Autour des logiciels de l équipe signal

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Autour des logiciels de l équipe signal"

Transcription

1 Caroline CHAUX - Autour des logiciels de l équipe signal 1/18 Autour des logiciels de l équipe signal Caroline CHAUX Equipe signal et communication Laboratoire d Informatique Gaspard Monge - UMR CNRS 8049, Université Paris-Est, France Journée logiciels, 6 mars 2012

2 Caroline CHAUX - Autour des logiciels de l équipe signal 2/18 Plan de la présentation Contexte général Problèmes inverses Approches variationnelles Algorithmes itératifs Les logiciels Restauration d images Quantification Estimation de cartes de disparités

3 Caroline CHAUX - Autour des logiciels de l équipe signal 3/18 Contexte général On observe une image z R M dégradée par

4 Caroline CHAUX - Autour des logiciels de l équipe signal 3/18 Contexte général On observe une image z R M dégradée par un opérateur linéaire T (e.g. un flou) un bruit, non nécessairement additif (e.g. gaussien, Poisson,...) z

5 Caroline CHAUX - Autour des logiciels de l équipe signal 3/18 Contexte général On observe une image z R M dégradée par un opérateur linéaire T (e.g. un flou) un bruit, non nécessairement additif (e.g. gaussien, Poisson,...) Objectif: estimer l image originale inconnue ȳ R N = z ȳ? z = D α (Ty)

6 Caroline CHAUX - Autour des logiciels de l équipe signal 4/18 Approches variationnelles Trouver min x R K J f j (x) j=1 où (f j ) 1 j J : fonctions appartenant à la classe Γ 0 (R K ) (classe des fonctions convexes, s.c.i. et propres de R K à valeur dans ],+ ]). Le critère considéré peut être non lisse.

7 Caroline CHAUX - Autour des logiciels de l équipe signal 4/18 Approches variationnelles Trouver min x R K J f j (x) j=1 où (f j ) 1 j J : fonctions appartenant à la classe Γ 0 (R K ) (classe des fonctions convexes, s.c.i. et propres de R K à valeur dans ],+ ]). Le critère considéré peut être non lisse. f j peut être liée au bruit (e.g. un terme quadratique quand le bruit est gaussien)

8 Caroline CHAUX - Autour des logiciels de l équipe signal 4/18 Approches variationnelles Trouver min x R K J f j (x) j=1 où (f j ) 1 j J : fonctions appartenant à la classe Γ 0 (R K ) (classe des fonctions convexes, s.c.i. et propres de R K à valeur dans ],+ ]). Le critère considéré peut être non lisse. f j peut être liée au bruit (e.g. un terme quadratique quand le bruit est gaussien) f j peut représenter un a priori sur la solution cible (e.g. un a priori sur la distribution des coefficients d ondelettes)

9 Caroline CHAUX - Autour des logiciels de l équipe signal 4/18 Approches variationnelles Trouver min x R K J f j (x) j=1 où (f j ) 1 j J : fonctions appartenant à la classe Γ 0 (R K ) (classe des fonctions convexes, s.c.i. et propres de R K à valeur dans ],+ ]). Le critère considéré peut être non lisse. f j peut être liée au bruit (e.g. un terme quadratique quand le bruit est gaussien) f j peut représenter un a priori sur la solution cible (e.g. un a priori sur la distribution des coefficients d ondelettes) f j peut représenter une contrainte (e.g. une contrainte de support)

10 Caroline CHAUX - Autour des logiciels de l équipe signal 5/18 Un contexte plus général Problème Trouver û Argmin u H J f j (L j u) (1) j=1 H et (G j ) 1 j J sont des espaces de Hilbert Pour tout j {1,...,J}, f j : G j ],+ ] est convexe, s.c.i. et propre Pour tout j {1,...,J}, L j : H G i est un opérateur linéaire borné. Utilisation de l algorithme PPXA+ [Pesquet and Pustelnik, 2012]

11 Caroline CHAUX - Autour des logiciels de l équipe signal 6/18 Problème convexe où Contexte : ANR Masse de données OPTIMED Programmes réalisés par N. Pustelnik Langage de programmation : Matlab Licence : CeCillB z = P α (Ty) P α : bruit de Poisson de paramètre d échelle α T: opérateur de flou

12 Caroline CHAUX - Autour des logiciels de l équipe signal 7/18 Résultats Originale Degradée, α = 0.1 (ϑ = 0.01,κ = 0.04) (ϑ = 0.1,κ = 0.01) (ϑ = 1,κ = 0.005)

13 Caroline CHAUX - Autour des logiciels de l équipe signal 8/18 Problème non convexe où Contexte : Programmes réalisés par E. Chouzenoux chouzeno/ Langage de programmation : Matlab Licence : CeCillB n: bruit additif Gaussien T: opérateur de flou z = Ty +n

14 Caroline CHAUX - Autour des logiciels de l équipe signal 9/18 Résultats en débruitage Original image Noisy image, SNR = db Restored image, SNR = db

15 Caroline CHAUX - Autour des logiciels de l équipe signal 10/18 Résultats en déconvolution Original image Noisy blurred image, SNR = db Restored image, SNR = db

16 Caroline CHAUX - Autour des logiciels de l équipe signal 11/18 Séparation de composantes Contexte : ANR Masse de données OPTIMED Programmes réalisés par N. Pustelnik Langage de programmation : Matlab Licence : CeCillB

17 Caroline CHAUX - Autour des logiciels de l équipe signal 12/18 Résultats : bruit gaussien α = σ 2 = 15 Image dégradée z Composante Composante de géométrique x 1 texture F x 2

18 Caroline CHAUX - Autour des logiciels de l équipe signal 12/18 Résultats : bruit gaussien α = σ 2 = 15 SNR = 18.2 db SNR = 22.2 db SSIM = 0.56 SSIM = 0.81.

