH UMR CNRS 8201, à l’UPHF, et du département de mathématiques et recherche opérationnelle à l’UMONS. Il travaillera aussi avec l’équipe d’orthopédagogie clinique de la Faculté de Psychologie et Sciences de l’Education (FPSE) à l’UMONS.
Le LAMIH UMR CNRS 8201 (Laboratoire d’Automatique de Mécanique et d’Informatique industrielle et Humaines) est une unité mixte de recherche de l’Université Polytechnique Hauts-de-France (UPHF) et du CNRS.
Le département de mathématiques et recherche opérationnelle est une équipe de recherche de la faculté polytechnique de l’université de Mons (UMONS), en Belgique.
Sites web :
https://sites.google.com/site/xsiebert/
Addresse :
LAMIH, UPHF, Le mont Houy, F-59 300 Valenciennes, France
UMONS, 9, rue de Houdain, 7000 Mons, Belgium
CONTACT
Téléphone :
Veronique Delcroix : +33 (0)3 27 51 14 65
Xavier SIEBERT : +32 (0)65 37 46 90
Marie-Claire HAELEWYCK : +32 (0)65 37 31 85
Sylvain Piechowiak : +33 (0)3 27 51 14 38
Email: Veronique.Delcroix@uphf.fr, Sylvain.Piechowiak@uphf.fr, Xavier.SIEBERT@umons.ac.be, Marie-Claire.HAELEWYCK@umons.ac.be
Début de la thèse
Date on 01-09-2019
CANDIDATURE
Le candidat doit avoir un master ou un diplôme d’ingénieur en informatique ou intelligence artificielle. De solides compétences en programmations sont requises. Des compétences en statistiques, probabilités, apprentissage, et/ou analyse de données sont un plus.
Avant le 3 mai 2019 : envoyer par mel votre lettre de motivation, CV, relevés de notes des 2 dernières années, vos publications et rapport de stage et une lettre de recommandation aux 4 personnes ci-dessus.
Si besoin, n’hésitez pas à contacter Veronique.delcroix@uphf.fr.
CONTRAT ET FINANCEMENT
Il s’agit d’une thèse en cotutelle entre l’UPHF en France et l’UMONS en Belgique.
BIBLIOGRAPHIE
Réseaux bayésien
- V. Jensen and T. D. Nielsen, Bayesian Networks and Decision Graphs. Springer Publishing Company, Incorporated, 2nd ed., 2007.
- Koller and N. Friedman, Probabilistic Graphical Models – Principles and Techniques. MIT Press, 2009.
- Darwiche, Modeling and Reasoning with Bayesian Networks. New York, NY, USA: Cambridge University Press, 1st ed., 2009.
Ben mrad A., Delcroix V., Piechowiak S., Leicester P., Abid M. (2015). A Unified Presentation of Uncertain Evidence in Bayesian Networks: Likelihood Evidence and Probabilistic Evidence. Applied Intelligence, 43 (4), pp. 802-824.
Revision des connaissances
- Gärdenfors, Knowledge in Flux: Modeling the Dynamics of Epistemic States (MIT Press, Cambridge, 1988)
Didier Dubois, Serafin Moral, Henri Prade. Belief change rules in ordinal and numerical uncertainty theories. In : Belief Change, (D. Dubois, H. Prade, eds.), Vol. 3 of the Handbook of Defeasible Reasoning and Uncertainty Management Systems (D.M. Gabbay, Ph. Smets, series eds.), Kluwer, Dordrecht, p. 311-392, 1998
- Gebhardt, C. Borgelt, R. Kruse, H. Detmer, Knowledge Revision in Markov Networks. Mathware & Soft Computing, vol. 11(2–3), 93–107, (2004).
Rudolf Kruse, Christian Borgelt, Christian Braune, Sanaz Mostaghim and Matthias Steinbrecher, Computational Intelligence – A Methodological Introduction, Second Edition. Texts in Computer Science, Springer, 2016.
[1] Dans un projet futur, ce système pourrait être utilisé par un large panel d’utilisateurs comme les personnes âgées, les équipes médicales et les autres personnes en lien avec les personnes âgées.
