Articles écrits par altman

Titre: L’Allocation des Ressources de la 5G dans les Smart Cities  Date: 05/12/2025 à 14h00 Lieu: amphitéatre ADA, Avignon Université, Campus Jean-Henri Fabre, CERI. Rapporteurs• Mme Johanne Cohen — Directrice de Recherche, CNRS/LISN, Université Paris-Saclay, France• M. Oussama Habachi — Professeur, LIMOS, Université Clermont Auvergne, France Examinateurs• Mme Lila Boukhatem — Maîtresse de Conférences, Université Paris-Saclay, France• Mme Nancy Parrot — Orange Innovation• M. Francesco De Pellegrini — Professeur, Avignon Université, France Encadrants• M. Rachid El-Azouzi — Professeur, Avignon Université, France• M. Mohammed Sadik — Professeur, ENSEM UH2C, Maroc• M. Essaid Sabir — Professeur, TÉLUQ/UQAM, Canada Résumé de thèse: Titre: L’Allocation des Ressources de la 5G dans les Smart Cities  Résumé:  L’évolution rapide des réseaux de communication de cinquième génération (5G) et des générations suivantes transforme profondément la manière dont les services numériques sont fournis, consommés et gérés. Ces réseaux de nouvelle génération doivent prendre en charge un large éventail d’applications, allant des services à très faible latence tels que la conduite autonome, l’automatisation industrielle ou la réalité augmentée, jusqu’aux services intensifs en données s’appuyant sur le cloud computing. Cette diversité impose des exigences croissantes en matière de qualité de service (QoS), de passage à l’échelle et d’équité dans l’accès aux Plus d'infos

Titre : Robustesse des modèles neuronaux pour le traitement automatique de la parole Résumé : La reconnaissance automatique de la parole est devenue un outil populaire avec de nombreuses applications ; elle sert également comme étape intermédiaire pour d’autres tâches liées à la parole, telles que la compréhension du langage parlé ou la synthèse vocale. En reconnaissance automatique de la parole, le signal vocal est d’abord émis par le locuteur, transmis à travers l’environnement, avant d’être capturé par un dispositif d’enregistrement et traité par un modèle d’apprentissage automatique. Cependant, chacune de ces étapes peut être source de variabilité et entraîner des erreurs de transcription, ce qui affecte la robustesse du système. Dans cette thèse, nous étudions divers facteurs influençant le traitement de la parole par les machines. Plus précisément, nous nous concentrons sur les modèles pré-entraînés en français et affinés pour la reconnaissance vocale. Nous commençons par présenter nos travaux sur la robustesse aux accents. À travers de nombreuses expériences, nous évaluons la résilience du modèle aux variations d’accents et explorons différentes façons de combler les écarts entre ces derniers. Nous examinons en particulier l’impact des proportions de voix accentuées dans l’ensemble d’apprentissage. En outre, nous présentons CEREALES, un nouvel Plus d'infos