Grant: Discovery Grants Program - Individual
Université du Québec à Chicoutimi
$20,000.00
Intelligence ambiante et domotique pour le maintien à domicile: une nouvelle approche non supervisée de forage de données spatiotemporelles
FY 2017-18
Summary
Depuis quelques annes, la discipline de lintelligence ambiante connait un essor grandissant en informatique et en gnie. Celle-ci se dfinit comme une combinaison entre la domotique, soit la distribution dissimule de capteurs et deffecteurs dans un habitat, et lintelligence artificielle, le programme analysant les donnes. De nombreuses applications peuvent dcoules de lintelligence ambiante, notamment plusieurs lies au problme du vieillissement de la population. En effet, elle savre tre une solution prometteuse pour le maintien domicile des populations profil griatrique, tout en maximisant leur qualit de vie. Dans ce contexte, lun des principaux dfis se compose par llaboration des algorithmes capables de reconnatre les activits de la vie quotidienne (AVQ) dun rsident. La reconnaissance dactivits consiste recueillir les donnes en provenance de ces capteurs, les interprter sous forme de modles abstraits simples et de les associer un modle dAVQ prexistant dans une base de connaissances. Deux approches nous permettent de nous attaquer au problme de la reconnaissance dactivits. Le principal inconvnient de la premire, soit lapproche symbolique, est quelle dfinit les AVQ en langage formel et ncessite la construction fastidieuse dune base de connaissances exhaustive. En revanche, lapproche du forage, telle que nous lutilisons, construit automatiquement celle-ci. Le forage de donnes peut se dfinir comme le processus non trivial dextraction dinformations implicites, nouvelles, et potentiellement utiles, partir de grands volumes de donnes. Le prsent programme sorganisera donc autour de deux volets de recherche. Le premier volet visera amliorer en amont le forage de donnes par lexploration de caractristiques spatiotemporelles. Le principal dfi scientifique est de parvenir exploiter celles-ci tout en conservant la gnralit des solutions. Lavantage qui en rsulte sera de parvenir dfinir les AVQ avec une granularit plus fine et dainsi amliorer la prcision de la reconnaissance. Le second volet traitera dune problmatique en aval du forage : la drive conceptuelle. Ce problme apparait lorsque les proprits statistiques des variables, que les modles essaient de prdire, voluent au fil du temps. Afin dviter que ceux-ci drivent trop des modles appris, nous explorerons les techniques de forage prdictif et de forage incrmental de donnes. En plus des avantages socioconomiques noncs en introduction, le financement de ces travaux de recherche permettra la cration de proprit intellectuelle et de nouvelles connaissances scientifiques dans un domaine en plein essor. Ainsi, le transfert technologique permettra aux entreprises canadiennes dinnover et de se dmarquer face lconomie comptitive des technologies de linformation et des communications.
Program
Discovery Grants Program - Individual
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
RGPIN-2017-05126
Name nom
Bouchard, Kévin
Department département
Informatique-mathématique - Informatique-mathématique
Organization id
52
Institution établissement
Université du Québec à Chicoutimi
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2017
Competition year année de concours
2017
Award amount
20000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
Discovery grants programs
Group fr
Programmes de subventions à la découverte
Committee code
1507
Committee name en
Computer Science
Committee name fr
Sciences informatiques
Area of application code
802
Area of application group en
Information and communication services
Area of application group fr
Services d'information et de télécommunications
Area of application en
Information systems and technology
Area of application fr
Systèmes d'information et technologie de l'information
Research subject code
2713
Research subject group en
Information technology
Research subject group fr
Technologie de l'information
Research subject en
Algorithms
Research subject fr
Algorithmes
Partie
1
Nb partie
5
Application title
Intelligence ambiante et domotique pour le maintien à domicile: une nouvelle approche non supervisée de forage de données spatiotemporelles
Keyword
NSERC
Application summary
Depuis quelques annes, la discipline de lintelligence ambiante connait un essor grandissant en informatique et en gnie. Celle-ci se dfinit comme une combinaison entre la domotique, soit la distribution dissimule de capteurs et deffecteurs dans un habitat, et lintelligence artificielle, le programme analysant les donnes. De nombreuses applications peuvent dcoules de lintelligence ambiante, notamment plusieurs lies au problme du vieillissement de la population. En effet, elle savre tre une solution prometteuse pour le maintien domicile des populations profil griatrique, tout en maximisant leur qualit de vie. Dans ce contexte, lun des principaux dfis se compose par llaboration des algorithmes capables de reconnatre les activits de la vie quotidienne (AVQ) dun rsident. La reconnaissance dactivits consiste recueillir les donnes en provenance de ces capteurs, les interprter sous forme de modles abstraits simples et de les associer un modle dAVQ prexistant dans une base de connaissances. Deux approches nous permettent de nous attaquer au problme de la reconnaissance dactivits. Le principal inconvnient de la premire, soit lapproche symbolique, est quelle dfinit les AVQ en langage formel et ncessite la construction fastidieuse dune base de connaissances exhaustive. En revanche, lapproche du forage, telle que nous lutilisons, construit automatiquement celle-ci. Le forage de donnes peut se dfinir comme le processus non trivial dextraction dinformations implicites, nouvelles, et potentiellement utiles, partir de grands volumes de donnes. Le prsent programme sorganisera donc autour de deux volets de recherche. Le premier volet visera amliorer en amont le forage de donnes par lexploration de caractristiques spatiotemporelles. Le principal dfi scientifique est de parvenir exploiter celles-ci tout en conservant la gnralit des solutions. Lavantage qui en rsulte sera de parvenir dfinir les AVQ avec une granularit plus fine et dainsi amliorer la prcision de la reconnaissance. Le second volet traitera dune problmatique en aval du forage : la drive conceptuelle. Ce problme apparait lorsque les proprits statistiques des variables, que les modles essaient de prdire, voluent au fil du temps. Afin dviter que ceux-ci drivent trop des modles appris, nous explorerons les techniques de forage prdictif et de forage incrmental de donnes. En plus des avantages socioconomiques noncs en introduction, le financement de ces travaux de recherche permettra la cration de proprit intellectuelle et de nouvelles connaissances scientifiques dans un domaine en plein essor. Ainsi, le transfert technologique permettra aux entreprises canadiennes dinnover et de se dmarquer face lconomie comptitive des technologies de linformation et des communications.