19 Caroline CHAUX - Autour des logiciels de l équipe signal 13/18 Quantification Contexte : ANR Défis DIAMOND Signature d un accord de consortium Programmes réalisés par A. Jezierska jeziersk/ Langage de programmation : C/C++ Licence LGPL

20 (a) originale, (b) bruitée, (c) Lloyd-Max et (d) résultat du logiciel Caroline CHAUX - Autour des logiciels de l équipe signal 14/18 Résultats (a) (b) (c) (d)

21 Caroline CHAUX - Autour des logiciels de l équipe signal 15/18 Résultats couleur (a) (c) (d) (b) (e) (f) (a) originale, (b) bruitée, (c,d) K-means (cas non bruité / bruité) (e,f) résultat du logiciel (cas non bruité / bruité)

22 Caroline CHAUX - Autour des logiciels de l équipe signal 16/18 Estimation de disparité Contexte : Sous-traitant d un projet européen ACDC Programmes réalisés par M. El Gheche elgheche/ Langage de programmation : Matlab

23 Caroline CHAUX - Autour des logiciels de l équipe signal 17/18 Estimation dense de la disparité Image gauche Vérité terrain MAE= 1.13, Err=14 MAE= 0.54, Err=13 MAE=0.28, Err=7 Méthode par bloc norme l 2 norme l 1 sous-gradient projeté algo PPXA+

24 Caroline CHAUX - Autour des logiciels de l équipe signal 18/18 Conclusion Conception de nombreux logiciels dans des contextes différents (ANR, sous-traitance, contrats privés,...) Volonté d encourager la distribution libre des logiciels lorsque c est possible

25 Caroline CHAUX - Autour des logiciels de l équipe signal 18/18 Conclusion Conception de nombreux logiciels dans des contextes différents (ANR, sous-traitance, contrats privés,...) Volonté d encourager la distribution libre des logiciels lorsque c est possible Merci!

Arithmétique binaire. (Université Bordeaux 1) Architecture de l Ordinateur 2007-2008 1 / 10

Arithmétique binaire. (Université Bordeaux 1) Architecture de l Ordinateur 2007-2008 1 / 10 Entiers naturels Arithmétique binaire Représentation en base 10: 2034 = 2 10 3 + 0 10 2 + 3 10 1 + 4 10 0 Représentation en base 2: 11010 = 1 2 4 + 1 2 3 + 0 2 2 + 1 2 1 + 0 2 0 (Université Bordeaux 1)

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

PLAN Analyse d images Morphologie et Segmentation PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION

Plus en détail

T.P.3 Bis : Résoudre un problème d optimisation ou problème inverse à l aide du modèle du Laplacien en éléments finis P1 en dimension deux.

T.P.3 Bis : Résoudre un problème d optimisation ou problème inverse à l aide du modèle du Laplacien en éléments finis P1 en dimension deux. T.P.3 Bis : Résoudre un problème d optimisation ou problème inverse à l aide du modèle du Laplacien en éléments finis P1 en dimension deux. 24 février 9 Résolution du problème direct Le but de ce TP est

Plus en détail

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq»

Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Tests statistiques Formation «Analyse de données RNA-seq/ChiP-seq» Guy Perrière Pôle Rhône-Alpes de Bioinformatique 14 novembre 2012 Guy Perrière (PRABI) Tests statistiques 14 novembre 2012 1 / 40 Plan

Plus en détail

Présentation des stages et projets réalisés en Imagerie

Présentation des stages et projets réalisés en Imagerie Présentation des stages et projets réalisés en Imagerie Aurélie Canale Juin 2008 Introduction ISIMA : Option calcul et modélisation scientifiques Master recherche option imagerie Parcours axé imagerie,

Plus en détail

Autour de la valorisation de logiciels développés dans un laboratoire de recherche

Autour de la valorisation de logiciels développés dans un laboratoire de recherche Autour de la valorisation de logiciels développés dans un laboratoire de recherche Teresa Gomez-Diaz. 13 décembre 2007 1 Introduction Ce document développe la présentation (de même titre) réalisée pour

Plus en détail

Autour de la valorisation de logiciels. d un laboratoire de recherche

Autour de la valorisation de logiciels. d un laboratoire de recherche Autour de la valorisation de logiciels d un laboratoire de recherche Teresa Gomez-Diaz Laboratoire d informatique de l institut Gaspard-Monge CNRS-Université Paris-Est Journées MATHRICE IHP - Paris, 9-11

Plus en détail

L impact de deux strategies de compression dans le

L impact de deux strategies de compression dans le L impact de deux strategies de compression dans le problème stéréo Réunion scientifique, Imagerie stéréo et 3D GdR ISIS, 2011 G. Blanchet, A. Buades, B. Coll (Univ. Illes Balears), J.M. Morel, B. Rougé

