Package CAPUSHE pour le logiciel R
|
|
- Flavien Beauregard
- il y a 8 ans
- Total affichages :
Transcription
1 1 / 44 Package CAPUSHE pour le logiciel R Vincent Brault (1,2) & Jean-Patrick Baudry (3) & Cathy Maugis-Rabusseau (4) & Bertrand Michel (3) 1 Université Paris-Sud 11 2 INRIA Saclay Île de France Projet SELECT 3 LSTA Paris 6 4 Institut de Mathématiques de Toulouse maugis/capushe.html 22 mai 2012
2 2 / 44 Plan 1 Théorie 2 Heuristique de pente 3 Package CAPUSHE DDSE Djump Capushe
3 3 / 44 Introduction
4 4 / 44 Plan 1 Théorie 2 Heuristique de pente 3 Package CAPUSHE DDSE Djump Capushe
5 5 / 44 n-échantillon X 1,..., X n de R d Paramètre d intérêt s S Fonction de contraste γ : S R d R telle que s argmin t S E X [γ(t, X)]
6 6 / 44 Contraste empirique t S, γ n (t) = 1 n L estimateur ŝ de s : ŝ argmin t S γ n (t). n γ(t, X i ) i=1
7 7 / 44 Famille de modèles (S m ) m M de dimension respective D m Modèle oracle : m argmin m M E X [ l ( s, ŝm )] où l (s, t) = E X [γ(t, X)] E X [γ(s, X)]
8 8 / 44 Famille de modèles (S m ) m M de dimension respective D m Modèle oracle : m argmin m M E X [ l ( s, ŝm )] où l (s, t) = E X [γ(t, X)] E X [γ(s, X)] crit(m) = γ n (ŝ m )
9 9 / 44 Famille de modèles (S m ) m M de dimension respective D m Modèle oracle : m argmin m M E X [ l ( s, ŝm )] où l (s, t) = E X [γ(t, X)] E X [γ(s, X)] Fonction de pénalité pen : M R + telle que le modèle m minimisant le critère pénalisé associé crit(m) = γ n (ŝ m ) + pen(m) ait un risque E X [ l(s, ŝ m ) ] proche de celui de l oracle.
10 10 / 44 Exemple : mélange gaussien s est la densité inconnue de l échantillon. S m ensemble des mélanges sphérique avec m composantes. X m p i N (µ i, σ i I 3 ) i=1 4m + (m 1) paramètres D m est le nombre de paramètres libres. La fonction de contraste est γ(θ) = log f (X; θ) ŝ m = θ maximisant θ log f (X 1,..., X n ; θ S m )
11 11 / 44 Plan 1 Théorie 2 Heuristique de pente 3 Package CAPUSHE DDSE Djump Capushe
12 12 / 44 Forme de la pénalité pen shape La pénalité à choisir est de la forme pen(m) = κ pen shape (m) Baudry, J.-P., Maugis, C. & Michel, B. (2011) Pour les mélanges gaussiens : pen shape (m) = κd m
13 13 / 44 Heuristique de pente Birgé et Massart (2006) pen min (m) = κ min pen shape (m) telle que crit κ (m) = γ n (ŝ m ) + κ pen shape (m) sélectionne un modèle avec une complexité déraisonnable si κ < κ min raisonnable si κ > κ min
14 14 / 44 Pénalité optimale pen opt (m) = scoef pen min (m) = scoef κ min pen shape (m)
15 15 / 44 Djump C m(κ) la complexité du modèle minimisant le critère crit κ ( ) κ C m(κ) doit faire un saut au voisinage du κ min
16 16 / 44 DDSE γ n (ŝ m ) γ n (s) E X [l(s, s m )] κ min pen shape (m)
17 17 / 44 Plan 1 Théorie 2 Heuristique de pente 3 Package CAPUSHE DDSE Djump Capushe
18 18 / 44 Données
19 19 / 44 Plot
20 20 / 44 Plot
21 21 / 44 Commande
22 22 / 44 Commande
23 23 / 44 Commande
24 24 / 44 Validation
25 25 / 44 Validation
26 26 / 44 Validation
27 27 / 44 Validation
