ESTIMATION DENSE DU MOUVEMENT EN IMAGERIE FLUIDE
|
|
- Julie Mercier
- il y a 8 ans
- Total affichages :
Transcription
1 ESTIMATION DENSE DU MOUVEMENT EN IMAGERIE FLUIDE T. CORPETTI, E. MEMIN, P. PEREZ IRISA/Université de Rennes I Microsoft Research Campus universitaire de Beaulieu St George House, 1 Guildhall Stree t Rennes Cedex, France Cambridge, CB2 3NH, UK pperez@microsoft.com Tel : Tel : Résumé Nous traitons dans cet article le problème de l estimation et de l analyse du mouvement dans le cas de séquences d images représentant des phénomènes fluides. Dans ce contexte, la luminance des images fait parfois apparaˆıtre de fortes distorsions spatiales et temporelles, rendant délicate l utilisation de techniques standard issues de la Vision par Ordinateur, originalement conçues pour des mouvements rigides et reposant sur une hypothèse d invariance de la fonction de luminance. Dans cette étude, nous proposons un estimateur de mouvement modélisé au moyen d une formulation énergétique et spécialement dédié à l estimation de mouvement fluide. La fonctionnelle considérée est composée d un terme d attache aux données original issu de l équation de continuité de la mécanique des fluides. Ce nouveau modèle de données est associé à une régularisation de type Div-Curl. Les performances de cet estimateur sont expérimentalement démontrées sur des images synthétiques et réelles (météorologiques). 1. Introduction Dans un grand nombre de domaines, l analyse de séquences d images représentant des phénomènes dynamiques de nature fluide est d une importance capitale. Ainsi, dans le cas de sciences environnementales telle que l océanographie [1], la météorologie [2, 3, 4, 5] et la climatologie [6], l analyse des différentes sources d images satellitaires permet de caractériser la manière dont évolue l océan ou l atmosphère, en terme de température et de courant par exemple. Dans le domaine de la mécanique des fluides expérimentale, les expériences aéro et hydrodynamiques produisent une grande quantité de données vidéo dont l analyse permet une meilleure visualisation de certains types d écoulements fluides [7, 8, 9, 10]. L analyse du mouvement des séquences mettant en jeu des phénomènes fluides est particulièrement délicate, en raison des grandes distorsions spatiales et temporelles de la fonction de luminance, et dans ce contexte, les techniques standard issues de la vision par ordinateur sont mal adaptées. La conception de méthodes alternatives dédiées aux mouvements fluides constitue dès lors un vaste et riche domaine d investigation. Notre travail est une contribution dans cette direction, en proposant ici un estimateur dense de mouvement dédié aux séquences d images impliquant des phénomènes fluides. Après avoir présenté brièvement le principe des méthodes standards d estimation de mouvement, nous définissons, en premier lieu, un terme d attache aux données qui ne s appuie plus sur une hypothèse de conservation de la luminance entre deux instants, mais sur l équation de continuité de la mécanique des fluides. En second lieu, pour appréhender les zones de fortes concentrations de divergence ou de vorticité, qui sont incompatibles avec une régularisation standard du premier ordre, nous introduisons un nouveau terme de régularisation de type Div-Curl Estimateur de mouvement générique Les techniques usuelles d estimation de champs denses de mouvement les plus génériques en terme d application (i.e. n imposant aucune contrainte stricte sur le mouvement observé) et en terme de précision s appuient en général sur un modèle proposé par Horn et Schunck en 1981
2 # # [11]. Ces techniques reposent sur la minimisation d une fonction d énergie composée de deux termes. Le premier traduit l invarience photométrique d un point le long de sa trajectoire, et conduit à une équation usuellement connue sous le nom d ÉQUATION DE CONTRAINTE DU MOUVEMENT APPARENT (ECMA). Le respect de cette contrainte en tout point est exprimé comme la minimisation globale de: "!$# %&, (1) où est l opérateur de gradient spatial, %' ( la vitesse inconnue au point et à l instant, % ( est la luminance de l image, et ) son domaine de définition. La fonction est une norme robuste permettant d atténuer l influence des points où le modèle de données n est pas défini. Le second terme est usuellement constitué d un lissage au premier ordre de la solution. Ce terme encourage une continuité spatiale du champ des vecteurs vitesses. Il pénalise l apparition de gradients spatiaux trop importants: % *,+ -. /(01 ' 2/, (2) où est un paramètre contrôlant l importance relative du terme de régularisation par rapport au terme d observation. La fonction robuste permet ici de considérer de façon implicite les discontinuités spatiales du champ des vitesses [12]. La fonction d énergie globale à minimiser % 7 est alors : % :! %. 