Plus en détail

Méthode d aide à la conception en présence d imprécisions

Méthode d aide à la conception en présence d imprécisions Méthode d aide à la conception en présence d imprécisions Franck Massa, Thierry Tison, Bertrand Lallemand Laboratoire d'automatique, de Mécanique et d'informatique Industrielles et Humaines, UMR 8530,

Plus en détail

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit

Plus en détail

FILIÈRE MP - OPTION SCIENCES INDUSTRIELLES

FILIÈRE MP - OPTION SCIENCES INDUSTRIELLES ÉCOLE POLYTECHNIQUE ÉCOLE SUPÉRIEURE DE PHYSIQUE ETCHIMIEINDUSTRIELLES CONCOURS 2002 FILIÈRE MP - OPTION SCIENCES INDUSTRIELLES FILIÈRE PC ÉPREUVE FACULTATIVE D INFORMATIQUE (Durée : 2 heures) L utilisation

Plus en détail

Fusion de classifiers visuels et textuels pour un système de recherche d images

Fusion de classifiers visuels et textuels pour un système de recherche d images Fusion de classifiers visuels et textuels pour un système de recherche d images Sabrina Tollari, Hervé Glotin, Jacques Le Maitre Université du Sud Toulon-Var Giens, 16 juin 2004 1 Plan Problématique Du

Plus en détail

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image Plan Licence Pro 1. Généralités 2. Types d Images 3. Numérisation Bases de traitement d images 4. Couleurs Alain Dieterlen 5. Introduction au traitement d Images 6. Dégradations d une image Groupe LAB.EL,

Plus en détail

Réunion informelle sur les licences des logiciels

Réunion informelle sur les licences des logiciels Réunion informelle sur les licences des logiciels Teresa Gomez-Diaz Laboratoire d informatique de l institut Gaspard-Monge CNRS-Université Paris-Est 30 octobre 2008 Teresa Gomez-Diaz (IGM-LabInfo) Réunion

Plus en détail

FICHE DE RÉVISION DU BAC

FICHE DE RÉVISION DU BAC Note liminaire Programme selon les sections : - fonctions de références, représentations graphiques, dérivées, tableau de variations : toutes sections - opérations sur les limites, asymptotes : STI2D,

Plus en détail

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes

Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Statistiques des lois à queue régulière avec l application sur les perturbations des comètes Shuyan LIU Université Paris - SAMM Youri DAVYDOV et Radu STOICA Université Lille - Laboratoire Paul Painlevé

Plus en détail

COURS D ACOUSTIQUE DU DU BATIMENT. Chapitre 4 : ACOUSTIQUE DES LOCAUX CORRECTION ACOUSTIQUE

COURS D ACOUSTIQUE DU DU BATIMENT. Chapitre 4 : ACOUSTIQUE DES LOCAUX CORRECTION ACOUSTIQUE COURS D ACOUSTIQUE DU DU BATIMENT Chapitre 1 : NOTIONS DE BASE Chapitre 2 : LES SOURCES DE BRUIT Chapitre 3 : ISOLATION ACOUSTIQUE DES PAROIS Chapitre 4 : ACOUSTIQUE DES LOCAUX CORRECTION ACOUSTIQUE Chapitre

Plus en détail

Détection statistique d anomalies en présence de paramètres de nuisance

Détection statistique d anomalies en présence de paramètres de nuisance Détection statistique d anomalies en présence de paramètres de nuisance Lionel Fillatre ENST Bretagne, département Signal & Communication Lionel Fillatre (département SC) Détection d anomalies 1 / 29 Structure

Plus en détail

Etude expérimentale, modélisation et identification de la diffusivité thermique de peintures intumescentes.

Etude expérimentale, modélisation et identification de la diffusivité thermique de peintures intumescentes. Etude expérimentale, modélisation et identification de la diffusivité thermique de peintures intumescentes. Mathieu GILLET 1, Laetitia PEREZ 2, Laurent AUTRIQUE 1,3, Jean-Jacques SERRA 1,* 1 DGA/EHF BP

Plus en détail

www.universite-lyon.fr/lst Yannick TOCQUET Chargé de Valorisation Logiciels

www.universite-lyon.fr/lst Yannick TOCQUET Chargé de Valorisation Logiciels Yannick TOCQUET Chargé de Valorisation Logiciels Plan Missions et activités de Lyon Science Transfert Protection et valorisation des logiciels Maturation de projets logiciels Qui sommes nous? Lyon Science

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

Camille COUPRIE. Synthèse de la thèse. Optimisation variationnelle discrète et applications en vision par ordinateur

Camille COUPRIE. Synthèse de la thèse. Optimisation variationnelle discrète et applications en vision par ordinateur Université Paris Est École doctorale MSTIC Camille COUPRIE Synthèse de la thèse Optimisation variationnelle discrète et applications en vision par ordinateur Soutenue le 0 octobre 20 Membres du jury :

Plus en détail

La valorisation des logiciels au CNRS. Pascaline Toutois Service Partenariat et Valorisation CNRS Rhône-Auvergne

La valorisation des logiciels au CNRS. Pascaline Toutois Service Partenariat et Valorisation CNRS Rhône-Auvergne La valorisation des logiciels au CNRS Pascaline Toutois Service Partenariat et Valorisation CNRS Rhône-Auvergne Formation pour le developpement et la ValOrisation des Logiciels en environnement de recherche