28 28 / 44 Validation
29 29 / 44 Plot
30 30 / 44 Plot
31 31 / 44 C tresh
32 32 / 44 C tresh
33 33 / 44 C AreaJump
34 34 / 44 C AreaJump
35 35 / 44 Commande
36 36 / 44 Commande
37 37 / 44 Commande
38 38 / 44 Commande
39 39 / 44 Commande
40 40 / 44 Commande
41 41 / 44 Plot
42 42 / 44 Plot
43 43 / 44
44 44 / 44 Birgé, L. et Massart, P. (2001). Gaussian model selection. Journal of the European Mathematical Society, 3(3) : Birgé, L. et Massart, P. (2006). Minimal penalties for gaussian model selection. Probability Theory and Related Fields, 138(1-2) : Lebarbier, E. (2005). Detexting multiple change-points in the mean of gaussian process by model selection. Signal Processing, 85(4) : Massart, P. (2007). Concentration Inequalities and Model Selection. École d été de Probabilités de SAint-Flour Lecture Notes in Mathematics. Springer. Maugis, C. et Michel, B. (2009). A non-asymptotic penalized criterion for gaussian mixture model selection. ESAIM : P & S URL http ://hal.inria.fr/docs/00/28/50/31/pdf/rr-6549.pdf Baudry, J.-P., Maugis, C. and Michel, B. (2011) Slope Heuristics : Overview and Implementation. Statistics and Computing, Vol 22(2),
Principe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailDétection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique
Détection de têtes dans un nuage de points 3D à l aide d un modèle de mélange sphérique Denis Brazey & Bruno Portier 2 Société Prynɛl, RD974 290 Corpeau, France denis.brazey@insa-rouen.fr 2 Normandie Université,
Plus en détail21 mars 2012. Simulations et Méthodes de Monte Carlo. DADI Charles-Abner. Objectifs et intérêt de ce T.E.R. Générer l'aléatoire.
de 21 mars 2012 () 21 mars 2012 1 / 6 de 1 2 3 4 5 () 21 mars 2012 2 / 6 1 de 2 3 4 5 () 21 mars 2012 3 / 6 1 2 de 3 4 5 () 21 mars 2012 4 / 6 1 2 de 3 4 de 5 () 21 mars 2012 5 / 6 de 1 2 3 4 5 () 21 mars
Plus en détailAICp. Vincent Vandewalle. To cite this version: HAL Id: inria-00386678 https://hal.inria.fr/inria-00386678
Sélection prédictive d un modèle génératif par le critère AICp Vincent Vandewalle To cite this version: Vincent Vandewalle. Sélection prédictive d un modèle génératif par le critère AICp. 41èmes Journées
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailFrancisco José Silva Álvarez
Francisco José Silva Álvarez Né le 22 Juillet 1982 Nationalité chilienne Célibataire. Coordonnées professionnelles Dipartimento di Matematica Guido Castelnuovo, Università La Sapienza Piazzale Aldo Moro,
Plus en détailHigh Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi
Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud
Plus en détailÉlue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques
Odile Macchi Élue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques Odile Macchi est directeur de recherche émérite au CNRS. Formation
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailProfesseur de Mathématiques à l Université de Toulouse 1 depuis septembre 2000.
