Skip to content
Branch: master
Find file History
Fetching latest commit…
Cannot retrieve the latest commit at this time.
Permalink
Type Name Latest commit message Commit time
..
Failed to load latest commit information.
.gitignore
Makefile
Plot repartition of static devices.ipynb
README.md
Venn_Diagram_ML_RL_MAB.drawio
alt2018.tex
crowncom2017.tex
figures
mermaid_diagram.md
slides.pdfpc
slides.tex
symbolsdef.tex

README.md

Ma soutenance de thèse - Lilian Besson

🎉🎉🎉 J'ai le plaisir de vous inviter à ma soutenance de thèse ! 🎉🎉🎉

  • 🇫🇷 « Algorithmes de Bandits Multi-Joueurs pour les Réseaux de l'Internet des Objets »
  • 🇬🇧 « Multi-players Bandit Algorithms for Internet of Things Networks »

🗓 Date : mercredi 20 novembre 2019, à 10h30

Et revenez à 15h30 au premier étage de la cantine Sodéxo de CentraleSupélec pour un pot amical et chaleureux (et zéro déchet, végétarien et cuisiné maison !). Le pot durera de 15h30 à 17h30, avec un retour groupé pour la famille et les amis en bus à 18h.

🌍 Lieu : CentraleSupélec (campus de Rennes).

  • Comment venir à Rennes, et sur le campus ?
  • Salle UBL, dans la bibliothèque (bâtiment à droite en arrivant depuis le parking et le bus).
  • En particulier, comment venir en bus depuis la gare de Rennes : comptez au minimum 45 minutes ! Depuis la gare, il faut marcher jusqu'à l'arrêt Musée des Beaux-Arts, par l'avenue Jean Janvier, et ensuite prendre
    • le bus C4, direction ZA Saint-Sulpice, et descendre à l'arrêt Clos Courtel, puis marcher 5 minutes plein est (suivre le métro). Il faut rentrer dans la résidence étudiante, en face de l'arrêt de bus Belle Fontaine, traverser la résidence (2 minutes) et le parking. La salle UBL est à droite une fois devant le bâtiment principal. Bus_ligneC4.png
    • Le bus 64 convient aussi, direction Acigné, et l'arrêt est Belle Fontaine. Bus_ligne64.png

Avec qui ?

Directeur et encadrante de thèse

Rapporteur et rapporteuse

Jury

Remarques

Pour les ami-e-s et la famille

  • Je peux vous héberger, le mardi 19 novembre au soir et/ou le mercredi 20 au soir, contactez moi !
  • Venez dîner avec nous le mardi soir et le mercredi soir !

Pour les collègues

  • Pour les docteur-e-s, vous pouvez préparer des questions, et les poser après la soutenance et après les questions du jury (et avant que le jury parte déjeuner, soyez rapides !).
  • Pour les non docteur-e-s, vous pouvez préparer des questions, et ne pas les poser pendant la soutenance (mais par email n'hésitez pas !).

Cadeau ?

  • SVP Rien de matériel, rien d'inutile, rien de polluant ! Merci d'avance !

Liens


À propos

🇫🇷 En français

Titre : Algorithmes de Bandits Multi-Joueurs pour les Réseaux de l'Internet des Objets.

Résumé

Dans cette thèse de doctorat, nous étudions les réseaux sans fil et les appareils reconfigurables qui peuvent accéder à des réseaux de type radio intelligente, dans des bandes non licenciées et sans supervision centrale. Nous considérons des réseaux actuels ou futurs de l'Internet des Objets (IoT), avec l'objectif d'augmenter la durée de vie de la batterie des appareils, en les équipant d'algorithmes d'apprentissage machine peu coûteux mais efficaces, qui leur permettent d'améliorer automatiquement l'efficacité de leurs communications sans fil. Nous proposons deux modèles de réseaux IoT, et nous montrons empiriquement, par des simulations numériques et une validation expérimentale réaliste, le gain que peuvent apporter nos méthodes, qui se reposent sur l'apprentissage par renforcement. Les différents problèmes d'accès au réseau sont modélisés avec des Bandits Multi-Bras (MAB), mais leur analyse est difficile à réaliser, car il est délicat de prouver la convergence d'un grand nombre d'appareils jouant à un jeu collaboratif sans communication ni aucune coordination, lorsque les appareils suivent tous un modèle d'activation aléatoire. Le reste de ce manuscrit étudie donc deux modèles restreints, d'abord des bandits multi-joueurs dans des problèmes stationnaires, puis des bandits mono-joueur non stationnaires. Nous détaillons également une autre contribution, la bibliothèque Python open-source SMPyBandits, qui permet des simulations numériques de problèmes MAB, qui couvre les modèles étudiés et d'autres.

Mot clés

Internet des Objets (IoT), Radio Intelligente, Théorie de l'apprentissage, Apprentissage séquentiel de l'atténuation des collisions, Apprentissage par renforcement, Bandits multi-bras (MAB), Apprentissage décentralisé, Bandits multi-bras multi-joueurs, Détection des points de changement, Bandits multi-bras non stationnaires.


🇬🇧 In English

Title : Multi-players Bandit Algorithms for Internet of Things Networks.

Summary

In this PhD thesis, we study wireless networks and reconfigurable end-devices that can access Cognitive Radio networks, in unlicensed bands and without central control. We focus on Internet of Things networks (IoT), with the objective of extending the devices' battery life, by equipping them with low-cost but efficient machine learning algorithms, in order to let them automatically improve the efficiency of their wireless communications. We propose different models of IoT networks, and we show empirically on both numerical simulations and real-world validation the possible gain of our methods, that use Reinforcement Learning. The different network access problems are modeled as Multi-Armed Bandits (MAB), but we found that analyzing the realistic models was intractable, because proving the convergence of many IoT devices playing a collaborative game, without communication nor coordination is hard, when they all follow random active pattern. The rest of this manuscript thus studies two restricted models, first multi-players bandits in stationary problems, then non-stationary single-player bandits. We also detail another contribution, SMPyBandits, our open-source Python library for numerical MAB simulations, that covers all the studied models and more.

Keywords

Internet of Things (IoT), Cognitive Radio, Learning Theory, Collision Mitigation Sequential Learning, Reinforcement Learning, Multi-Armed Bandits (MAB), Decentralized Learning, Multi-Player Multi-Armed Bandits, Change Point Detection, Non-Stationary Multi-Armed Bandits.


📜 License ? GitHub license

MIT Licensed (file LICENSE).

Cette page est inspirée de celle pour la soutenance de thèse de Jill-Jênn Vie (sources). © 2019 Lilian Besson.

Maintenance Ask Me Anything ! Analytics ForTheBadge uses-badges ForTheBadge uses-git forthebadge made-with-StrapDownjs ForTheBadge built-with-science ForTheBadge built-with-love

You can’t perform that action at this time.