|
|
 |
|
Lundi 7 Octobre
| Heure: |
12:15 - 14:00 |
| Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
| Résumé: |
Synthèse graphique multidimensionnelle : application aux documents hétérogènes |
| Description: |
Amal BELDI L'intégration des données implique l'organisation et la consolidation harmonieuses de divers formats et structures de données, garantissant leur compatibilité pour une analyse approfondie L'analyse basée sur les graphes exploite des techniques avancées de modélisation de graphes pour découvrir des connexions et des motifs complexes au sein des ensembles de données, offrant ainsi des aperçus précieux pour la prise de décision. Les techniques de résumé de graphes visent à condenser des graphes de données complexes tout en préservant les informations essentielles, facilitant ainsi un traitement et une visualisation plus efficaces des données pour une compréhension et une interprétation améliorées.
Nos objectifs sont les suivants :
- Aborder l'hétérogénéité des données : se concentrer sur la synthèse de types de données variés, en particulier numériques et textuelles, pour gérer efficacement la diversité des formats, des structures et des représentations des données.
- Personnaliser le résumé des données : cest adapter le processus de synthèse pour répondre aux besoins spécifiques des utilisateurs, en veillant à ce que la consolidation des données soit à la fois pertinente et centrée sur l'utilisateur.
- Mettre en uvre un résumé sémantique : Développer une approche de synthèse qui se concentre principalement sur un cadre normalisé pour décrire les ressources, en intégrant des éléments sémantiques pour améliorer l'interconnexion et la signification des données. |
Jeudi 10 Octobre
| Heure: |
10:30 - 11:00 |
| Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
| Résumé: |
Online policy selection for inventory problems |
| Description: |
Adeline Fermanian After a general presentation of the company Califrais and of research problems arising in food supply chain, we will focus on a recent work on online inventory problems. These are decision problems where at each time period the manager has to make a replenishment decision based on partial historical information in order to meet demands and minimize costs. To solve such problems, we build upon recent works in online learning and control, use insights from inventory theory and propose a new algorithm called GAPSI. This algorithm follows a new feature-enhanced base-stock policy and deals with the troublesome question of non-differentiability which occurs in inventory problems. Our method is illustrated in the context of a complex and novel inventory system involving multiple products, lost sales, perishability, warehouse-capacity constraints and lead times. Extensive numerical simulations are conducted to demonstrate the good performances of our algorithm on real-world data. |
|
|