Jean-Paul DÉCAMPS Adresse Professionnelle Toulouse School of Economics (CRM-IDEI) Université de Toulouse 1 Manufacture des Tabacs - Aile J.J Laffont 21, Allée de Brienne Tel.: (33) 05.61.12.85.99 e-mail
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailCurriculum Vitæ. Tél: +33 1 69 15 67 31 E-mail: Page web: http://www.math.u-psud.fr/~arlot/ Né le 2 mars 1983 Nationalité Française
Curriculum Vitæ Sylvain Arlot Département de Mathématiques d'orsay Bâtiment 425 Faculté des Sciences d'orsay Université Paris-Sud 91405 ORSAY Cedex France Tél: +33 1 69 15 67 31 E-mail: Page web: http://www.math.u-psud.fr/~arlot/
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailApprentissage par renforcement (1a/3)
Apprentissage par renforcement (1a/3) Bruno Bouzy 23 septembre 2014 Ce document est le chapitre «Apprentissage par renforcement» du cours d apprentissage automatique donné aux étudiants de Master MI, parcours
Plus en détailPOURQUOI LA LOI DE BENFORD N EST PAS MYSTÉRIEUSE
Math. & Sci. hum. / Mathematics and Social Sciences (46 e année, n 82, 2008(2), p. 7 5) POURQUOI LA LOI DE BENFORD N EST PAS MYSTÉRIEUSE Nicolas GAUVRIT, Jean-Paul DELAHAYE 2 résumé La loi dite de Benford
Plus en détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailCharles BOUVEYRON. Docteur en Mathématiques appliquées Maître de Conférences (section CNU 26) Université Paris 1 Panthéon-Sorbonne
Charles BOUVEYRON Docteur en Mathématiques appliquées Maître de Conférences (section CNU 26) Université Paris 1 Panthéon-Sorbonne Contacts Né le 12/01/1979 Nationalité française E-mail : charles.bouveyron@univ-paris1.fr
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailJean-Baptiste AUBIN Maître de Conférence en Statistique
Jean-Baptiste AUBIN Maître de Conférence en Statistique Coordonnées Professionnelles : Coordonnées Personnelles : INSA-Lyon et ICJ 26, Cours de la République Bat. Léonard de Vinci 69100 Villeurbanne 20,
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailOptimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases)
Optimisation Combinatoire (Méthodes approchées) II. Recherche Locale simple (Les bases) Heuristique Constructive Itérativement, ajoute de nouvelles composantes à une solution partielle candidate Espace
Plus en détailSauvegarde collaborative en pair-à-pair
Sauvegarde collaborative en pair-à-pair Fabrice Le Fessant Fabrice.Le_Fessant@inria.fr ASAP Team INRIA Saclay Île de France Octobre 2008 Fabrice Le Fessant () Backup en pair-à-pair Rennes 2008 1 / 21 Plan
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailAlgorithmes d'apprentissage
Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt
Plus en détailCURRICULUM VITAE Johanna Etner. Situation actuelle. Situations antérieures. Activité administrative
CURRICULUM VITAE Johanna Etner Née le 26 août 1970 à Boulogne Billancourt (92) Mariée, 2 enfants. EconomiX Université Paris Ouest Nanterre la Défense 200 avenue de la République 92001 Nanterre cedex johanna.etner@u-paris10.fr
Plus en détailMesure et gestion des risques d assurance
Mesure et gestion des risques d assurance Analyse critique des futurs référentiels prudentiel et d information financière Congrès annuel de l Institut des Actuaires 26 juin 2008 Pierre THEROND ptherond@winter-associes.fr
Plus en détail0 h(s)ds et h [t = 1 [t, [ h, t IR +. Φ L 2 (IR + ) Φ sur U par
Probabilités) Calculus on Fock space and a non-adapted quantum Itô formula Nicolas Privault Abstract - The aim of this note is to introduce a calculus on Fock space with its probabilistic interpretations,
Plus en détailPrédiction et Big data
Prédiction et Big data Mitra Fouladirad Institut Charles Delaunay - UMR CNRS 6281 Université de Technologie de Troyes 29 avril 2015 1 1 Sujet Motivation Le pronostic ou la prédiction du comportement futur
Plus en détailCours d introduction à la théorie de la détection
Olivier J.J. MICHEL Département EEA, UNSA v1.mars 06 olivier.michel@unice.fr Laboratoire LUAN UMR6525-CNRS Cours d introduction à la théorie de la détection L ensemble du document s appuie très largement
Plus en détailEmploi du temps prévisionnel
1 Emploi du temps prévisionnel 1. Séances de cours et d exercices Nous aurons cours ensemble : tous les mercredis matins du 28 septembre au 7 décembre inclus, à l exception du mercredi 2 novembre, libéré
Plus en détail1 Installer des packages
10 mai 2014 Fabricɛ Dɛssaint Inra - UMR Agroécologie, Dijon 10 mai 2014 R est un système d analyse statistique et graphique, qui est distribué librement et dont le développement et la distribution sont
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailCURRICULUM VITAE Anne de Bouard
CURRICULUM VITAE Anne de Bouard née le 1er mai 1965 à Caen (14) Mariée, 2 enfants Nationalité : Française http://www.cmap.polytechnique.fr/~debouard debouard@cmap.polytechnique.fr CMAP, Ecole Polytechnique
Plus en détailL INRIA, institut français des STIC. (en Île-de-France) 24 septembre 2009
1 L INRIA, institut français des STIC (en Île-de-France) 24 septembre 2009 Institut National de Recherche en Informatique et en Automatique 2 Institut dédié aux Sciences et Technologies de l Information
Plus en détailAlexis PARMENTIER. 2005-2006 Assistant de recherches (post-doctorat) au département d économie de l Université Catholique de Louvain (Belgique).
