مقاله MFCS'22 "شمارش وزنه بردار در خانواده های نمودار پهنای باند بدون مرز" ، آنتوان آماریلی و میکائل مونه را پذیرفت.

Corentin Barloy و Charles Paperman Paper پذیرفته شده @ lics: زبان های منظم منطق مرتبه اول با یک گزینه جایگزین

ارزیابی پرش از نمایش داده های مسیر معمولی تو در تو. یواخیم نیرن ، رستم آزیموف و سیلوین سالواتی

ICDT'2022 بهترین جایزه تازه وارد برای Capelli ، Crosetti ، Niehren & Ramon: برنامه های خطی با نمایش داده های پایگاه داده

جدیدترین نسخه چکیده در نسخه دکتری موجود در chercheurs. lille. inria موجود است. t. pdf

مقاله ICDT'2022 پذیرفته شده توسط Capelli ، Crosetti ، Niehren & Ramon: برنامه های خطی با نمایش داده های پایگاه داده

چارلز یک مقاله دریافت کرده است

قابلیت تغییر توضیحات مبتنی بر شکاف در مورد مدارهای بولی قطعی و تجزیه پذیر. arxiv: arxiv. org/abs/2007. 14045

مقاله MFCS توسط Paul Gallot ، Aurélin Lemay و Sylvain Salvati قبول می شود: https://hal. inria. fr/hal-02902853

مدرسه تابستانی Kocoon (لغو شده) که توسط Florent Capelli ، Pier Marquis ، Stefan Mengel و Pierre Bourhis در لیل برگزار شده است

در توالی های بازگشتی چند جمله ای (Michaël Cadilhac ، Filip Mazowiecki ، Charles Paperman ، Michał Pilipczuk و Géraud Sénizergues) Dops. Dagstahl. de/opus. 7. PDF

کارگاه Kocoon در Arras ، که توسط پیر بورشیس ، Florent Capelli ، پیر مارکیس و استفان منگل برگزار شده است

با همکاری Montpellier: محدودیت فراموشی و نیمه بابی برای قوانین وجودی "(P. Bourhis ، F. Ulliana ، M. Leclère ، ML Mugnier ، S. Tison ، L. Gallois).

مقاله Stacs'19 توسط Florent Capelli می پذیرد: "QBF قابل تراکت از طریق تدوین دانش" با استفان منگل

Rustam Azimov ، دانشجوی دکترا از پترزبورگ ، بازدید 3 ماهه خود را از پیوندها آغاز می کند. او با سیلوین اسلاواتی و یواخیم نیرن همکاری خواهد کرد.

مرتب سازی توپولوژیکی محدود توسط Antoine Amarilli و Charles Paperman Arxiv. org/pdf/1707. 04310. pdf

انتشار نسخه اول اجرای SHEX 2. 0 در جاوا [github. com/iovka/shex-java |github. com/iovka/shex-java]

ارائه تیمی

ظاهر داده های پیوندی در وب خواستار فن آوری های جدید مدیریت پایگاه داده برای مجموعه داده های مرتبط است. چالش های کلاسیک از تحقیقات پایگاه داده اکنون باید برای داده های پیوند یافته مطرح شود: نحوه تعریف نمایش داده های منطقی دقیق ، نحوه مدیریت به روزرسانی های پویا و نحوه خودکار سازی جستجوی پرس و جوهای مناسب. بر خلاف داده های باز پیوند جریان اصلی ، پروژه پیوندها بر روی جمع آوری داده های مرتبط در قالب های مختلف متمرکز خواهد شد ، با این فرض که داده ها در اکثر ابعاد صحیح هستند. این چالش ها به دلیل داده های ناقص ، طرح های ناآگاه یا ناهمگن و خطاهای و ابهامات باقی مانده داده ها دشوار است. ما الگوریتم هایی را برای ارزیابی و بهینه سازی پرس و جوهای منطقی در جمع آوری داده های مرتبط ، الگوریتم های افزایشی که می توانند جریان داده های مرتبط را تحت نظر داشته باشند و به روزرسانی های دینامیکی مجموعه داده های مرتبط را کنترل کنند ، و الگوریتم های یادگیری نمادین که می توانند نمایش داده های مناسب برای مجموعه داده های پیوند شده را از مثالها ایجاد کنیم ، توسعه خواهیم داد.

مضامین تحقیق

ما الگوریتم هایی را برای پاسخ دادن به پرس و جو منطقی در مجموعه داده های مرتبط با ناهمگن در قالب های ترکیبی ، زبان های برنامه نویسی توزیع شده برای مدیریت مجموعه داده های مرتبط با پویا و گردش کار بر اساس نمایش داده ها و نقشه برداری ها و الگوریتم های یادگیری ماشین نمادین که می توانند با استنباط اتصالات مناسب و نقشه برداری ، پیوند می دهند ، توسعه خواهیم داد. اهداف اصلی ما به شرح زیر است:

• پرس و جو داده های ناهمگن را جستجو کنید. ما انواع جدیدی از نقشه های طرحواره ای را برای مجموعه داده های نیمه ساختار یافته در قالب های ترکیبی از جمله پایگاه داده های نمودار ، مجموعه های RDF و پایگاه داده های رابطه ای توسعه خواهیم داد. اینها نمایش داده های بازگشتی را در جمع آوری داده های پیوندی القا می کنند که ما برای ارزیابی الگوهای ارزیابی ، مشکلات تجزیه و تحلیل استاتیک و برنامه های بتونی بررسی خواهیم کرد.
• مدیریت داده های مرتبط با پویا. به منظور مدیریت جمع آوری داده ها و گردش داده های پیوندی پویا ، ما زبان های برنامه نویسی داده محور توزیع شده با جریان و موازی سازی را توسعه خواهیم داد ، بر اساس الگوریتم های جدید برای پاسخ به پرس و جو افزایشی ، انتشار به روزرسانی داده های پویا از طریق نقشه برداری های طرحواره را بررسی خواهیم کرد و بررسی خواهیم کرد. روشهای تجزیه و تحلیل استاتیک برای گردش کار داده های مرتبط.
• پیوند نمودارها. سرانجام ، ما الگوریتم های یادگیری ماشین نمادین را برای استنباط نمایش داده ها و نگاشتها بین جمع آوری داده های مرتبط در قالب های مختلف نمودارهای مختلف از نمونه های حاشیه نویسی توسعه خواهیم داد.

روابط بین المللی و صنعتی

• پردازش جریان: quixtools (با IovImax)
• فوی هرمس