[2] par exemple, lorsque le rendez-vous se déroule chez le patient, les questions relatives à l’environnement sont plus pertinentes que lorsque le rendez vous se déroule dans le cabinet du médecin.
Artificial Intelligence with human aspects
Short TITLE
Modeling and reasoning with uncertainties in a personal information database
TITLE
Modeling and reasoning with probabilistic knowledge for a personal information database system with uncertainty due to information aging and dedicated to the prevention of falls in the elderly.
KEY WORDS
Artificial intelligence, model of knowledge and uncertainty, probabilistic graphical model, bayesian network, information aging, incomplete observation, silent change in information, personal information database, prevention of falls.
ABSTRACT
The main objective of this PhD thesis is the development of an intelligent personal information database system through an interactive application. This system aims to provide a set of information about an old person at the request of another system or a specialized physician to provide adapted recommendations to reduce his/her risk of fall.
The personal information database system is dedicated to be used by regular doctors[1]. The system has to collect and manage personal information about an old person. Since only a little information can be collected during each appointment, and because of possible silent changes in information previously collected, the set of observations about the person is both incomplete and uncertain. The problem addressed in this thesis is new in artificial intelligence: how to deal with uncertainty coming from silent changes in the personal information database; and how to combine it with usual uncertainty due to incomplete observations in a probabilistic model of knowledge?
Here are the main expected outcomes of the thesis:
- Construct a model of knowledge of the elderly, based on a Bayesian network to represent knowledge of the elderly that embed natural variability of the considered characteristics and their (in)dependances. This model will be built by combining expert knowledge and (active) learning from a data set about patients at risk of fall from the specialized unit of Lille’s Hospital center. The selection of variables and the definition of the causal structure will be done with the help of specialized physicians and some experts in social gerontology. A previously defined ontology about the risk factors for fall will also be useful.
- Conduct research on the dynamic of information aging that lead to silent changes in the personal information database, in order to propose a model to embed that knowledge and exploit it in the system in combination with the Bayesian network model of the elderly. The PhD student will have to propose algorithms based on those models to evaluate the confidence (or reliability) for each piece of information of the personal information database. In particular, the arrival of a new piece of information, considered as certain, may lead to update the confidence in some older information, based on the knowledge models and reasoning steps. The proposed models and algorithms will be implemented and tested, to check the ability of the system to detect obsolete information and the quality of the evaluation of the risk factors.
- A basic user interface will be proposed for the personal information database system in order to achieve a set of tests of the system by some doctors, using an iterative and incremental development cycle. This step aims to involve real final users to evaluate the ability of the system to provide reliable information about an old person at the doctor’s request. The evaluation integrates both the quality of the answer and the quality of the system in terms of the user acceptability and usability.
- Another objective is to provide an algorithm to guide data collection by the regular doctor, taking into account a limited number of questions and different objectives such as increasing the confidence degree of previously collected information and the information quality regarding the prevention of fall. This part should also integrate some characteristics about the regular doctors or the environment[2] when those elements have been identified.
The whole work will be done with the concern of integrating the needs of the elderly and the regular doctors when using the system, and providing the final users with a system whose elements are adapted, durable and easy to use. With that aim, the thesis will be supervised by specialists in artificial intelligence, together with a psychologist specialized in social gerontology and aging and in collaboration with the hospital centers of Lille and Valenciennes.
Development tool for Bayesian networks: PyAgrum[3]
THESIS SUPERVISORS
– Véronique Delcroix and Sylvain Piechowiak (LAMIH, computer science department, UPHF),
– Xavier Siebert (Mathematics and Operational Research department, UMONS)
– Marie Claire Haelewyck (FPSE, orthopédagogie clinique, UMONS)
LOCATION – UNIVERSITY – RESEARCH LABORATORY
The thesis will take place on two sites, away from less than 30 kms : the UPHF, Université Polytechnique Hauts-de-France and the UMONS, Université de Mons.
The PhD student will become a member of the staff of the LAMIH UMR CNRS 8201, in the UPHF, and of the Mathematics and Operational Research department in the UMONS. He/she will also work with the clinical orthopedagogy unit of the the Faculty of Psychology and Education (FPSE) in the UMONS.
