Description de l'offre
Le circuit mentionné est issu d’un travail de thèse dont le rapport est disponible ici:
Intelligent RF System for Ultra Low Power Spectrum Sensing with Machine Learning
Le chapitre 2 motive sa conception, et les chapitres 3 et 5 sont directement d’intérêt pour le stage. Actuellement, les paramètres du circuit sont fixés par expertise humaine et l’algorithme est choisi a posteriori par optimisation sur des données (chapitre 5). Ce processus doit être répété pour chaque nouvelle tâche sur lequel le circuit peut être utilisé.
L’objectif est de construire un algorithme d’apprentissage qui optimise conjointement les paramètres du circuit avec le modèle mathématique devant réaliser la tâche (détection, classification, etc…) pour espérer obtenir une solution plus optimale (meilleurs performances à complexité égale ou inversement). Cet apprentissage plus générique devrait également faciliter la réutilisation du circuit pour d’autres applications.
Nous disposons d’une base de données relativement importante de signaux RF pour différents cas d’usage (WiFi, Bluetooth, drones, etc) et d’un simulateur relativement simple du circuit écrit en python pour une prise en main rapide de celui-ci.
Il n’existe pas a priori de solution clairement identifiée pour ce problème dans la littérature. Une solution simple qui servira de point de comparaison sera dans un premier temps de sélectionner des échantillons de valeurs de paramètres dans leur ensemble selon un plan d’experience puis d’entrainer le modèle d’apprentissage pour chaque échantillon afin de déterminer le plus performant. Pour la suite, une piste envisagée serait de réaliser un apprentissage par renforcement permettant une selection automatique des meilleurs paramètres du circuit ainsi que des coefficients du modèle d’apprentissage.
Des bons résultats pourront être valorisés par une publication scientifique.
Moyens / Méthodes / Logiciels
base de données de signaux RF, simulateur circuit, python
Profil du candidat
Etudiant.e en dernière année d’école d’ingénieur/master avec une spécialisation en apprentissage machine, optimisation et traitement du signal; des connaissances en radio-fréquences et/ou apprentissage par renforcement sont des atouts.
Le(la) candidat(e) devra faire preuve de curiosité, d’autonomie et de persévérance dans son travail car ce sujet est une question de recherche innovante qui n’est a priori pas clairement adressée dans la littérature.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.