Notre actualité
Conférences des 18 et 25 novembre 2021
Frédéric Garem (ergonome consultant, Addhoc Conseil, Paris)
Ergonomie et handicap
(De 17h00 à 19h30 à l’Université Paris 8, salle C224)
Une conférence en 2 parties!
Consultant en ergonomie et santé au travail depuis plus de 20 ans, FG intervient dans de multiples projets d’interventions et d’expertises centrées sur la prévention des risques professionnels et l’amélioration des conditions de travail. Il co-dirige le cabinet Addhoc Conseil depuis 2012, date de sa création. Ses débuts dans sa carrière l’ont particulièrement amené à travailler dans le champ du handicap et de l’insertion/maintien en emploi de travailleurs handicapés. Enfin, il participe à plusieurs actions de formation-sensibilisation en universités et écoles d’ingénieur.
Conférence du 2 décembre 2021
Sylvain Chevallier (UVSQ – LISV – Interactive Robotic team)
L’apprentissage par transfert pour les interfaces cerveau-machine : les enjeux de la spécificité individuelle et de sa caractérisation
(De 17h00 à 19h30 à l’Université Paris 8, salle C224)
Programme du Cycle de conférences
Résumé :
Un type d’approche ancrée dans la géométrie a permis une avancée importante pour améliorer la robustesse des interfaces cérébrales et la précision de la discrimination des états cérébraux. Ces résultats permettent d’envisager des solutions pour l’une des principales barrières à l’adoption plus large des interfaces cerveau-machine : la réduction ou la suppression de la phase de calibration. Alors qu’il est théoriquement possible d’apprendre des représentations invariantes, la réalité est bien plus complexe. Le principal obstacle est le manque de données annotées pour apprendre des modèles réellement généralisable à toutes les personnes. Des efforts importants sont fait dans la communauté scientifique pour mettre en place des standards pour l’accès aux données et pour les traitements algorithmiques, pourtant les données sont difficiles à obtenir et les algorithmes difficilement comparables. Lors de mon exposé, je présenterai comment des outils issus de la géométrie différentielle et du machine learning permettent d’obtenir des résultats prometteurs pour construire des espaces de représentation robuste et indépendante des sujets.
Vos outils
