Contact
Quiniou René, rene.quiniou@inria.fr
Mots-clés
fouille de données, séries temporelles, motifs temporels
Contexte
Dans un nombre grandissant de domaines scientifiques, des capteurs, parfois en grand nombre, sont déployés pour instrumenter des systèmes, des animaux, des patients humains et ainsi étudier l’évolution de leur état dans le temps et/ou dans l’espace. Les séries temporelles ainsi enregistrées sont ensuite analysées pour élaborer ou confirmer des théories scientifiques expliquant le comportement ou l’état de santé des entités surveillées. Pour les scientifiques, la difficulté d’analyse grandit avec la masse des données ainsi stockées rendant nécessaire l’utilisation d’outils pouvant les aider à faire émerger des caractéristiques intéressantes des données, par exemple des régularités ou des divergences remarquables.
Lorsque plusieurs capteurs enregistrent divers aspects du même phénomène, les mesures sont, en général, corrélées. La mise en évidence automatique de ces corrélations à partir de grande bases de données de séries temporelles multivariées est tout spécialement attendue par les scientifiques. En particulier, la dimension temporelle permet d’expliciter des causalités entre phénomènes observés sur différentes sources, comme « la hausse de telle grandeur provoque la diminution de telle autre avec un délai de trois à cinq jours ».
Objectif
Ce stage concerne l’extraction et l’utilisation de motifs temporels fréquents de données provenant de capteurs multiples. Cet objectif introduit des questions difficiles comme : quelles représentations associer aux séries temporelles (symbolique, numérique, mixte) ; quelles relations (temporelles) expliciter entre les différentes sources ; comment modéliser ces relations et raisonner à partir de ce modèle ; quelle(s) granularité(s) temporelle utiliser?
Travail à effectuer
- analyser les propositions de représentation symbolique ou numérique multi-source pour des séries temporelles,analyser des méthodes d’apprentissage ou de fouille de motifs temporels multi-source
- proposer des algorithmes d’extraction de motifs temporels à partir de plusieurs séries temporelles simultanément
- développer un prototype de l’approche proposée et un détecteur utilisant les motifs temporels
- évaluer la proposition sur des données artificielles, ainsi que sur un jeu de données réelles provenant soit de capteurs embarqués sur des taurillons à l’engraissement, soit de nouveaux capteurs élaborés pour étudier les états du sommeil chez des patients souffrants de troubles du sommeil. Les résultats seront discutés avec des experts du domaine (vétérinaires, neurologues).
