Autour des logiciels de l équipe signal
|
|
- Nadine Labbé
- il y a 8 ans
- Total affichages :
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!
Quantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
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 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 détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailUtilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques
Utilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques Mathias Kleiner Laboratoire des Sciences de l Information et des Systèmes (LSIS) - UMR CNRS 7296 Projet Ingenierie
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 détailLa Valorisation des logiciels dans l enseignement supérieur : aspects pratiques vus d un laboratoire. Ecole ENVOL Projet PLUME Annecy - Octobre 2008
La Valorisation des logiciels dans l enseignement supérieur : aspects pratiques vus d un laboratoire Ecole ENVOL Projet PLUME Annecy - Octobre 2008 Plan de l intervention L Institut de Recherche en Informatique
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 détailAutonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique
L irrésistible ascension du capitalisme académique 18-19 avril 2013 Autonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique Julien Barrier
Plus en détailRenforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.
Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière
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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailDG-ADAJ: Une plateforme Desktop Grid
DG-ADAJ: Une plateforme pour Desktop Grid Olejnik Richard, Bernard Toursel Université des Sciences et Technologies de Lille Laboratoire d Informatique Fondamentale de Lille (LIFL UMR CNRS 8022) Bât M3
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
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 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 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 détailARCHEOVISION. Centre de Ressources Numériques 3D. UMR 5607 du CNRS. R. Vergnieux IR-CNRS
ARCHEOVISION Centre de Ressources Numériques 3D R. Vergnieux IR-CNRS UMR 5607 du CNRS Archéovision CNRS Caroline Delevoie (AI cnrs Coordination - 2D) Bruno Dutailly (IE cnrs Dev. 3D) Robert Vergnieux (IR
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 détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailMAIDESC - KO 21 Novembre 2013 Etienne Wey Alexandre Boilley
MAIDESC - KO 21 Novembre 2013 Etienne Wey Alexandre Boilley S.A. créée en 1984 à Sophia Antipolis avec ARMINES comme actionnaire principal Activité majeure centrée autour des logiciels de simulation de
Plus en détailL Institut National des Sciences Mathématique et de leurs. Premiers éléments d un bilan à deux ans.
L Institut National des Sciences Mathématique et de leurs Interactions (INSMI) : Premiers éléments d un bilan à deux ans. 1. Mise en place de l INSMI Au CNRS, l année 2009 a été une année de transition
Plus en détailIntroduction à l informatique en BCPST
Introduction à l informatique en BCPST Alexandre Benoit BCPST L informatique en BCPST «L enseignement de l informatique en classes préparatoires de la filière BCPST a pour objectif d introduire puis de
Plus en détailUne plate-forme pour la quantification des incertitudes sous Matlab
UQLab Une plate-forme pour la quantification des incertitudes sous Matlab Bruno Sudret Stefano Marelli ETH Zürich, Institute of Structural Engineering Chair of Risk, Safety & Uncertainty Quantification
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailStratégie Open Source et Présentation du Centre de recherche et d innovation sur le logiciel libre
Stratégie Open Source et Présentation du Centre de recherche et d innovation sur le logiciel libre 1 INTECH, GRENOBLE, 12/01/2010 Patrick MOREAU patrick.moreau@inria.fr Direction du Transfert et de l Innovation
