Séminaire du 21 mai 2024

Séminaire le mardi 21 mai 2024 à 14h amphi A21:

Au programme :

14h00 - Mohamad O. DIAB (Professeur de génie biomédical au département de génie électrique et informatique, College of Engineering, Rafik Hariri University. Il a obtenu son doctorat en 2007 à l'Université de Technologie de Compiègne (UTC) en France. Doyen des affaires étudiantes à l'Université Rafik Hariri (RHU) de 2014 à 2017, président du département de génie électrique et informatique de 2017 à 2021, Il est vice-président du chapitre libanais de la Société d'Ingénierie Médicale et Biologique de l'IEEE EMBS et membre senior de l'IEEE. Il est co-organisateur et président du comité technique de nombreuses conférences internationales de l'IEEE (principalement ICABME). Ses intérêts actuels portent sur le traitement du signal, l'IA, l'apprentissage automatique et leurs applications dans le domaine de la santé. Ses cours portent sur l'instrumentation biomédicale avancée, organes artificiels et dispositifs thérapeutiques avancés.

• From Data Analysis to Anomaly Detection: Case Study of Alzimer / Parkinson / Atherosclerosis

The aim of the presentation is to give the audience an overall picture of the traditional pipeline used in healthcare research for abnormality and disease detection. The presentation will discuss neurodegenerative diseases, particularly the detection of Alzimer's and Parkinson's diseases, in addition to an overview of the detection of atherosclerosis.

14h - Sofiane Ziani (Aactuellement ATER au département TC de l’IUT de Roanne et membre du LASPI. Sofiane a obtenu son Doctorat en Recherche Opérationnelle à l’Université de Bejaia,  où il a également exercé en tant qu’enseignant-chercheur, d’abord au département de RO, puis au département de Biotechnologie, tout en étant membre du laboratoire de Modélisation et Optimisation des Systèmes (LAMOS).)
La présentation se concentrera sur l'étude des performances, l'analyse des comportements stratégiques et l'optimisation dans les systèmes d'attente multi-composants. Nous aborderons des modèles permettant d'analyser les interactions entre les clients au sein d'un même système, ce qui permettra de prédire les meilleures décisions à prendre par les différents acteurs : les clients, le serveur et le gestionnaire. Nous examinerons un modèle de système d'attente intégrant divers phénomènes stochastiques tels que les pannes, les périodes de vacances et la maintenance, dans le but d'analyser ses performances et d'optimiser son rendement en termes de minimisation des coûts.

• Analyse des performances et optimisation dans les systèmes d’attente multi-composants.