CURRICULUM VITAE Alexis PARMENTIER Adresse Professionnelle : Université de Département d Economie 15, Avenue René Cassin BP 7151 97715 Saint-Denis Messag Cedex 9, FRANCE Tel (Bureau) : 02 62 93 84 28 Alexis.Parmentier@univ-reunion.fr
Plus en détailMémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des
Plus en détailDocument de présentation technique. Blocage du comportement
G Data Document de présentation technique Blocage du comportement Marco Lauerwald Marketing Go safe. Go safer. G Data. Table des matières 1 Blocage du comportement mission : lutter contre les menaces inconnues...
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailIntroduction à la Statistique Inférentielle
UNIVERSITE MOHAMMED V-AGDAL SCIENCES FACULTE DES DEPARTEMENT DE MATHEMATIQUES SMI semestre 4 : Probabilités - Statistique Introduction à la Statistique Inférentielle Prinemps 2013 0 INTRODUCTION La statistique
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailPROBABILITES ET STATISTIQUE I&II
PROBABILITES ET STATISTIQUE I&II TABLE DES MATIERES CHAPITRE I - COMBINATOIRE ELEMENTAIRE I.1. Rappel des notations de la théorie des ensemble I.1.a. Ensembles et sous-ensembles I.1.b. Diagrammes (dits
Plus en détailL IMPACT ATTENDU DE DMARC SUR LE PHISHING. Auteur Sébastien GOUTAL Responsable Filter Lab
L IMPACT ATTENDU DE DMARC SUR LE PHISHING Auteur Sébastien GOUTAL Responsable Filter Lab Avril 2012 Sommaire Introduction... 3 Etude de la spécification DMARC... 4 Etude statistique... 6 Conclusion...
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailEn 2014, comment mener à bien une enquête aléatoire en population générale par téléphone?
En 2014, comment mener à bien une enquête aléatoire en population générale par téléphone? Prémila Choolun 1, François Beck 2, Christophe David 1, Valérie Blineau 1, Romain Guignard 3, Arnaud Gautier 3,
Plus en détailClassification non supervisée
AgroParisTech Classification non supervisée E. Lebarbier, T. Mary-Huard Table des matières 1 Introduction 4 2 Méthodes de partitionnement 5 2.1 Mesures de similarité et de dissimilarité, distances.................
Plus en détailMajeures et mineures
Majeures et mineures Bologne @ Europe une année académique = 60 crédits ECTS European Credit Transfer System Bachelier en sc.de l ingénieur ing.civil [arch.] 3 ans = 180 crédits ECTS Master ingénieur civil
Plus en détailFreddy Huet. Adresse professionnelle : Adresse personnelle :
Maître de conférences à l université de la Réunion Membre du CEMOI (université de la Réunion) Chercheur associé à la chaire EPPP (IAE de Paris) Né le 04 janvier 1979 Nationalité Française Adresse professionnelle
Plus en détailAnalyse de la Commande Prédictive Floue : Algorithmes et Méthodologies de Solution
République Algérienne Démocratique et Populaire MINISÈTRE DE L ENSEIGNEMENT SUPÉRIEUR ET DE LA RECHERCHE SCIENTIFIQUE MÉMOIRE DE MAGISTÈRE Présenté à L UNIVERSITÉ MENTOURI CONSTANTINE FACULTÉ DES SCIENCES
Plus en détailFeuille 6 : Tests. Peut-on dire que l usine a respecté ses engagements? Faire un test d hypothèses pour y répondre.