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 détailRevenu net 2,509,803 101,280 113,506 115,765 119,401
Propr. VPN 2011 2012 2013 2014 C 49 50 51 52 S 47 48 49 50 C 0 100,000 116,555 134,383 153,941 S 0 0 6,536 13,778 21,811 C 0 35,000 39,869 39,859 33,783 C 5,000 10,931 S 0 35,000 37,869 35,694 27,739 S
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailUNIVERSITE DE BREST Référence GALAXIE : 4201
UNIVERSITE DE BREST Référence GALAXIE : 4201 Numéro dans le SI local : 6300MCF0617 Référence GESUP : 0617 Corps : Maître de conférences Article : 26-I-1 Chaire : Non Section 1 : 63-Génie électrique, électronique,
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 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 détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailCSMA 2011 SCHEMAS NUMERIQUES CONSERVATIFS POUR DES PRO- BLEMES DE VIBRO-IMPACTS DE POUTRES ET DE PLAQUES. 1 Introduction
CSMA 2011 10e Colloque National en Calcul des Structures 9-13 Mai 2011, Presqu île de Giens Var) SCHEMAS NUMERIQUES CONSERVATIFS POUR DES PRO- BLEMES DE VIBRO-IMPACTS DE POUTRES ET DE PLAQUES C. POOLINI
Plus en détailF.N.M.F. Direction des Systèmes d'information CAHIER DES ANNEXES. des normes RM-TPG et RM-EH
F.N.M.F. Direction des Systèmes d'information CAHIER DES ANNEXES des normes RM-TPG et RM-EH Version Décembre 2013 Modifications apportées avec la version 12/2013 Mise a jour sur ANNEXE 105 : Identification
Plus en détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailMatrice snapshot 2013. Jacquelin Charbonnel ANF RNBM - Marseille, 23 mai 2013
Mathrice snapshot 2013 Jacquelin Charbonnel ANF RNBM - Marseille, 23 mai 2013 Jacquelin Charbonnel ANF RNBM - Marseille, 23 mai 2013 Plan Organisation, fonctionnement, activités de Mathrice Quelques services
Plus en détailApproche par marquage pour l évaluation de la qualité d image dans les applications multimédias
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Approche par marquage pour l évaluation de la qualité d image dans les applications multimédias MÉMOIRE (INF6021) pour l obtention
Plus en détailintelligence artificielle et cognitique"
Dialogue on Education, 11h-11h10 Course overview on "Automatisation avancée, intelligence artificielle et cognitique" Prof. Dr. Jean-Daniel Dessimoz, MBA, HES-SO / HEIG-VD 11:00-11:10, 18 November 2014
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailLivrable 2.1 Rapport d analyse et de restructuration de code monothread des modules P, T, Q et F de l encodage MPEG-4 AVC
Groupe des Ecoles des Télécommunications Institut National des Télécommunications Département ARTEMIS Advanced Research & TEchniques for Multidimensional Imaging Systems Livrable 2.1 Rapport d analyse
Plus en détailLogiciel Libre Cours 9 Modèles Économiques
Logiciel Libre Cours 9 Modèles Économiques Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/ Copyright
Plus en détailApprentissage non paramétrique en régression
1 Apprentissage non paramétrique en régression Apprentissage non paramétrique en régression Résumé Différentes méthodes d estimation non paramétriques en régression sont présentées. Tout d abord les plus
Plus en détailLabCom SMILK. Social Media Intelligence and Linked Knowledge. ISTE 2013 Keynote thumb wrestling
LabCom SMILK Social Media Intelligence and Linked Knowledge ISTE 2013 Keynote thumb wrestling un lab quoi? un Laboratoire de recherche Commun (LabCom) entre un organisme de recherche et une entreprise
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
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 détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailCours 1 : Introduction Ordinateurs - Langages de haut niveau - Application
Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un
Plus en détailModèle multi-agents de prise de décision éthique
Équipe Modèles, Agents, Décision Laboratoire GREYC CNRS UMR 6072 Université de Caen Basse-Normandie ENSICAEN Boulevard du Maréchal Juin CS 14 032, 14 032 Caen Cedex 5 Tel. : +33 (0)2 31 56 74 84 Fax :