Plus en détail

Validation des méthodes analytiques : Le profil d exactitude

Validation des méthodes analytiques : Le profil d exactitude Validation des méthodes analytiques : Le profil d exactitude Pourquoi valider une méthode analytique? Passer à une utilisation de l outil d analyse en routine Obligations réglementaires : normes qualité,

Plus en détail

Introduction. «Enseigner la sémiologie, constats et premier bilan»

Introduction. «Enseigner la sémiologie, constats et premier bilan» Introduction «Enseigner la sémiologie, constats et premier bilan» Jean-Paul BORD Président de la commission «Enseignement» du CFC Professeur Université Paul-Valéry Montpellier 3 Géographe Cartographe Géomaticien

Plus en détail

Méthodologie d'évaluation 1. Analyse et estimation de l'erreur. 10 Novembre 2009

Méthodologie d'évaluation 1. Analyse et estimation de l'erreur. 10 Novembre 2009 Méthodologie d'évaluation 1. Analyse et estimation de l'erreur 10 Novembre 2009 Datamining 1 2009-2010 Plan 1 Décomposition biais/variance de l'erreur 2 Techniques d'estimation de l'erreur Datamining 2

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

Pour un socle de la licence de MATHEMATIQUES Pour un socle de la licence de MATHEMATIQUES Société Mathématique de France Société de Mathématiques Appliquées et Industrielles Société Française de Statistique Contexte général Afin d éviter de trop

Plus en détail

Comparaison d approches statistiques pour la classification de textes d opinion. Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM)

Comparaison d approches statistiques pour la classification de textes d opinion. Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM) Comparaison d approches statistiques pour la classification de textes d opinion Michel Plantié, Gérard Dray, Mathieu Roche (LGI2P/EMA LIRMM) Caractéristiques des traitements Approche identique pour les

Plus en détail

Techniques de synchronisatio. communications numériques

Techniques de synchronisatio. communications numériques n pour les communications numériques ENST-Bretagne Département Signal et Communication 1/13 Sommaire La synchronisation dans les communications numériques Présentation du contexte Hypothèses sur les perturbations

Plus en détail

Le modèle d innovation en traitement du signal

Le modèle d innovation en traitement du signal Le modèle d innovation en traitement du signal Julien Fageot A partir d un stage réalisé au sein du Biomedical Imaging Group de l EPFL, coencadré par M. Unser et P. Tafti. 1 Introduction Le traitement

Plus en détail

PERFE03 Non régression du calcul de type agrégat de la plate-forme PERFECT

PERFE03 Non régression du calcul de type agrégat de la plate-forme PERFECT Titre : PERFE03 Non régression du calcul de type agrégat[...] Date : 03/08/2011 Page : 1/5 PERFE03 Non régression du calcul de type agrégat de la plate-forme PERFECT Résumé : Ce test valide les commandes

Plus en détail

DOSSIER DE CANDIDATURE

DOSSIER DE CANDIDATURE DOSSIER DE CANDIDATURE Trophée Hydro Innovation HydroGaïa 2015 Ce Dossier de candidature a pour vocation de faire comprendre tout l'intérêt de votre projet aux membres du jury du Trophée Hydro Innovation

Plus en détail

Estimation indirecte en sciences humaines : une méthode bayésienne

Estimation indirecte en sciences humaines : une méthode bayésienne Estimation indirecte en sciences humaines : une méthode bayésienne Henri Caussinus, Institut de Mathématiques de Toulouse, en collaboration avec Daniel Courgeau, INED Isabelle Séguy, INED Luc Buchet, CNRS

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

ANALYSER ET REPRESENTER L ORGANISATION D UN SYSTEME D INFORMATION

ANALYSER ET REPRESENTER L ORGANISATION D UN SYSTEME D INFORMATION ANALYSER ET REPRESENTER L ORGANISATION D UN SYSTEME D INFORMATION A5. 3 Gestion de l information Processus 10 L échange d informations dans la PME Quand échange-t-on de l information? Tous les acteurs

Plus en détail

Synergies entre disciplines pour les enjeux de la performance industrielle

Synergies entre disciplines pour les enjeux de la performance industrielle Synergies entre disciplines pour les enjeux de la performance industrielle Colloque : "Les mutations numériques et environnementales au service de la performance industrielle" 17 Mai 2013 Les membres de

Plus en détail

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales

Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Cahier des charges pour la conception des sujets pour l ECE en TS Évaluation des Compétences Expérimentales Sommaire Définition et objectifs de l épreuve.. p1 Compétences à évaluer.. p2 Conception du sujet..

Plus en détail

Traitement d images. Chapitre I Prétraitements

Traitement d images. Chapitre I Prétraitements Traitement d images Chapitre I Prétraitements 1 2 Introduction Les prétraitements d une image consiste à effectuer des opérations visant à : améliorer sa qualité visuelle restaurer l image en éliminant

Plus en détail

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée

STAGES. VISION PAR ORDINATEUR Perception 3D Réalité Augmentée STAGES VISION PAR ORDINATEUR Perception 3D Réalité Augmentée Le CEA-LIST Les activités de recherche du CEA LIST sont centrées sur les systèmes à logiciel prépondérant. Ces activités s articulent autour