Université de Nantes Année 2013-2014 L3 Maths-Eco Feuille 6 : Tests Exercice 1 On cherche à connaître la température d ébullition µ, en degrés Celsius, d un certain liquide. On effectue 16 expériences
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
Plus en détailQui sont les conférenciers aux congrès internationaux des mathématiciens?
Qui sont les conférenciers aux ICM? Tu es franco-brésilien, travaillant à la fois au Brésil et en France, pourquoi ce choix? J ai effectivement choisi de travailler une moitié du temps au Brésil et l autre
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailENSPS 3A ISAV Master ISTI AR. J. Gangloff
Commande prédictive ENSPS 3A ISAV Master ISTI AR J. Gangloff Plan 1.Introduction / Historique 2.Modélisation du système 3.Fonction de coût 4.Équations de prédiction 5.Commande optimale 6.Exemples 7.Réglage
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailCurriculum Vitae. 1. Formation
Curriculum Vitae Fabienne COMTE, 47 ans Adresse Professionnelle : Laboratoire MAP5, UMR CNRS 8145, UFR Mathématique et Informatique, Université Paris 5, 45 rue des Saints-Pères, 75270 Paris cedex 06. Tel.
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailProcessus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.
JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une
Plus en détailCLIQUEZ ET MODIFIEZ LE TITRE
IUFRO International Congress, Nice 2015 Global challenges of air pollution and climate change to the public forest management in France Cliquez pour modifier le style des sous-titres du masque Manuel Nicolas
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailCURRICULUM VITAE. Célibataire
CURRICULUM VITAE MOIZEAU Fabien Adresse domicile : 25 rue Saint-Rome 31000 Toulouse Tél :05-61-21-96-45 33 ans Célibataire Adresse professionnelle : GREMAQ, Université des sciences sociales Toulouse 1
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailUniversité de Caen. Relativité générale. C. LONGUEMARE Applications version 2.0. 4 mars 2014
Université de Caen LMNO Relativité générale C. LONGUEMARE Applications version.0 4 mars 014 Plan 1. Rappels de dynamique classique La force de Coulomb Le principe de moindre action : lagrangien, hamiltonien
Plus en détailFrancis Mignault. ! Coauteur : Expert Oracle Application Express. ! Membre du Oracle APEX Advisory Board apex.oracle.com/vote
Présenté par : Francis Mignault! CTO et co-fondateur d Insum Solutions! 26 ans d expérience en informatique, dont 23 avec les bases de données Oracle; avec APEX depuis 2004! DBA certifié! Conférencier
Plus en détailOn ne peut pas entendre la forme d un tambour
On ne peut pas entendre la forme d un tambour Pierre Bérard Institut Fourier Laboratoire de Mathématiques Unité Mixte de Recherche 5582 CNRS UJF Université Joseph Fourier, Grenoble 1 Introduction 1.1 Position
Plus en détailMAP 553 Apprentissage statistique
MAP 553 Apprentissage statistique Université Paris Sud et Ecole Polytechnique http://www.cmap.polytechnique.fr/~giraud/map553/map553.html PC1 1/39 Apprentissage? 2/39 Apprentissage? L apprentissage au
Plus en détailOptimisation des canalisations électriques et des armoires de distribution
Supporté par: Optimisation des canalisations électriques et des armoires de distribution Vincent Mazauric Jean-Paul Gonnet Direction Scientifique et Technique Introduction? Objectifs:? Améliorer l'efficacité
Plus en détailPratique et administration des systèmes
Université Louis Pasteur Licence Informatique (L2) UFR de Mathématiques et Informatique Année 2007/2008 1 But du TP Pratique et administration des systèmes TP10 : Technologie LAMP Le but de ce TP est de
Plus en détailUtilisation de JAVA coté Application serveur couplé avec Oracle Forms Hafed Benteftifa www.degenio.com Novembre 2008
Introduction Utilisation de JAVA coté Application serveur couplé avec Oracle Forms Hafed Benteftifa www.degenio.com Novembre 2008 Forms 10g permet l utilisation du JAVA côté client et côté application