Plus en détailLe projet HBS. LETI/DSIS Jean-Jacques Chaillout jean-jacques.chaillout@cea.fr. CEA. All rights reserved
Le projet HBS LETI/DSIS Jean-Jacques Chaillout jean-jacques.chaillout@cea.fr Les buts du projet HBS En 2010 : 8.3 milliards, 1.3 millions d implantations par an, forte croissance dans pays émergents Réduire
Plus en détailInterception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
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 détailSimulation Matlab/Simulink d une machine à induction triphasée. Constitution d un référentiel
Simulation Matlab/Simulink une machine à inuction triphasée Constitution un référentiel Capocchi Laurent Laboratoire UMR CNRS 6134 Université e Corse 3 Octobre 7 1 Table es matières 1 Introuction 3 Moélisation
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
ème Congrès Français d'acoustique Lyon, -6 Avril Application de l'analyse Multirésolution en Ondelettes Pour la Prédiction de l'usure des Outils de Coupe Mohamed Khemissi Babouri, Nouredine Ouelaa Laboratoire
Plus en détailCouplage d une base de données documentaire à une visualisation interactive 3D sur l Internet
Couplage d une base de données documentaire à une visualisation interactive 3D sur l Internet Romain Raffin, Jean-luc REY Aix-Marseille Université Plate-forme technologique PRISM Iut d Aix-Marseille romain.raffin[at]univ-amu.fr
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailGestion du projet pour qu'il soit pérenne et collaboratif
Gestion du projet pour qu'il soit pérenne et collaboratif Franck Gabarrot Atelier projet Promise les 30 et 31 mars 2015 Paris IPSL CDS ESPRI Public visé dans nos réflexions d'organisation Tout le monde
Plus en détailSDLS08 - Modes propres d'une plaque carrée calculés sur base réduite
Titre : SDLS08 - Modes propres d'une plaque carrée calculé[...] Date : 03/08/2011 Page : 1/6 SDLS08 - Modes propres d'une plaque carrée calculés sur base réduite Résumé : Ce cas test a pour objectif de
Plus en détailUne fréquence peut-elle être instantanée?
Fréquence? Variable? Instantané vs. local? Conclure? Une fréquence peut-elle être instantanée? Patrick Flandrin CNRS & École Normale Supérieure de Lyon, France Produire le temps, IRCAM, Paris, juin 2012
Plus en détailUNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE. Département Génie des Systèmes Mécaniques / UMR CNRS Roberval 7337. en option Sous titre ex : Espace documentaire
UNIVERSITÉ DE TECHNOLOGIE COMPIÈGNE Département Génie des Systèmes Mécaniques / UMR CNRS Roberval 7337 en option Sous titre ex : Espace documentaire Alexandre DURUPT MCF - UTCalexandre.durupt@utc.fr Benoît
Plus en détailInformatique Médicale & Ingénierie des Connaissances Pour la e-santé
Li ics Laboratoire d Informatique Médicaleet d Ingénierie des Connaissances en e-santé Projet de création d une UMR Inserm Université Pierre et Marie Curie, Université Paris Nord Informatique Médicale
Plus en détailLe logiciel libre. Jeudi 19 janvier 2012. Rémi Boulle rboulle@april.org. Sébastien Dinot sdinot@april.org
Le logiciel libre Jeudi 19 janvier 2012 Rémi Boulle rboulle@april.org Sébastien Dinot sdinot@april.org 2012-01-19 - Document diffusé sous licence CC BY-SA Creative Commons Paternité - Partage des conditions
Plus en détailFilière MMIS. Modélisation Mathématique, Images et Simulation. Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti
Filière MMIS Modélisation Mathématique, Images et Simulation Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti Valerie.Perrier@imag.fr Modélisation mathématique, Images et simulation (MMIS)
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailLa segmentation à l aide de EG-SAS. A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM
La segmentation à l aide de EG-SAS A.Bouhia Analyste principal à la Banque Nationale du Canada. Chargé de cours à l UQAM Définition de la segmentation - Au lieu de considérer une population dans son ensemble,