2. Hypothèse de l équation de continuité Un fluide peut subir, au cours de son évolution temporelle, de fortes variations de densité, qui se traduisent, du point de vue image, par des variations d intensité. Les séquences d images représentant des phénomènes fluides font ainsi apparaître des zones où la fonction de luminance possède de fortes variations temporelles. Ces zones sont souvent le centre de mouvements tridimensionnels, responsables de l apparition ou de la disparition de matière dans le plan de visualisation bidimensionnel. Les mouvements divergents associés influencent grandement l allure du champ de vitesses aux alentours et se doivent d être estimés de la manière la plus fiable possible. Cette estimation ne peut être menée sur la base d une invariance de la fonction de luminance. Comme proposé dans [13, 14, 15], nous proposons de considérer un modèle de données s appuyant sur la loi de conservation de la masse d un fluide, également connue sous le nom de l équation de continuité: #<;! div ;= 7>5, (3) où ; représente la densité du fluide et = sa vitesse. L usage de l équation de continuité pour l analyse de séquences d images repose sur l hypothèse que l image retranscrit les principales propriétés physiques du fluide observé. Cette hypothèse est en fait double. En premier lieu, il est supposé que la fonction de luminance est liée à une certaine quantité passive transportée par le fluide. En second lieu, que la représentation 2D d un fluide respectant la conservation de la masse suit une forme 2D de l équation de continuité. Cette dernière hypothèse a été vérifiée théoriquement dans le cas d images de densités par Fitzpatrick [18] et étendu dans [15], sous condition qu aucune matière ne disparaît ou n apparaît dans les bords de l image, au cours de la séquence. Le fait que l intensité de l image est relative à une densité du fluide est quant à lui plus difficile à prouver théoriquement, spécialement dans un contexte d imagerie météorologique. En effet, la complexité des phénomènes physiques sous-jacents rend une expression de l intensité en fonction d une quantité physique impossible. Néanmoins,
3 l équation de continuité à déjà été utilisée dans ce contexte, ou dans un contexte de mouvements déformables, et son utilisation s est révélée très attirante dans nombre de situations [13, 17, 19, 16, 20]. Dans ce travail, nous proposons donc d utiliser cette contrainte comme base de notre modèle, même si elle ne correspond pas au modèle exact. Nous pensons néanmoins qu elle constitue une bonne alternative, plus proche de la réalité physique que la contrainte classique de conservation de la luminance (qui est violée dans presque tous les cas d images météorologiques). Ceci conduit à une alternative de l ECMA:! div 5 (4) Considérons maintenant un déplacement infinitésimal : (! d un élément de fluide rejoignant la position à l instant à la position!7 %' à l instant!. Nous assumons que la vitesse le long de cet incrément de trajectoire est constante. Ceci implique que 7 %' ( et div : div7 (!. L intégration de l équation différentielle (4) se fait donc aisément, et nous obtenons:!7 %' (:! * '!#" div7 %' %$& (5) Cette équation peut maintenant servir comme base pour notre nouvel estimateur dédié aux mouvements fluides. Une version robuste du modèle de données résultant est: ' )("!7 (! div7 %' *" % (,+ - (6) Le terme div % compense la variation d intensité exprimée par le fluide aux endroits où le mouvement est divergent. Ainsi, un mouvement avec une divergence positive est accompagné d une perte d intensité d autant plus importante que div* %' est grand. Nous pouvons remarquer que si div7 & 5 (comme dans le cas des fluides incompressibles), nous retrouvons le terme de conservation de la luminance!