BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.2.3.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:1203@cran.univ-lorraine.fr DTSTART;TZID=Europe/Paris:20260414T113000 DTEND;TZID=Europe/Paris:20260414T140000 DTSTAMP:20260410T093209Z URL:https://www.cran.univ-lorraine.fr/events/soutenance-de-these-ayoub-far kane/ SUMMARY:Soutenance de thèse Ayoub Farkane DESCRIPTION:Titre : Deep Learning for Solving PDEs: Applications to Softwar e Sensors\nComposition du jury :\n\n\n Mohamed Boutayeb – Professeur\, Université de Lorraine\, CRAN\, France &\; Université Internationale de Rabat\, TICLab\, Maroc – Directeur de thèse\n Mustapha Oudani – P rofesseur associé\, TICLab\, Université Internationale de Rabat\, Maroc – Co-directeur de thèse\n Mounir Ghogho – Professeur\, College of Co mputing\, Université Mohammed VI Polytechnique\, Rabat\, Maroc – Co-dir ecteur de thèse\n Mohammed Ziani – Professeur\, Université Mohammed V de Rabat (UM5R)\, Faculté des Sciences\, Département de Mathématiques\ , Rabat\, Maroc – Rapporteur\n Denis Efimov – Directeur de recherche\ , Inria (Centre Inria de l'Université de Lille)\, équipe Valse\, Villene uve-d'Ascq\, France – Rapporteur\n Fatima-Zahrae El Alaoui – Professe ure\, Université Moulay Ismail de Meknès (UMI)\, Faculté des Sciences\, Département de Mathématiques\, Meknès\, Maroc – Examinatrice\n Fré déric Kratz – Professeur des Universités\, Laboratoire PRISME EA 4229\ , Université d'Orléans\, INSA Centre Val de Loire\, Inria Centre de Sacl ay\, France – Examinateur\n Latifa Boutat-Baddas – Maîtresse de conf érences\, Université de Lorraine\, CRAN\, IUT Longwy\, France – Examin atrice\n Nadir Maaroufi – Professeur associé\, Université Internation ale de Rabat (UIR)\, TICLab\, Rabat\, Maroc – Professeur invité\n\nRés umé :\nCette thèse étudie les méthodes d'apprentissage profond pour la résolution des équations aux dérivées partielles (EDP) et la construc tion de capteurs logiciels dans les systèmes dynamiques non linéaires. P remièrement\, nous améliorons les réseaux de neurones informés par la physique (PINNs) pour les équations de Navier-Stokes incompressibles en 2 D et 3D\, en proposant des stratégies d'entraînement et des variantes ar chitecturales qui améliorent l'efficacité des données\, la stabilité e t la précision. Nous analysons leur convergence\, étudions la pondérati on des pertes et la décomposition de domaine\, et démontrons une réduct ion de l'erreur de prédiction sur les champs de vitesse et de pression po ur différentes tailles de jeux de données et capacités de modèles. Deu xièmement\, nous introduisons APINN-Obs\, un observateur adaptatif basé sur les PINNs pour les équations différentielles ordinaires non linéair es. La méthode estime les états non mesurés directement à partir de me sures limitées en intégrant la physique du système dans la fonction de perte\, et nous fournissons des garanties théoriques ainsi que des étude s d'ablation sur la profondeur\, l'activation et les poids de perte. Trois ièmement\, nous concevons des capteurs logiciels robustes qui couplent le s réseaux de neurones avec la commande par mode glissant adaptatif (SMC) pour améliorer la résilience aux incertitudes de modèle et au bruit de mesure. Des expériences approfondies — couvrant les oscillateurs harmon iques\, les attracteurs de Rössler\, les entraînements de moteurs à ind uction\, la dynamique d'attitude des corps rigides et un processus à troi s réservoirs — montrent que les modèles proposés fournissent une reco nstruction d'état précise et une convergence d'erreur favorable\, même avec des initialisations perturbées et des données bruitées. Collective ment\, ces contributions positionnent les approches basées sur les PINNs et les architectures hybrides d'apprentissage-commande comme des outils pr atiques et théoriquement fondés pour la résolution des EDP et l'estimat ion d'état dans des systèmes complexes du monde réel.\n \;\n\nl'Amp hithéâtre 4\, Bâtiment 2\, Université Internationale de Rabat (UIR)\, Rabat\, Maroc. Un lien visio sera ouvert sur Teams : ayoub FARKANE vous a invité à une réunion Microsoft Teams : Soutenance de thèse - Ayoub F arkane mardi 14 avril 2026 10:30 - 14:30 (MRC) CATEGORIES:Soutenances thèses et HDR END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:DAYLIGHT DTSTART:20260329T030000 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST END:DAYLIGHT END:VTIMEZONE END:VCALENDAR