BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen - ECPv5.7.0//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
X-ORIGINAL-URL:https://www.greyc.fr
X-WR-CALDESC:évènements pour GREYC UMR CNRS 6072 - Groupe de Recherche en Informatique, Image, et Instrumentation de Caen
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251104T102000
DTEND;TZID=Europe/Paris:20251104T112000
DTSTAMP:20260418T232901
CREATED:20251017T094128Z
LAST-MODIFIED:20251017T094128Z
UID:11981-1762251600-1762255200@www.greyc.fr
SUMMARY:Séminaire Algorithmique : Paul Dorbec (GREYC) « How can the balance game be so unfair? »
DESCRIPTION:The balance game is played on a graph G by two players\, Admirable (A) and Impish (I)\, who take turns selecting unlabeled vertices of G\, coloring them with their own color. The discrepancy in the balance game is defined as the difference of the number of well colored edges minus the number of monochromatic edges. The two players have opposite goals: Admirable attempts to minimize the discrepancy while Impish attempts to maximize d. \nDuring this talk\, we will show bounds on the discrepancy of graphs\, showing that the game is strongly biased in favor of Impish.
URL:https://www.greyc.fr/event/seminaire-algorithmique-paul-dorbec-greyc-how-can-the-balance-game-be-so-unfair/
LOCATION:Sciences 3- S3 351
CATEGORIES:Amacc,General,News,Séminaire Algo
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251118T104500
DTEND;TZID=Europe/Paris:20251118T114500
DTSTAMP:20260418T232901
CREATED:20251017T094324Z
LAST-MODIFIED:20251017T094324Z
UID:11983-1763462700-1763466300@www.greyc.fr
SUMMARY:Séminaire Algorithmique : Rachelle Heim (UC Louvain\, Belgique)\, « Generic attacks using random functions statistics »
DESCRIPTION:Cryptography relies on building blocks called primitives used within constructions to build more complex algorithms.  The security of a scheme (i.e. of a construction instantiated with a primitive) is most often proven under some assumptions on the underlying primitive. However\, security reductions only provide lower bounds on the security level.  Generic attacks\, i.e. attacks that do not rely on the existence of a primitive flaw\, provide complementary information (namely\, upper bounds on the security level). \nOver the past ten years\, the statistical properties of random functions have been a particularly fruitful tool to mount generic attacks. Initially\, these attacks targeted iterated hash constructions and their combiners\, developing a wide array of methods based on internal collisions and on the average behavior of iterated random functions. \nMore recently\, we (Gilbert et al.\, EUROCRYPT 2023) introduced a forgery attack on so-called duplex-based Authenticated Encryption modes which is based on exceptional random functions\, i.e.\, functions whose graph admits a large component with an exceptionally small cycle. We have since then improved this attack (Bonnetain et al.\, CRYPTO 2024) using so-called nested exceptional functions. This talk will present a variety of generic attacks based on functional graphs against hash functions\, hash-based MACs and AEAD modes.
URL:https://www.greyc.fr/event/seminaire-algorithmique-rachelle-heim-uc-louvain-belgique-generic-attacks-using-random-functions-statistics/
LOCATION:Sciences 3- S3 351
CATEGORIES:Amacc,General,News,Séminaire Algo
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251120T140000
DTEND;TZID=Europe/Paris:20251120T150000
DTSTAMP:20260418T232901
CREATED:20251006T150950Z
LAST-MODIFIED:20251006T150950Z
UID:11978-1763647200-1763650800@www.greyc.fr
SUMMARY:Séminaire Image : "Apprentissage à partir de données multimodales pour la classification et la prédiction de la maladie d'Alzheimer"\, Natacha Lambert
DESCRIPTION:Nous aurons le plaisir d’écouter Natacha Lambert\, doctorante au GREYC en collaboration avec l’équipe Neuroprésage à Cyceron. Elle soutiendra par ailleurs sa thèse le 11 décembre 2025.\nElle donnera un séminaire IMAGE le jeudi 20 novembre 2025 à 14h en salle de séminaire F-200. \nTitre : « Apprentissage à partir de données multimodales pour la classification et la prédiction de la maladie d’Alzheimer » \nRésumé :  \nLa maladie d’Alzheimer (MA) représente un enjeu majeur de santé publique mondiale\, touchant plus de 57 millions de personnes\, un nombre en constante augmentation avec le vieillissement de la population. Si les biomarqueurs issus de la neuroimagerie – tels que l’IRM structurelle\, la TEP FDG\, la TEP amyloïde et la TEP tau – offrent des informations complémentaires essentielles au diagnostic\, leur coût et leur complexité limitent leur utilisation conjointe. Par ailleurs\, la progression individuelle de la maladie reste difficile à anticiper\, malgré la détection précoce des lésions. Dans ce contexte\, les avancées en apprentissage profond ouvrent de nouvelles perspectives pour l’analyse et la génération d’images médicales. Ce travail s’articule autour de deux objectifs : (1) exploiter les réseaux de neurones convolutionnels pour synthétiser des images TEP FDG à partir de la phase précoce de la TEP amyloïde\, offrant ainsi un biomarqueur métabolique fiable et complémentaire sans coût supplémentaire ; et (2) prédire la trajectoire cognitive des patients\, en combinant imagerie multimodale (IRM\, TEP FDG\, TEP amyloïde) et scores neuropsychologiques. Les résultats montrent que les images synthétiques reproduisent fidèlement les patterns métaboliques de la MA à différents stades et que le modèle de prédiction permet d’estimer\, dès la première visite\, la vitesse et la direction du déclin cognitif. Ces approches complémentaires soulignent le potentiel de l’intelligence artificielle pour améliorer le diagnostic\, le suivi et la personnalisation de la prise en charge de la MA\, tout en réduisant les coûts associés.
URL:https://www.greyc.fr/event/seminaire-image-apprentissage-a-partir-de-donnees-multimodales-pour-la-classification-et-la-prediction-de-la-maladie-dalzheimer-natacha-lambert/
LOCATION:ENSICAEN – Batiment F – Salle F-200\, 6 Bd Maréchal Juin\, Caen\, 14050\, France
CATEGORIES:General,Image,News,Seminaire Image
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20251125T104500
DTEND;TZID=Europe/Paris:20251125T114500
DTSTAMP:20260418T232901
CREATED:20251017T094647Z
LAST-MODIFIED:20251017T094647Z
UID:11987-1764067500-1764071100@www.greyc.fr
SUMMARY:Séminaire Algorithmique : François Rioult\, Abdelkader Ouali et Mehrad Nasernejad (GREYC)\, « Factorisation optimale (en taille) de matrice booléenne »
DESCRIPTION:Les travaux pionniers de Belohlavek et al. ont établi un lien convaincant entre la factorisation matricielle booléenne et l’analyse formelle des concepts\, démontrant que les concepts formels servent de facteurs optimaux pour décomposer les matrices booléennes. Nous présentons une nouvelle reformulation du problème de calcul du rang booléen à l’aide de la théorie des hypergraphes\, ainsi que la recherche de solution à l’aide de programmation linéaire en nombre entiers. Cette reformulation fournit une base théorique pour comprendre la structure des factorisations optimales et une nouvelle perspective sur le problème\, en particulier du côté des matroïdes.
URL:https://www.greyc.fr/event/seminaire-algorithmique-francois-rioult-abdelkader-ouali-et-mehrad-nasernejad-greyc-factorisation-optimale-en-taille-de-matrice-booleenne/
LOCATION:Sciences 3- S3 351
CATEGORIES:Amacc,General,News,Séminaire Algo
END:VEVENT
END:VCALENDAR