* %!." % des techniques de flot-optique standard. Cette version intégrée de l équation de continuité possède l avantage de mettre en jeu explicitement des déplacements et non des vitesses. Cependant, la dépendance de cette fonction vis-à-vis du champ de vitesses inconnu est fortement non linéaire. Une approche pour traiter ce problème de minimisation consiste à le ré-écrire dans le cadre d une stratégie multi-résolution descendante comme une succession de problèmes linéaires. Étant donné une estimation grossière / obtenue à une résolution supérieure, le problème est ramené à l estimation d un incrément 0 visant à affiner l estimation de /!1 0. Par un développement de Taylor au premier ordre de (6), et en omettant les indices de temps de la fonction de luminance pour une meilleure clarté, cette linéarisation s écrit: 2 0 * ' )(34 div/ / div/ * "! % / 28:9; 07 "! / %<=" >+ où nous avons introduit la notation compacte / luminance recalée par le champ /. Passons maintenant à la définition du terme de lissage à utiliser conjointement à ce nouveau terme d énergie. %! / %! de la fonction de 3. Régularisation Div-Curl En utilisant les conditions d optimalité d Euler-Lagrange, il est facile de démontrer que la minimisation de A 8 9 est équivalente à la minimisation de 2* B.! +DC div 2.! curl 2 [22]. Une régularisation du premier ordre pénalise donc l amplitude de la divergence et de la
4 vorticité du champ à estimer. Dans le domaine de l analyse du mouvement fluide, ceci ne semble pas approprié dans la mesure où le champ des vitesses apparentes fait apparaître de fortes concentrations de vorticité et/ou de divergence, correspondant à des vortex ou à des mouvements 3D non parallèles au plan image. Une sous estimation de la divergence dans notre cas est particulièrement préjudiciable, puisque notre modèle de données inclus explicitement cette quantité. Il semble plus intéressant d introduire un lissage adaptatif de la divergence et du rotationnel. A cet effet, nous introduisons un nouveau terme de lissage: A ;? / div " /!. / 0 /! / curl " /! / 0 :/ # (8) où les fonctions scalaires et sont respectivement des estimations des fonctions de divergence (div) et de rotationnel (curl), étant un paramètre positif. Ce terme se ramène à une régularisation du premier ordre lorsque les estimées de la divergence et du rotationnel se rapprochent mutuellement de zéro. A l inverse, lorsque ces quantités sont significativement non nulles, la divergence et le rotationnel du champ doivent se conformer à leur estimations et (sous l effet du terme quadratique), elles mêmes lissées par le second terme (robuste) de chacun des deux lissages composant ce terme de régularisation. La fonction de pénalisation robuste utilisée dans ces second termes permet de gérer les variations brutales de la divergence et du rotationnel susceptibles d apparaître. Ce terme de régularisation simule de façon simple un lissage de type div-curl du second ordre ( C 0 div! 0 curl ) qui conduit à un problème d estimation extrêmement difficile. La minimisation de la fonction d énergie associée est conduite au moyen d une estimation hiérarchique très efficace [22, 21]. 4. Résultats expérimentaux Nous présentons des résultats obtenus sur des exemples synthétiques et réels Résultats sur une séquence synthétique Dans un premier temps, nous avons testé notre méthode sur une séquence synthétique, obtenue en appliquant un mouvement connu à une image Météosat réelle (voir Fig. 1). Nous avons ici un mouvement spiralé synthétique (mélange de divergence et de rotation, la divergence et la vorticité étant constantes et ayant pour valeurs 5 et " 5 respectivement sur toute l image), avec une perte d intensité (dûe au mouvement divergent) simulée. Plus précisément, la seconde image a été multipliée par le coefficient théorique de perte d intensité " div 2 & " 5 5. La Figure 1 ( ) présente le résultat de l estimation de mouvement obtenue avec un estimateur robuste basé sur l équation de contrainte du mouvement apparent et un lissage du premier ordre [12], tandis que la Figure 1 ( ) représente le champ de vecteurs obtenu en appliquant notre méthode adaptée reposant sur l hypothèse de l équation de continuité associée à une régularisation Div-Curl. Nous pouvons observer qu un estimateur générique (même équipé de fonctions robustes) est incapable de recouvrir correctement le mouvement divergent/rotationnel réel. Les cartes correspondantes de vorticité et de divergence sont également visibles sur les Figures 1 ( ). Ces visualisations confirment le fait que notre méthode semble plus efficace, dans ce type de situation, qu une technique standard. Comme indiqué dans la légende de la Figure 1, les valeurs estimées de la divergence et du rotationnel sont plus proches des valeurs réelles dans le cas de l estimateur dédié. Des résultats plus complets, étudiant la sensibilité aux paramètres sur cette même séquence, sont visibles dans [23]. Regardons maintenant les résultats de cette méthode sur une séquence réelle.