Plus en détail

Présentation de quelques techniques de shape-from-x

Présentation de quelques techniques de shape-from-x Présentation de quelques techniques de shape-from-x Jean-Denis DUROU IRIT - Toulouse Jean-Denis DUROU (IRIT - Toulouse) ISIS - 12 avril 2011 1 / 36 Introduction Scannage 3D, reconstruction 3D et shape-from-x

Plus en détail

Analyse d images numériques en microscopie

Analyse d images numériques en microscopie Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement

Plus en détail

Le suivi des caractéristiques faciales en temps réel

Le suivi des caractéristiques faciales en temps réel Le suivi des caractéristiques faciales en temps réel ABDAT FAIZA Encadrée par : A.Pruski C.Maaoui Laboratoire d Automatique des Systèmes Coopératifs Université de METZ 25 Mars 2008 Plan Objectif 1. Détection

Plus en détail

L estimation du modèle a priori Décompter les ddl

L estimation du modèle a priori Décompter les ddl L estimation du modèle a priori Décompter les ddl ------------ François Cheptou Juin 004 Dans le programme de mathématiques BTS Chimiste, trois modèles a priori sont étudiés. ) = µ (modèle simple) ) =

Plus en détail

La production de logiciels et les organismes de recherche : questions juridiques et de politique scientifique

La production de logiciels et les organismes de recherche : questions juridiques et de politique scientifique La production de logiciels et les organismes de recherche : questions juridiques et de politique scientifique Teresa Gomez-Diaz Laboratoire d informatique Gaspard-Monge PLUME solutions LINUX Open Source,

Plus en détail

Algorithmes de descente par blocs pour l apprentissage creux

Algorithmes de descente par blocs pour l apprentissage creux Algorithmes de descente par blocs pour l apprentissage creux Mehdi Meghzifene 11//211 1 Table des matières 1 Introduction 3 1.1 Principe......................................... 3 2 Résolution 4 2.1 Minimisation

Plus en détail

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated

Draft. Introduction à la Plateforme Dynare. Jean-Paul K. Tsasa Vangu. Mars 2, 2012; updated Jean-Paul K. Tsasa Vangu Laboratoire d analyse-recherche en économie quantitative (Atelier Laréq) Mars 2, 2012; updated Qu est-ce que Dynare? Dynare est un logiciel qui permet de simuler et d estimer les

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

Rapport IN52. Sujet : Résolution d un puzzle CARRE Julien PIERNOT Jérôme Rapport IN52 Sujet : Résolution d un puzzle Responsable : M. Ruicheck Y. Automne 2007 1 SOMMAIRE INTRODUCTION...3 I. Description et approche du sujet...4 1. Description 2. Outils

Plus en détail

LIF4 - Optimisation à base de règles

LIF4 - Optimisation à base de règles LIF4 - Optimisation à base de règles Fabien Duchateau fabien.duchateau [at] univ-lyon1.fr Université Claude Bernard Lyon 1 2015-2016 http://liris.cnrs.fr/fabien.duchateau/ens/lif4/ Remerciements : Nicolas

Plus en détail

Modélisation AR et prédiction

Modélisation AR et prédiction T.P. 7 Modélisation AR et prédiction 1 Introduction au traitement de la parole 1.1 Généralités Un premier point concerne le choix de la fréquence d échantillonnage. Dans le domaine de la téléphonie cela

Plus en détail

Rapport d évaluation. de l'université d Artois. Unité de recherche : Centre de Recherche en Informatique de Lens (CRIL)

Rapport d évaluation. de l'université d Artois. Unité de recherche : Centre de Recherche en Informatique de Lens (CRIL) Section des Unités de recherche Rapport d évaluation Unité de recherche : Centre de Recherche en Informatique de Lens (CRIL) de l'université d Artois février 2009 Section des Unités de recherche Rapport

Plus en détail

Effet d une rénovation thermique sur la performance acoustique de bâtiments

Effet d une rénovation thermique sur la performance acoustique de bâtiments Effet d une rénovation thermique sur la performance acoustique de bâtiments C. Guigou-Carter, R. Foret, M. Villot and J.-B. Chéné CSTB - Centre Scientifique et Technique du Bâtiment PAGE 1 Introduction

Plus en détail

Plate-forme semi-automatique : E-quity

Plate-forme semi-automatique : E-quity Plate-forme semi-automatique : E-quity Bringay Sandra 1, Pinlou Alexandre 1, Durand Sylvain 1, Pro Sébastien 1, Séébold Patrice 1 Département MIAp, Université Paul-Valéry, Montpellier 3, Route de Mende,

Plus en détail

EMB7000 Introduction au systèmes embarqués. Les convertisseurs A/N et N/A

EMB7000 Introduction au systèmes embarqués. Les convertisseurs A/N et N/A EMB7000 Introduction au systèmes embarqués Les convertisseurs A/N et N/A Objectifs d apprentissage Étudier différents types de convertisseurs analogiquesnumériques et numériques analogiques Décrire les

Plus en détail

GELE5223 Chapitre 4 : Adaptation d impédances

GELE5223 Chapitre 4 : Adaptation d impédances GELE5223 Chapitre 4 : Adaptation d impédances Gabriel Cormier, Ph.D., ing. Université de Moncton Automne 200 Gabriel Cormier (UdeM) GELE5223 Chapitre 4 Automne 200 / 44 Introduction Contenu Contenu Adaptation