The LAMIH UMR CNRS 8201 (Laboratory of Industrial and Human Automation control, Mechanical engineering and Computer Science) is a joint research unit between the Université Polytechnique Hauts-de-France (UPHF) and National Centre for Scientific Research (CNRS).
The Mathematics and Operational Research Unit is a research team of the Polytechnic Faculty of Engineering, which is part of the University of Mons (UMONS), Belgium.
web sites :
https://sites.google.com/site/xsiebert/
Address :
LAMIH, UPHF, Le mont Houy, F-59 300 Valenciennes, France
UMONS, 9, rue de Houdain, 7000 Mons, Belgium
CONTACT PERSON
Phone number:
Veronique Delcroix : +33 (0)3 27 51 14 65
Xavier SIEBERT : +32 (0)65 37 46 90
Marie-Claire HAELEWYCK : +32 (0)65 37 31 85
Sylvain Piechowiak : +33 (0)3 27 51 14 38
Email: Veronique.Delcroix@uphf.fr, Sylvain.Piechowiak@uphf.fr, Xavier.SIEBERT@umons.ac.be, Marie-Claire.HAELEWYCK@umons.ac.be
START DATE
Start date on 01-09-2019
APPLICATION
The candidate must have a master degree or an engineering degree in computer science, artificial intelligence or related domain. A solid background in programming is required. Competences in statistics / probability, machine learning and/or data analysis would be appreciate
before the 3rd may 2019 : Please email a cover letter, your CV, transcripts, school reports, your publications or training report, and a letter of reference. Please email these documents to the four persons above.
If you have any questions about the project, our research group, or anything else, please do not hesitate to contact Veronique.delcroix@uphf.fr.
CONTRACT and FINANCING
It is an international dual degree PhD program ( co-tutelle in French) between France and Belgium. The phD student will receive a doctoral degree from the UPHF in France and a doctoral degree from the UMONS in Belgium.
BIBLIOGRAPHY
Bayesian network
- V. Jensen and T. D. Nielsen, Bayesian Networks and Decision Graphs. Springer Publishing Company, Incorporated, 2nd ed., 2007
- Koller and N. Friedman, Probabilistic Graphical Models – Principles and Techniques. MIT Press, 2009
- Darwiche, Modeling and Reasoning with Bayesian Networks. New York, NY, USA: Cambridge University Press, 1st ed., 2009.
Ben mrad A., Delcroix V., Piechowiak S., Leicester P., Abid M. (2015). A Unified Presentation of Uncertain Evidence in Bayesian Networks: Likelihood Evidence and Probabilistic Evidence. Applied Intelligence, 43 (4), pp. 802-824.
Belief change, Revision theory
- Gärdenfors, Knowledge in Flux: Modeling the Dynamics of Epistemic States (MIT Press, Cambridge, 1988)
Didier Dubois, Serafin Moral, Henri Prade. Belief change rules in ordinal and numerical uncertainty theories. In : Belief Change, (D. Dubois, H. Prade, eds.), Vol. 3 of the Handbook of Defeasible Reasoning and Uncertainty Management Systems (D.M. Gabbay, Ph. Smets, series eds.), Kluwer, Dordrecht, p. 311-392, 1998
- Gebhardt, C. Borgelt, R. Kruse, H. Detmer, Knowledge Revision in Markov Networks. Mathware & Soft Computing, vol. 11(2–3), 93–107, (2004).
Rudolf Kruse, Christian Borgelt, Christian Braune, Sanaz Mostaghim and Matthias Steinbrecher, Computational Intelligence – A Methodological Introduction, Second Edition. Texts in Computer Science, Springer, 2016
Chaieb S., Delcroix V., Ben mrad A., Grislin-Le strugeon E. (2018). Réseau bayésien pour la gestion de l’obsolescence dans une base d’informations en vue de l’évaluation du risque de chute des personnes âgées. Revue des Nouvelles Technologies de l’Information, « Extraction et Gestion des Connaissances, EGC 2018 », E-34, pp. 359-364.
[1] In a further project, The personal information database system could be used by a larger set of users such as the elderly, medical staff, and others person linked with the elderly.
[2] for example, when the appointment takes place at the patient’s home, questions about the environment can be relevant whereas this kind of information is more difficult to be collected in the doctor’s surgery.