DEEL DEpendable & Explainable Learning

航空航天工业复杂问题自动检测的应用，具有性能和安全的高级标准，需要可靠的技术、综合性技术、隐私和安全保障、经当局认证的技术。Le projet DEEL，issue d'une collaboration internationale entre l'ITS Saint Exupéry en France，l'IVADO et le CRIAQ Au Canada，Vise à faire un premier pas vers l'utilisation de l'automatique par l'industrie aérosatiale canadienne via une collaboration multidisciplinaire entre plusieurs accounting industriels et plusieurs universities canadiennes regroupant plus d'une dizaine de chercheurs et plus d'une vingtaine d'étudiants gradués et professionnels每年都有资格。Le premier thème traite de la robustesse et consiste à déciliper des methodes qui restent efficaces même dans des situations extrêmes non observées pendant l'autissage.因此，我们利用决策不确定性的措施，对背景变化的管理以及对攻击的鲁棒性。第二个问题是解释性问题，它包括专家解释的方法，以便理解系统的决定或意见。在这一主题中使用的方法是基于模型的可解释性和决策的可解释性。Le troisième thème traite de la vie privée par conception et consiste à déciliper des methodes qui guarantissent la confidentialité des données utilisées lors de l'estrissage et lors de l'utilisation des résultats.在这方面使用的方法是基于对杂音的控制和对碎屑的利用。这三个问题都是为了客观地提高对自动认证系统结果的信心，并确保认证的有效性。L'objectif de ce quatrième thème est de déciliper des techniques de certificabilité de l'automatique.我们提出了逻辑遗传学的方法和良好的实用性建议，并对自动检测方法的适配器进行了评述。

L'application de l'apprentissage automatique aux problèmes complexes de l'industrie aérospatiale, qui possède de hauts standards de performance et de sécurité, nécessite de rendre les techniques robustes, compréhensibles, garantes de la vie privée et ainsi, certifiables par les autorités. Le projet DEEL, issue d'une collaboration internationale entre l'ITS Saint Exupéry en France, l'IVADO et le CRIAQ au Canada, vise à faire un premier pas vers l'utilisation de l'apprentissage automatique par l'industrie aérospatiale canadienne via une collaboration multidisciplinaire entre plusieurs acteurs industriels et plusieurs universités canadiennes regroupant plus d'une dizaine de chercheurs et plus d'une vingtaine d'étudiants gradués et professionnels hautement qualifiés annuellement. Le premier thème traite de la robustesse et consiste à développer des méthodes qui restent efficaces même dans des situations extrêmes non observées pendant l'apprentissage. À cet effet, nous utilisons des mesures de l'incertitude des décisions, la gestion des changements de contextes et la robustesse aux attaques. Le deuxième thème traite de l'interprétabilité et consiste à développer des méthodes qui fournissent des explications à des experts pour leur permettre de comprendre les décisions ou les conseils du système. Les méthodes utilisées dans ce thème se basent sur la transparence du modèle et l'explicabilité d'une décision donnée. Le troisième thème traite de la vie privée par conception et consiste à développer des méthodes qui garantissent la confidentialité des données utilisées lors de l'apprentissage et lors de l'utilisation des résultats. Les méthodes utilisées dans ce thème se basent sur l'ajout contrôlé de bruit et l'utilisation de données chiffrées. Ces trois thèmes ont pour objectif d'améliorer la confiance dans les résultats des systèmes d'apprentissage automatique et de permettre la certificabilité. L'objectif de ce quatrième thème est de développer des techniques de certificabilité de l'apprentissage automatique. Nous proposons de partir des méthodes et des bonnes pratiques de génie logiciel, telles que les tests et les méthodes formelles, afin de découvrir comment les adapter aux méthodes d'apprentissage automatique.