5 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) FIG. 1 ( ) Image réelle Météosat (canal visible); ( ) mouvement spiralé synthétique (combinaison de rotation et de divergence) appliqué à l image ( ) avec une perte d intensité; ( ): Champs de vecteurs, cartes de divergence et de vorticité correspondantes estimées avec un estimateur composé de l ECMA associé à une régularisation robuste du premier ordre (div et curl estimés sont et ); ( ): idem avec l estimateur composé de l équation de continuité associé au lissage div-curl proposé (div et curl estimés sont et ) Résultats sur une séquence réelle La séquence satellitaire choisie pour évaluer notre méthode est issue du canal vapeur d eau de Météosat (Figure 2), et a été acquise le août! #". Cette séquence représente une zone de basse pression sur la partie gauche, et un ensemble de cellules convectives actives sur la partie droite. Les images vapeur d eau contiennent de nombreuses informations pertinentes pour les spécialistes. Néanmoins, en raison de leur faible gradient photométrique, leur analyse par traitement d image constitue un problème délicat. Les Figures 2 ( ) présentent les champs de vecteurs estimés sur deux images consécutives de la séquence avec l estimateur de mouvement générique et avec la technique dédiée. Les champs de vitesse obtenus montrent clairement la différence entre les deux approches. La technique générique lisse de manière trop importante le champ et occasionne une perte totale du mouvement tourbillonnaire dû à la zone de basse pression. A l inverse, le modèle dédié démontre ici toutes ses capacités à recouvrir de tels mouvements dans des situations faiblement contrastées. Les zones de vorticité et de divergence calculées avec les deux approches sont présentées sur la figure 2( ). ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) FIG. 2 Séquence issue du canal vapeur d eau Deux images consécutives (a,b); champs de vecteurs estimés avec la technique générique robuste (c) et avec notre méthode dédiée (d); cartes de divergence ( ) et de vorticité ($ % ) estimées avec la technique générique ( ) et et dédiée ( % ) 5. Conclusion Dans ce papier, nous avons présenté une nouvelle méthode pour estimer le flot optique dans le cas de mouvements fluides. Cette technique est une extension des modèles génériques robustes
6 formalisés comme la minimisation d une fonctionnelle (comme celui introduit dans [12]). Cette méthode est caractérisée par la prise en compte de l équation de continuité de la mécanique des fluide dans le terme d observation, et par un terme de régularisation div-curl original. Cette nouvelle technique a été validée sur une séquence synthétique et réelle. Cette technique d estimation de mouvement a obtenu des performances supérieures vis-à-vis d un modèle standard utilisé en vision par ordinateur, pour des mouvements fluides. Elle s est avérée particulièrement efficace pour recouvrir les mouvements locaux de divergence et de rotation, qui sont d une importance majeure dans l analyse, la compréhension et la prédiction des phénomènes fluides. Références [1] Simpson J. et Gobat J., Robust velocity estimates, stream functions, and simulated Lagrangian drifters from sequential spacecraft data, IEEE trans. on Geosciences and Remote sensing, vol 32, pp , [2] Cohen I. et Herlin I., Non Uniform Multiresolution Method for Optical Flow and Phase Portrait Models: Environmental Applications, Int. J. Computer Vision, vol 33, pp 29-49, [3] Maurizot M., Bouthemy P. et Delyon B., 2D fluid motion analysis from a single image, IEEE Int. Conf. on Computer Vision and Pattern Recognition, Santa Barbara, [4] Mémin E. et Pérez P., Fluid motion recovery by coupling dense and parametric motion fields, Proc. Int. Conf. Computer Vision, Corfou, Grece, [5] Ottenbacher A., Tomasini M., Holmund K. et Schmetz J., Low-level cloud motion winds from Meteosat high-resolution visible imagery, Weather and Forecasting, vol 12, pp , [6] Papin C., Bouthemy P., Mémin E. et Rochard G., Tracking and Characterization of Highly Deformable Cloud Structures, Proc. Europ. Conf. Computer Vision, Dublin, [7] Ford R.M., Critical point detection in fluid flow images using dynamical system properties, Pattern Recognition, vol 30, pp , [8] Ford R.M et Strickland R., Representing and