UCA

         

CREMANT
 bandeau

Laboratoire
Présentation
Actualités

Recherche
MCSOC
CMA
ISA

Coopérations
Projets/Contrats
UCN@Sophia
MIGA

Equipements
Ressources matérielles et logicielles

Production scientifique
Publications
Congrès
Sites d'information

Offres - Recrutement
Stages Master
Thèses
Post-Doctorats, CDD

Postes (IGR, EC, etc.)


Contacts
Annuaire LEAT
Annuaire UNS
Plan d'accès


JS'17
Journées Scientifiques URSI
1-3 février 2017
Campus SophiaTech



UCN Sophia
meddays
MT180
Fête de la Science
IESF
Sujets de thèse de doctorat


Distribution of Artificial Neural Networks on Wireless Sensors for Energy-efficient Smart Cities

Encadrants :
François VERDIER (LEAT francois.verdier@unice.fr)
Benoît MIRAMOND (Benoit.Miramond@unice.fr)

The reduction of power consumption in the context of WSN and IoT (Internet of Things) becomes an important issue considering the prediction of the number of sensors to be deployed in the next years. According to the Markets and Markets institute it is estimated that, for the single example of Smart Cities, this number will reach 148 billion of dollars in 2020. The growth of connected objects is associated to different issues: the problem of energy consumption from the device to the data center and the communication infrastructure, the problem of the increase of the bandwidth and the Big data problem induced by the amount of data produced by this connected reality.
Several wireless technologies are already ready to tackle the global deployment of thousands of sensors on a territory, but these technologies are mostly designed for a local optimization of the power consumption, not for a global awareness of the entire network. The interconnection network is also a great challenge in WSN, from the mesh networks of devices (BLE, Zigbee, WirelessHart…) to some star or tree networks (LoRa, Sigfox), and the routing of device data is still completely
open.
On another hand, biological brain shows unmatched capacities for the fusion and the processing of complex and heterogeneous (multimodal) data. And several computational models have been proposed following this biological inspiration, but these models have been essentially applied to the domain of mobile robotics.
This subject aims at studying the transposition of computational models of such Artificial Neural Networks (ANN) in the domain of Wireless Sensor Networks (WSN) for the joined fusion of data coming from multiple sensors and the minimization of the global power consumption.
This project will then deal with machine learning methods deployed in the context of WSN and Iot for Smart Cities in order to take advantage of the correlation in the data coming from the environment (through the sensors) i) to reduce the global consumption of the network and ii) to self-organize the network according to the variations of this environment. The self-organization of the network is obviously very dependent of the protocol supported by the devices. The project will specifically focus on ANN models derived from the Self-Organizing Maps (SOM) and adapted to an execution in an embedded context. The preliminary neural model that has been developed at LEAT Lab since March 2016 will serve as a starting point to study during the doctoral project the optimization, the deployment and the validation of machine learning algorithms in the context of Smart Cities. This work will be organized in collaboration with the IMREDD Institute of Université Nice Sophia
Antipolis, which will provide the data coming from several thousands of sensors deployed in the Nice city.

Plus d'infos


Antennes-Capteurs miniatures complexes réalisées en impression 3D

Encadrants :
Jean-Marc RIBERO (LEAT jmribero@unice.fr)
Robert STARAJ (LEAT robert.staraj@unice.fr)


Le domaine des communications connaît une révolution sans précèdent avec l’arrivée de l’Internet des objets qui donne lieu à une nécessité croissante en systèmes de communication, (antennes, circuits, traitements, etc.), avec des exigences de plus en plus fortes notamment :
- La miniaturisation importante des antennes dans les fréquences UHF,
- La connectivité à ajouter à l’objet sans affecter sa fonction première
- Des performances élevées de l’élément rayonnant, malgré des scénarios multiples d’utilisation, et si possible indépendantes de l’environnement.
De plus, la tendance est aux objets communicants souples/flexibles (téléphone, batterie...), tendance qui permet à la fois de s’adapter aux différents supports (vêtements connectés, collier, bracelet,..) mais aussi d’améliorer la robustesse. Une des solutions à cela est le développement d’antennes basées sur l’impression 3D ou fabrication additive, qui devient progressivement une alternative
de fabrication largement utilisée dans l’industrie moderne. Cette technologie peut être utilisée pour fabriquer des composants dont les géométries 3D sont complexes, tout en conservant de bonnes performances, ce qui explique leur succès actuel dans le domaine RF...