Plus en détail

SOLUTIONS DE MESURE 3D EN EDUCATION

SOLUTIONS DE MESURE 3D EN EDUCATION SOLUTIONS DE MESURE 3D EN EDUCATION Bien que les solutions de mesure optique soient apparues assez récemment sur le marché de la métrologie, il ne fait aucun doute qu elles sont là pour rester. Les technologies

Plus en détail

Java : Programmation Impérative

Java : Programmation Impérative 1 Java : Programmation Impérative Résumé du cours précédent (I11) Paradigme impératif Algorithmique simple Découpage fonctionnel Qu est-ce qu un programme informatique? / un langage de programmation? /

Plus en détail

Introduction à l informatique et la programmation IF1 2010-2011

Introduction à l informatique et la programmation IF1 2010-2011 Préambule Organisation Organisation générale Introduction à l informatique et la programmation IF 200-20 Matthieu Picantin Cours le jeudi de 4h30 à 6h30 en amphi 2A groupe α : 6/09 4/0 28/0 25/ 09/2 groupe

Plus en détail

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010

Plan de cours. Programme : Sciences de la nature 200.B0 2-2-2. 2 2/3 unités. Automne 2010 Plan de cours Programme : Sciences de la nature 00.B0 Département : Titre du cours : Code du cours : Mathématiques Probabilités et Statistiques 01-GHC-04 -- /3 unités Automne 010 Éric Brunelle A-10 450-347-5301

Plus en détail

PROJET DE ZONE D ACTIVITÉS PRAT GOUZIEN PENMARC H (29) DIAGNOSTIC ACOUSTIQUE

PROJET DE ZONE D ACTIVITÉS PRAT GOUZIEN PENMARC H (29) DIAGNOSTIC ACOUSTIQUE 14 rue du Rouz 29900 Concarneau Tél : 02.98.90.48.15 - Fax : 01.43.14.29.03 Email : bzh@alhyange.com PROJET DE ZONE D ACTIVITÉS PRAT GOUZIEN PENMARC H (29) DIAGNOSTIC ACOUSTIQUE ETAT SONORE INITIAL BE

Plus en détail

28 nov. 1 déc. 2005 Formation INRA ACTA ICTA La Rochelle. David Makowski. UMR Agronomie INRA/INA-PG makowski@grignon.inra.fr

28 nov. 1 déc. 2005 Formation INRA ACTA ICTA La Rochelle. David Makowski. UMR Agronomie INRA/INA-PG makowski@grignon.inra.fr 28 nov. 1 déc. 2005 Formation INRA ACTA ICTA La Rochelle David Makowski UMR Agronomie INRA/INA-PG makowski@grignon.inra.fr Mon cours sur l estimation des paramètres comportent deux parties. La première

Plus en détail

MODALITES DE PARTICIPATION

MODALITES DE PARTICIPATION MODALITES DE PARTICIPATION POUR LES PARTICIPANTS FRANÇAIS IMPORTANT : 1. Le présent document énonce les modalités de participation des partenaires français à l appel à projets de l ERA-NET COFUND du JPI-AMR.

Plus en détail

Modélisation des codes de calcul dans. le cadre des processus gaussiens

Modélisation des codes de calcul dans. le cadre des processus gaussiens Modélisation des codes de calcul dans le cadre des processus gaussiens Amandine Marrel Laboratoire de Modélisation des Transferts dans l Environnement CEA Cadarache Introduction (1) Fiabilité et calcul

Plus en détail

Mode d emploi du logiciel guifitcurve

Mode d emploi du logiciel guifitcurve Mode d emploi du logiciel guifitcurve D. Legland 18 juin 2008 Résumé Le programme guifitcurve est une interface graphique sous Matlab pour ajuster un contour polynomial à des images numérisées. L application

Plus en détail

Introduction aux systèmes bouclés

Introduction aux systèmes bouclés Introduction aux systèmes bouclés Séminaire des Sciences de l Ingénieur Académie de Versailles 16 Mai 2012 Christophe DEBERNARDI Version 1.32 Lycée Richelieu - Rueil-Malmaison 1 Plan Lycée Richelieu -

Plus en détail

OFFRE DE STAGE D'ETUDES 2015/2016

OFFRE DE STAGE D'ETUDES 2015/2016 N Alias : NB10306960 Titre du stage : Etude, réalisation d'un convertisseur à découpage DC/DC pour application satellite, assurant la fourniture d un réseau électrique secondaire en 28Volts à partir d

Plus en détail

SYSTEMES D EQUATIONS

SYSTEMES D EQUATIONS SYSTEMES D EQUATIONS I Définition: Un système de deux équations du premier degré à deux inconnues x et y est de la forme : a x + b y = c a' x + b' y = c' où a, b, c, et a', b', c' sont des nombres donnés.