visualizing fluid flow images and velocimetry data by nonlinear dynamical systems, Graph. Mod. Image Proc., vol 57, pp , [9] Ford R.M, Strickland R. et Thomas B., Image models for 2-D flow visualization and compression, Graph. Mod. Image Proc., vol 56, pp 75-93, [10] Nogawa H., Nakajima Y., et Sato Y., Acquisition of symbolic description from flow fields: a new approach based on a fluid model, IEEE Trans. Pattern Anal. Machine Intell., vol 19, pp 58-63,1997. [11] Horn B. et Schunck B., Determining Optical Flow, Artificial Intelligence, vol 17, pp , [12] Mémin E. et Pérez P., Dense estimation and object-based segmentation of the optical flow with robust techniques, IEEE Trans. Image Processing, vol 7, pp , [13] Béréziat D., Herlin I. et Younes L., A generalized optical flow constraint and its physical interpretation, Proc. Conf. Comp. Vision Pattern Rec., vol 2, pp , Hilton Head Island, South Carolina, USA, [14] Schunk B., The motion constraint equation for optical flow, Proc. Int. Conf. Pattern Recognition, pp 20-22, Montreal Canada, [15] Wildes R., Amabile A., Lanzillotto A.-M., et Leu T.-S., Physically based fluid flow recovery from image sequences, Proc. Conf. Comp. Vision Pattern Rec., pp , Porto-Rico, [16] Wildes R., Amabile A., Lanzillotto A.-M., et Leu T.-S., Recovering estimates of fluid flows from image sequence data, Computer Vision and Image Understanding, vol 80, pp , [17] Fitzpatrick J.-M., A Method For Calculating Velocity In Time Dependent Images Based On The Continuity Equation, Proc. Conf. Comp. Vision Pattern Rec., pp 78-81, San Francisco, USA, [18] Fitzpatrick J.-M., The Existence of Geometrical Density-Image Transformations Corresponding to Object Motion,Comput. Vision, Graphics, Image Proc., vol 44, pp , [19] Fitzpatrick J.-M. et Pederson C.-A., A method for calculating fluid flow in time dependant density images, Electronic Imaging, vol 1, pp , [20] Zhou L., Kambhamettu C. et Goldgof D., Fluid structure and motion analysis from multi-spectrum 2D cloud images sequences, Proc. Conf. Comp. Vision Pattern Rec., vol 2, pp , Hilton Head Island, South Carolina, USA, [21] Mémin E. et Pérez P., A multigrid approach for hierarchical motion estimation, Proc. Int. Conf. Computer Vision, pp , Bombay, Inde. [22] Corpetti T., Mémin E. et Pérez P., Dense fluid flow estimation, rapport interne IRISA 1352, septembre [23] Corpetti T., Mémin E. et Pérez P., Estimation de mouvement fluide basée sur l équation de continuité associée à une régularisation Div-Curl, Actes des journ ées francophones des jeunes chercheurs en analyse d images et perception visuelle, ORASIS, Cahors, 2001.
Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailSimulation du transport de matière par diffusion surfacique à l aide d une approche Level-Set
Simulation du transport de matière par diffusion surfacique à l aide d une approce Level-Set J. Brucon 1, D. Pino-Munoz 1, S. Drapier 1, F. Valdivieso 2 Ecole Nationale Supérieure des Mines de Saint-Etienne
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailModélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs.
Modélisation 3D par le modèle de turbulence k-ε standard de la position de la tête sur la force de résistance rencontrée par les nageurs. H. ZAÏDI a, S. FOHANNO a, R. TAÏAR b, G. POLIDORI a a Laboratoire
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailFormation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau
Formation à la C F D Computational Fluid Dynamics Formation à la CFD, Ph Parnaudeau 1 Qu est-ce que la CFD? La simulation numérique d un écoulement fluide Considérer à présent comme une alternative «raisonnable»
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 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 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 détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailVISUALISATION DE NUAGES DE POINTS
ARNAUD BLETTERER MULTI-RÉSOLUTION 1/16 VISUALISATION DE NUAGES DE POINTS MULTI-RÉSOLUTION AU TRAVERS DE CARTES DE PROFONDEUR Arnaud Bletterer Université de Nice Sophia Antipolis Laboratoire I3S - Cintoo
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailsont appliquées à des fonds documentaires, sont destinées à fournir des informations pertinentes sur la structure globale plutôt que sur le contenu.
