Achraf BENNIS - Admis au titre de docteur


bennis.achraf@outlook.fr

Doctorat Informatique et Télécommunications


Thèse soutenue le 14 janvier 2022 - Université de Toulouse

Ecole doctorale : EDMITT - Ecole Doctorale Mathématiques, Informatique et Télécommunications de Toulouse

Sujet : Réseaux Profonds pour l'Analyse de Survie et la Maintenance Prédictive

Mots-clés de la thèse : Apprentissage profond,Analyse de survie,Loi de Weibull,Maintenance prédictive,

Direction de thèse : Mathieu SERRURIER

Co-direction de thèse : Sandrine MOUYSSET

Co-encadrement de thèse : Sandrine MOUYSSET

Unité de recherche : IRIT : Institut de Recherche en Informatique de Toulouse UMR 5505 - Toulouse

Ingénieur - Ingénieur

obtenu en octobre 2018 - Toulouse INP
Option : Informatique et Mathématiques Appliquées

Production scientifique

- Achraf Bennis Sandrine Mouysset Mathieu Serrurier 2021. Deep Learning Approach for the Maximization of a Regression Output under Budget Constraints.   ICONIP 2021, La version finale n'est pas encore publiée.,
- Achraf Bennis, Sandrine Mouysset, Mathieu Serrurier 2021. DPWTE: A Deep Learning Approach to Time-to-Event Analysis using a Sparse Weibull Mixture Layer   , , https://hal.archives-ouvertes.fr/hal-03263989/document
- Achraf Bennis Sandrine Mouysset Mathieu Serrurier 2021. DPWTE: Une approche d'apprentissage profond pour l'analyse de survie à l'aide de la couche 'Sparse Weibull Mixture'.   International Conference on Artificial Neural Networks (ICANN) 2021 , La version finale n'est pas encore publiée.,
- Achraf Bennis Sandrine Mouysset Mathieu Serrurier 2020. Estimation de la distribution de Weibull à mélange conditionnel avec des données censurées à droite en utilisant les réseaux de neurones pour l'analyse de survie.   Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD) 2020, 687–698, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7206189/
- Achraf Bennis, Sandrine Mouysset, Mathieu Serrurier 2020. Estimation of conditional mixture Weibull distribution with right-censored data using neural network for time-to-event analysis   , , https://hal.archives-ouvertes.fr/hal-02483979/document
Dernière mise à jour le 8 février 2022