Plus en détail

Présentation des Principes fondamentaux de la communication

Présentation des Principes fondamentaux de la communication Présentation des Principes fondamentaux de la communication Voici les Principes fondamentaux de la communication un atelier modulaire! L objectif de cette ressource est de fournir aux animateurs les outils

Plus en détail

Projet (partie graphes)

Projet (partie graphes) Projet (partie graphes) G. Richomme gwenael.richomme@univ-montp3.fr Université Paul Valéry Montpellier 3 Licence AES parcours Misahs cours 2013-2014 1 Objectifs et MCC Objectifs : construire une (mini-)application

Plus en détail

SysML et cohérence pédagogique en CPGE

SysML et cohérence pédagogique en CPGE 1 SysML et cohérence pédagogique en CPGE Vincent CRESPEL et Marc DÉRUMAUX Professeurs en Classes Préparatoires aux Grandes Écoles (filière PSI) Lycée Saint-Louis PARIS 6 2 Quelques pistes de réflexion

Plus en détail

Thème 15 : Robotique 1 Cycles 2 et 3

Thème 15 : Robotique 1 Cycles 2 et 3 Thème 15 : Robotique 1 Cycles 2 et 3 Objectifs : - Objectifs notionnels : découverte de la robotique et de la programmation à l école primaire - Objectifs méthodologiques : o Donner son point de vue et

Plus en détail

Expressions, types et variables en Python

Expressions, types et variables en Python Expressions, types et variables en Python 2015-08-26 1 Expressions Les valeurs désignent les données manipulées par un algorithme ou une fonction. Une valeur peut ainsi être : un nombre, un caractère,

Plus en détail

Thèse. Connaissances et clustering collaboratif d objets complexes multisources

Thèse. Connaissances et clustering collaboratif d objets complexes multisources Laboratoire des Sciences de l Image, de l Informatique et de la Télédétection UMR 7005 UDS/CNRS École Doctorale Mathématiques, Sciences de l Information et de l Ingénieur Thèse présentée pour obtenir le

Plus en détail

Septembre 2008 DataLab

Septembre 2008 DataLab Septembre 2008 DataLab Toute la connaissance client en quelques minutes DataLab, Logiciel distribué par AMABIS www.amabis.com Tel 01 45 36 45 00 Valorisation des bases de données marketing Un aperçu de

Plus en détail

Le CNES facilite le développement des services médicaux

Le CNES facilite le développement des services médicaux Le CNES facilite le développement des services médicaux Philippe BILLAST Les Objectifs Grâce à CESARS, le Centre National d'études Spatiales et ses partenaires visent à Développer l'usage des télécommunications

Plus en détail

TS 34 Le poids des images

TS 34 Le poids des images FICHE 1 Fiche à destination des enseignants TS 34 Le poids des images Type d'activité Activité Notions et contenus du programme de Terminale S Compétences exigibles du programme de Terminale S Images numériques

Plus en détail

Gestion de la congestion

Gestion de la congestion Gestion de la congestion réseau de télécommunication ou de transport Madiagne Diallo Laboratoire Université de Versailles, France Projet FT R&D Participants : Barth, Bouhtou, Diallo et Wynter : 000 --

Plus en détail

LIVRE BLANC. Pourquoi choisir la qualité d image Sony?

LIVRE BLANC. Pourquoi choisir la qualité d image Sony? LIVRE BLANC Pourquoi choisir la qualité d image Sony? Introduction Pourquoi choisir la qualité d image Sony? L avenir de la surveillance IP sera en Full HD. De nombreuses entreprises ne cessent de parler

Plus en détail

Estimation du coût de développement UML à partir du cahier des charges

Estimation du coût de développement UML à partir du cahier des charges Estimation du coût de développement UML à partir du cahier des charges Philippe Larvet Frédérique Vallée Estimation des projets logiciels - CNAM/CMSL page n 1 Plan de la présentation ❶ Introduction ❷ Choix

Plus en détail

Réutilisation de services web composites par la métaphore du système immunitaire

Réutilisation de services web composites par la métaphore du système immunitaire UMR 5205 Réutilisation de services web composites par la métaphore du système immunitaire, Salima BENBERNOU, Salima HASSAS Atelier Systèmes d Information et de Services Web INFORSID 2006, Hammamet (Tunisie)

Plus en détail

PROGRAMME DES COURS :

PROGRAMME DES COURS : PROGRAMME DES COURS : M1 : Physique des Matériaux Propriétés thermiques des isolants Défauts et imperfections dans les matériaux cristallins Théorie des électrons libres Capacité calorifique, Conductivités

Plus en détail

Statistique (MATH-F-315, Cours #3)

Statistique (MATH-F-315, Cours #3) Statistique (MATH-F-315, Cours #3) Thomas Verdebout Université Libre de Bruxelles 2015 Plan de la partie Statistique du cours 1. Introduction. 2. Théorie de l estimation. 3. Tests d hypothèses et intervalles

Plus en détail

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, 18-21 janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman

Plus en détail

Laboratoire #4. Cours GPA-787 Session Hiver 2013. Guy Gauthier Ph.D., ing.

Laboratoire #4. Cours GPA-787 Session Hiver 2013. Guy Gauthier Ph.D., ing. Laboratoire #4 Cours GPA-787 Session Hiver 2013 Guy Gauthier Ph.D., ing. Table des matières Informations générales... 3 Objectifs:... 3 Évaluation:... 3 Détails sur l évaluation du laboratoire... 3 Contenu

Plus en détail

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires

Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Validation numérique de l homogénéisation pour un modèle simplifié de stockage avec sources aléatoires Introduction Modélisation de la migration de radionucléide Vers un modèle probabiliste Calcul des

Plus en détail

Apprentissage Automatique Numérique

Apprentissage Automatique Numérique Apprentissage Automatique Numérique Loïc BARRAULT Laboratoire d Informatique de l Université du Maine (LIUM) loic.barrault@lium.univ-lemans.fr 16 septembre 2015 1/42 Problème classique Automatique Autre