Plus d'infos


Design of miniature optimal antennas for IoT applications
Advisors :
Fabien FERRERO (LEAT fabien.ferrero@unice.fr),
Leonardo LIZZI (LEAT leonardo.lizzi@unice.fr)
and Lars JONSSON (KTH Stockolm ljonsson@kth.se)

DEADLINE FOR APPLICATION: 22th May 2017

Motivation
The word “IoT” identifies everything that is connected to the internet and that goes beyond classical computers or mobile phones.
A report by Cisco [EVA11] has recently indicated that over 50 billion objects will be connected to the internet by 2020.
Such an unprecedented growth is creating new opportunities for industries, businesses and people, but also many challenges for antenna designers.
IoT is expected to change how we interact with each other and with industrial processes, the latter is expected to have a large impact on industries, which have giving raise to the notation of Industry 4.0, that is the fourth industrial revolution.
...
Work description
Over the last decade, several theories have been developed for optimal bandwidth performance of antennas based on sum-rules and stored energies [GUS07-JON15].
This opens the possibility to develop methods and bounds for antenna performance that are optimal with respect to IoT applications with requirements on size, bandwidth, efficiency and directivity.

Plus d'infos



Projet de recherche doctorale – ED STIC 2017

Exploration of brain-inspired computing with self-organizing neuromorphic architectures

Résumé en français / english abstract

Encadrants :
Benoît MIRAMOND (Benoit.Miramond@unice.fr)

L'électronique neuromorphique devient un sujet de recherche et d'innovation de plus en plus important au niveau européen et international. Le rapport de l'OMNT (CEA / CNRS) [OMNT2017] identifie ce sujet de recherche comme stratégique à l’horizon 2025 et montre sa dissémination massive et continue dans de nombreux domaines d'application.
En effet, le pouvoir des réseaux neuronaux artificiels se confirme par les résultats spectaculaires obtenus par les réseaux profonds sur de nombreuses bases de données de natures différentes. Mais ces résultats sont aussi l’occasion de prendre conscience du coût calculatoire et énergétique de ces nouveaux algorithmes. Ils montrent l'importance d'étudier de manière fortement couplée les modèles neuronaux bio-inspirés et leur implantation matérielle à travers des architectures neuromorphiques dédiées. Tel qu'identifié par le Groupe De Recherche (GDR) BioComp (http://gdr-biocomp.fr/), les prochains défis de ces architectures concerneront sur le plan technologique les mémoires résistives, mieux adaptées à la mise en oeuvre des fonctions synaptiques utilisant notamment des règles d'apprentissage non supervisées (STDP), et sur le plan architectural, la transition vers de grands réseaux modélisant la dynamique de populations de neurones ainsi que leurs propriétés d’auto-organisation.
Plus d'infos


Simulation globale d'objets connectés sur corps humain par la méthode TLM


Encadrants :
Marylène CUEILLE (Marylene.Cueille@unice.fr)
Jean-Lou DUBARD (Jean-Lou.Dubard@unice.fr)

Les réseaux WBAN (Wireless Body Area Networks) sont des réseaux de capteurs sans fil interconnectés disposés sur et/ou dans le corps humain. En raison de l’essor de ces nouvelles technologies notamment dans le domaine médical, l’e-santé va avoir un développement exponentiel dans la décennie à venir. La conception de ces systèmes de plus en plus complexes fait de la simulation numérique un outil nécessaire.
Les études sur les systèmes utilisant les ondes électromagnétiques amènent à se poser un certain nombre de questions autour de l’interaction ondes/vivant, nous obligeant à considérer des modèles fortement hétérogènes tel que le corps humain. Il devient donc nécessaire d’évaluer les effets de l’environnement sur les antennes en amont de leur conception afin d’optimiser la transmission entre les divers objets connectés. Dans le cas des applications des réseaux corporels (WBAN), l’effet de la proximité du corps humain sur les antennes se traduit par une altération de leurs performances. Toutes les antennes n’ont pas le même comportement vis-à-vis des nombreux scénarios d’interaction antenne/corps humain. Il faut alors en tenir compte dès la conception de l’antenne.
Le Laboratoire d'Electronique, Antennes et Télécommunications (LEAT) possède une grande expertise sur la conception et la modélisation d’antenne. Son expertise sur la méthode TLM (Transmission Line Matrix method) a permis d’aboutir à la mise au point d’un logiciel performant implanté sur calculateurs parallèles et permettant la simulation multi-physique et multi-échelle d’antennes complexes...
Plus d'infos


SafeCluster soc sip BioComp
© LEAT Université Nice Sophia Antipolis - CNRS / Mentions légales et Crédits / WebMaster