Plus en détailBUSINESS INTELLIGENCE
BUSINESS SYSTÈME D INFORMATION DÉCISIONNEL CENTRE DE RESSOURCES INFORMATIQUES PÔLE INFORMATIQUE DE GESTION & SI DÉFINITION L INFORMATIQUE DÉCISIONNELLE DÉSIGNE L ENSEMBLE DES TECHNOLOGIES UTILISÉES DANS
Plus en détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détail1 Introduction et modèle mathématique
Optimisation parallèle et mathématiques financières Optimisation parallèle et mathématiques financières Pierre Spiteri 1 IRIT ENSEEIHT, UMR CNRS 5505 2 rue Charles Camichel, B.P. 7122 F-31 071 Toulouse,
Plus en détailThéorie des sondages : cours 5
Théorie des sondages : cours 5 Camelia Goga IMB, Université de Bourgogne e-mail : camelia.goga@u-bourgogne.fr Master Besançon-2010 Chapitre 5 : Techniques de redressement 1. poststratification 2. l estimateur
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailMasses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA
Masses de données 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA Rédacteurs : Mjo Huguet / N. Jozefowiez 1. Introduction : Besoins Informations et Aide
Plus en détailBase de données opérationnelle pour les phénomènes PAN Commission SIGMA 2 - AAAF
Le groupe 3AF (SIGMA 2) : - approfondir les cas intéressants exploitable (en aval du GEIPAN) - rechercher de nouveaux cas (bases de données, publications référencées) - constituer un réseau scientifique
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailIN2P3 et PLUME Valorisation de la production de logiciels
IN2P3 et PLUME Valorisation de la production de logiciels Teresa Gomez-Diaz Laboratoire d informatique Gaspard-Monge PLUME e-séminaire Réseau des informaticiens de l IN2P3 et de l IRFU (RI3) LAL, Orsay,
Plus en détailMonitoring continu et gestion optimale des performances énergétiques des bâtiments
Monitoring continu et gestion optimale des performances énergétiques des bâtiments Alexandre Nassiopoulos et al. Journée d inauguration de Sense-City, 23/03/2015 Croissance de la demande énergétique et
Plus en détailGUIDE DE L UTILISATEUR
GUIDE DE L UTILISATEUR 9344 - Version 1.0 Janvier 2009 1 - Instructions de sécurité Toute personne ayant à faire avec le montage, la mise en service, le maniement et l'entretien de cet appareil doit être
Plus en détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailTests du χ 2. on accepte H 0 bonne décision erreur de seconde espèce on rejette H 0 erreur de première espèce bonne décision
Page n 1. Tests du χ 2 une des fonctions des statistiques est de proposer, à partir d observations d un phénomène aléatoire (ou modélisé comme tel) une estimation de la loi de ce phénomène. C est que nous
Plus en détailProgrammation parallèle et distribuée (Master 1 Info 2015-2016)
Programmation parallèle et distribuée (Master 1 Info 2015-2016) Hadoop MapReduce et HDFS Note bibliographique : ce cours est largement inspiré par le cours de Benjamin Renaut (Tokidev SAS) Introduction
Plus en détailLe signal GPS. Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz
Le signal GPS Les horloges atomiques à bord des satellites GPS produisent une fréquence fondamentale f o = 10.23 Mhz Deux signaux en sont dérivés: L1 (fo x 154) = 1.57542 GHz, longueur d onde = 19.0 cm
Plus en détailSujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique
Plus en détailBases de données relationnelles : Introduction
Bases de données relationnelles : Introduction historique et principes V. Benzaken Département d informatique LRI UMR 8623 CNRS Université Paris Sud veronique.benzaken@u-psud.fr https://www.lri.fr/ benzaken/
Plus en détailTout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce
Tout au long de votre cursus Quel métier futur? Dans quel secteur d activité? En fonction de vos goûts et aptitudes et du «niveau d emploi» dans ce «profil» S orienter (éventuellement se réorienter) dans
Plus en détail