Aller au contenu

Hiver 2021

Présentations

Voici les présentations réalisées à l'hiver 2021 : 

Joindre l'intelligence artificielle et la réalité augmentée lors de la conception d'une solution d'assistance ambiante

12 février 2021

Présentateur

  • Corentin Haidon, étudiant au doctorat en informatique (laboratoire DOMUS)

Les environnements intelligents (EI) ouvrent une nouvelle voie pour favoriser le maintien à domicile des personnes avec des troubles cognitifs. En effet, il est maintenant possible de suivre les activités d’un résident dans sa maison et de lui fournir des indices environnementaux (sonores ou visuels) afin de l’assister dans ses activités de la vie quotidienne (AVQ).

Toutefois, pour rendre ces environnements plus accessibles, il convient d’offrir aux aidants naturels les moyens de les concevoir pour répondre de façon personnalisée aux besoins et capacités des résidents, ainsi que de s’adapter aux particularités du logement. Notre objectif est de proposer un assistant intelligent accompagnant la conception d’un EI.

Pour ce faire, nous nous appuyons sur la réalité augmentée et l’intelligence artificielle. La RA facilite la fusion du monde réel du résident et celui virtuel de ses données. Les interactions naturelles que cette technologie offre permettent également de mieux s’orienter dans l’environnement virtuel calqué sur l’environnement réel. L’IA permet à la fois de transférer l’expertise du domaine au système, grâce à une base de connaissances comme les ontologies, mais aussi de restituer cette expertise dans les interactions et par des conseils. En choisissant une à une les actions réalisables dans l’environnement, le concepteur construit les scénarios des AVQ du résident. Ces actions sont déterminées par le savoir ontologique, une action est en effet associée à un type d’objet ou un type de salle et à des capteurs et effecteurs. À chaque interaction, le système fournit des propositions pour compléter les AVQ à partir du savoir qu’il a acquis.

Recent advances in motion capture with deep learning

5 février 2021

Présentateur

  • Jose-Alberto Canedo, spécialiste en apprentissage automatique en chef, Eidos-Montréal 

In video game production, motion capture is the recording of movements of actors and the use of these records to animate digital characters. Movements are captured several times per second and normally involves dozens of cameras that are responsible for tracking markers on a special suit that the actors wear.  For the past year, Eidos Montreal and Eidos Sherbrooke have been working on a single-camera markerless motion capture project using recent advances in machine learning. This type of motion capture is complementary to the motion capture room and could be used in fast prototyping and to create placeholder animations. In this presentation we give an overview of the project and the technology behind it.


Massive Parallelization of branching algorithms

29 janvier 2021

Présentateur

  • Andres Pastrana, étudiant à la maîtrise en informatique (laboratoire GRIF)

Résumé de la présentation Optimization and search problems are often NP-complete, and brute-force techniques must typically be implemented to find exact solutions. Problems such as clustering genes in bioinformatics or finding optimal routes in delivery networks can be solved in exponential-time using recursive branching strategies.  Nevertheless, these algorithms become impractical to solve above certain instance sizes due to the large number of scenarios that need to be explored. Thus, our challenge is to build a fully generic library in C++ to speed up recursive search algorithms with parallelism, which is a non-trivial task. In order to improve previous attempts to parallelize such branching algorithms, we developed a novel load balancing strategy that will guarantee to maintain the nearest to 100% utilization of all computer processors whether a single machine is used or a supercomputer regardless of the cluster’s topology.


Prédictions des G-quadruplexes dans les différents domaines du vivant

22 janvier 2021

Présentatrice

  • Anaïs Vannutelli, étudiante au doctorat en biochimie (laboratoire COBIUS)

Chaque organisme possède un matériel génétique qui contient toutes les informations nécessaires à sa survie. Ce matériel génétique est une molécule nommée ADN, qui par l'intermédiaire de l'ARN peut produire des protéines. Dans ces molécules d'ADN et d'ARN, des structures peuvent se former, l'une d'entre elles se nomme G-quadruplexe (G4). La formation des G4 peut raccourcir certains ARN, ou alors augmenter/diminuer la production des protéines. Comme leurs fonctions sont diverses et dépendent de la molécule dans laquelle ils se trouvent et de leur localisation dans cette molécule, il est difficile d'évaluer l'ensemble de leurs fonctions. Pour étudier les fonctions et la quantité des G4 dans les génomes, ces G4 ont été prédits dans tous les domaines du vivant (des animaux aux bactéries) pour étudier leur conservation et leur évolution. Dans ce séminaire, nous présenterons les questions bioinformatiques qui se posent dans le cadre de l'étude des G4, ainsi que les méthodes que nous avons développées pour répondre à ces questions.


Présentations antérieures