Plus en détail

Résolution de systèmes linéaires creux par des méthodes directes

Résolution de systèmes linéaires creux par des méthodes directes Résolution de systèmes linéaires creux par des méthodes directes J. Erhel Janvier 2014 1 Stockage des matrices creuses Dans de nombreuses simulations numériques, la discrétisation du problème aboutit à

Plus en détail

Test du logiciel, cours 3. Tests fonctionnels. Tests fonctionnels. Rappel : spécification du logiciel. Plan Les tests fonctionnels Les phases de tests

Test du logiciel, cours 3. Tests fonctionnels. Tests fonctionnels. Rappel : spécification du logiciel. Plan Les tests fonctionnels Les phases de tests Test du logiciel, cours 3 Tests fonctionnels Critère d arrêt Plan Les tests fonctionnels Les phases de tests Couvertures de tests fonctionnels : On ne peut connaître a priori le nombre de tests nécessaires

Plus en détail

Analyse de données de spectrométrie de masse

Analyse de données de spectrométrie de masse Analyse de données de spectrométrie de masse A. Antoniadis, J. Bigot, S. Lambert-Lacroix, F. Letué Laboratoire Jean Kuntzmann, Grenoble octobre 2009 Plan de l exposé Acquisition de données SELDI-TOF (ou

Plus en détail

MIXMOD. Un ensemble logiciel de classification des données par modèles de mélanges MIXMOD. F. Langrognet () MIXMOD Avril 2012 1 / 28

MIXMOD. Un ensemble logiciel de classification des données par modèles de mélanges MIXMOD. F. Langrognet () MIXMOD Avril 2012 1 / 28 MIXMOD Un ensemble logiciel de classification des données par modèles de mélanges MIXMOD F. Langrognet () MIXMOD Avril 2012 1 / 28 PLAN 1 La classification des données 2 MIXMOD, ensemble logiciel de classification

Plus en détail

Utilisation d espaces de Sobolev fractionnaires en reconstruction tomographique d objets binaires

Utilisation d espaces de Sobolev fractionnaires en reconstruction tomographique d objets binaires Utilisation d espaces de Sobolev fractionnaires en reconstruction tomographique d objets binaires M. Bergounioux & E. Trélat MAPMO Université d Orléans Journées du GDR - MOA Porquerolles 19-21 Octobre

Plus en détail

Évaluation de la classification et segmentation d'images en environnement incertain

Évaluation de la classification et segmentation d'images en environnement incertain Évaluation de la classification et segmentation d'images en environnement incertain EXTRACTION ET EXPLOITATION DE L INFORMATION EN ENVIRONNEMENTS INCERTAINS / E3I2 EA3876 2, rue F. Verny 29806 Brest cedex

Plus en détail

dans le cadre des infrastructures nationales

dans le cadre des infrastructures nationales La politique du TGE pour les centres de ressources dans le cadre des infrastructures nationales Stéphane Pouyllau & Richard Walter Le TGE Adonis Trois axes majeurs : Structuration d un réseau de centres

Plus en détail

Gestion des auto-occultations pour l augmentation d une surface déformable

Gestion des auto-occultations pour l augmentation d une surface déformable Gestion des auto-occultations pour l augmentation d une surface déformable V. Gay-Bellile 1,2 A. Bartoli 1 P. Sayd 2 1 LASMEA, UMR 6602 CNRS/UBP, Clermont-Ferrand 2 LCEI, CEA LIST, Saclay Vincent.Gay-Bellile@univ-bpclermont.fr

Plus en détail

Programme associé TANGO de GéoPlus PARTENARIAT STRATÉGIQUE

Programme associé TANGO de GéoPlus PARTENARIAT STRATÉGIQUE Programme associé TANGO de GéoPlus PARTENARIAT STRATÉGIQUE Tirer profit de notre expérience, solutions et expertise! Bienvenue au programme d'associé TANGO de GéoPlus. Un outil qui vous laisse saisir votre

Plus en détail

Cours IFT6266, Apprentissage Non-Supervisé de Variétés

Cours IFT6266, Apprentissage Non-Supervisé de Variétés Cours IFT6266, Apprentissage Non-Supervisé de Variétés L Apprentissage Non-Supervisé L apprentissage non-supervisé vise à caractériser la distribution des données, et les relations entre les variables,

Plus en détail

Représentation des images et ondelettes

Représentation des images et ondelettes Représentation des images et ondelettes François Malgouyres Département d informatique de l université Paris 3 http://www.zeus.math.univ-paris3.fr/ malgouy malgouy@math.univ-paris3.fr Table des matières

Plus en détail

Atelier 2. «Comment intégrer la question du changement climatique (CC) dans les projets éducatifs?»

Atelier 2. «Comment intégrer la question du changement climatique (CC) dans les projets éducatifs?» Séminaires décentralisé Lycées et CFA Ecoresponsables Mars 2015 Atelier 2 «Comment intégrer la question du changement climatique (CC) dans les projets éducatifs?» Horaires : 11h-12h30 Déroulement de l

Plus en détail

Dossier type de dépôt

Dossier type de dépôt Dossier type de dépôt Phase de présélection : Dans un premier temps, les partenaires sont invités à constituer et à déposer en ligne un DOSSIER DE CANDIDATURE, synthèse des différents éléments constitutifs

Plus en détail