Plus en détailANNALES DES TÉLÉCOMMUNICATIONS / ANNALS OF TELECOMMUNICATIONS
Catalogue des périodiques 2014 0 01NET Périodicité : bimensuelle Thème principal : informatique A ACTES DE LA RECHERCHE EN SCIENCES SOCIALES Texte intégral www.cairn.info : 2001 (n 136-137) - 2010 (n 185)
Plus en détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailRépondants et non-répondants dans les enquêtes. Analyse des séquences de contact
Répondants et non-répondants dans les enquêtes Analyse des séquences de contact 7 ème colloque francophone sur les sondages Alexandre Pollien (FORS), Dominique Joye (ISS), Michèle Ernst Stähli (FORS et
Plus en détailPlus de suivi dans un monde en mouvement
M O B I L I T Y Plus de suivi dans un monde en mouvement M O B I L I T Y S appuyant sur un vaste réseau d agences en France, les équipes Hub One fournissent des solutions clé en main pour répondre de façon
Plus en détailD Expert en Finance et Investissements
MODULES FINAL D Expert en Finance et Investissements Copyright 2014, AZEK AZEK, Feldstrasse 80, 8180 Bülach, T +41 44 872 35 35, F +41 44 872 35 32, info@azek.ch, www.azek.ch Table des matières 1. Modules
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailContrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.
Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre. Isabelle Bombard, Bruno da Silva, Pascal Dufour *, Pierre Laurent, Joseph Lieto. Laboratoire d Automatique
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailRecherche locale pour un problème d optimisation de tournées de véhicules avec gestion des stocks
8 e Conférence Internationale de MOdélisation et SIMulation - MOSIM 10-10 au 12 mai 2010 - Hammamet - Tunisie «Évaluation et optimisation des systèmes innovants de production de biens et de services» Recherche
Plus en détailConditions de l'examen
Conditions de l'examen Gestion des selon la norme ISO/CEI 20000 Consultant/Manager (IS20CM.FR) Date de publication 01-07-2010 Date de parution 01-07-2010 Résumé Groupe cible Le qualification Consultant/Manager
Plus en détailNé le 13/06/1984 Russe Célibataire Langues : Russe, Anglais,
Alexey Zykin Université d Etat Ecole des Hautes Etudes en Sciences Economiques Adresse : 7, Vavilova rue, Moscou, Russie Courriel : alzykin@gmail.com Page personnelle : http://www.mccme.ru/poncelet/pers/zykin.html
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailDIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS. Semestre d hiver 2001-2002
Département d économie politique DIPLOME D'ETUDES APPROFONDIES EN ECONOMIE ET FINANCE THEORIE DES MARCHES FINANCIERS Semestre d hiver 2001-2002 Professeurs Marc Chesney et François Quittard-Pinon Séance
Plus en détailFrancis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) IFT702 Planification en intelligence artificielle
Francis BISSON (06 794 819) Kenny CÔTÉ (06 836 427) Pierre-Luc ROGER (06 801 883) PLANIFICATION DE TÂCHES DANS MS PROJECT IFT702 Planification en intelligence artificielle Présenté à M. Froduald KABANZA
Plus en détailPascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.
Pascal Forget 2310, Avenue Notre-Dame Québec, (Québec) Canada, G2E 3G5 Tél. (418) 380-8767 Fax (418) 656-7415 pascal.forget@cirrelt.ca FORMATION Doctorat, génie mécanique Université Laval, Québec, Canada
Plus en détailApprentissage artificiel pour l ordonnancement des tâches dans les grilles de calcul
Université Paris-Sud Apprentissage artificiel pour l ordonnancement des tâches dans les grilles de calcul Thèse de doctorat en vue de l obtention du grade de docteur de l université Paris XI Spécialité
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailE-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement.
E-Biothon : Une plate-forme pour accélérer les recherches en biologie, santé et environnement. N.Bard, S.Boin, F.Bothorel, P.Collinet, M.Daydé, B. Depardon, F. Desprez, M.Flé, A.Franc, J.-F. Gibrat, D.
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détail