Introduction Les techniques informatiques permettent de stocker et d accéder à des quantités sans cesse croissantes de données, disponibles en ligne ou via des centres documentaires fermés. Cette profusion
Plus en détailTechnique de compression des images médicales 4D
Technique de compression des images médicales 4D Leila Belhadef 1 et Zoulikha Mekkakia 1 1 Département d Informatique, USTO-MB, BP 1505 El Mnaouer, Oran, Algérie l.belhadef@gmail.com, mekkakia@univ-usto.dz
Plus en détailAnalyse multi-échelle de trajectoires de points critiques pour la reconnaissance d actions humaines
Analyse multi-échelle de trajectoires de points critiques pour la reconnaissance d actions humaines Cyrille Beaudry, Renaud Péteri, Laurent Mascarilla Laboratoire MIA, Univ. La Rochelle Avenue Michel Crépeau
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 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 détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détailIMAGERIE PAR TOMOGRAPHIE ÉLECTRIQUE RÉSISTIVE DE LA DISTRIBUTION DES PHASES DANS UNE COLONNE À BULLES
IMAGERIE PAR TOMOGRAPHIE ÉLECTRIQUE RÉSISTIVE DE LA DISTRIBUTION DES PHASES DANS UNE COLONNE À BULLES E. Fransolet, M. Crine, G. L Homme, Laboratoires de Génie Chimique, P. Marchot, D. Toye. Université
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailErratum de MÉCANIQUE, 6ème édition. Introduction Page xxi (milieu de page) G = 6, 672 59 10 11 m 3 kg 1 s 2
Introduction Page xxi (milieu de page) G = 6, 672 59 1 11 m 3 kg 1 s 2 Erratum de MÉCANIQUE, 6ème édition Page xxv (dernier tiers de page) le terme de Coriolis est supérieur à 1% du poids) Chapitre 1 Page
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
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 détailManipulateurs Pleinement Parallèles
Séparation des Solutions aux Modèles Géométriques Direct et Inverse pour les Manipulateurs Pleinement Parallèles Chablat Damien, Wenger Philippe Institut de Recherche en Communications et Cybernétique
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailR-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale
R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale Boulbaba BEN AMOR, Karima OUJI, Mohsen ARDABILIAN, et Liming CHEN Laboratoire d InfoRmatique en Images et
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailNOTICE DOUBLE DIPLÔME
NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des
Plus en détailT. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet 5
Modélisation de la performance et optimisation d un algorithme hydrodynamique de type Lagrange-Projection sur processeurs multi-cœurs T. Gasc 1,2,3, F. De Vuyst 1, R. Motte 3, M. Peybernes 4, R. Poncet
Plus en détailModélisation géostatistique des débits le long des cours d eau.
Modélisation géostatistique des débits le long des cours d eau. C. Bernard-Michel (actuellement à ) & C. de Fouquet MISTIS, INRIA Rhône-Alpes. 655 avenue de l Europe, 38334 SAINT ISMIER Cedex. Ecole des
Plus en détailUne approche statique quasi-périodique de la capacité portante des groupes de micropieux
Une approche statique quasi-périodique de la capacité portante des groupes de micropieux Zied Kammoun 1, Joseph Pastor 2, Hichem Smaoui 3 1 Université de Tunis El Manar, Ecole Nationale d Ingénieurs de
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailReprésentation géométrique d un nombre complexe
CHAPITRE 1 NOMBRES COMPLEXES 1 Représentation géométrique d un nombre complexe 1. Ensemble des nombres complexes Soit i le nombre tel que i = 1 L ensemble des nombres complexes est l ensemble des nombres
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailRégularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications
Régularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications David Tschumperlé 1 et Rachid Deriche 2 1 INRIA Sophia-Antipolis, Laboratoire Odyssée, BP 93, 2004 Route
Plus en détailSIMULATION HYBRIDE EN TEMPOREL D UNE CHAMBRE REVERBERANTE
SIMULATION HYBRIDE EN TEMPOREL D UNE CHAMBRE REVERBERANTE Sébastien LALLECHERE - Pierre BONNET - Fatou DIOUF - Françoise PALADIAN LASMEA / UMR6602, 24 avenue des landais, 63177 Aubière pierre.bonnet@lasmea.univ-bpclermont.fr
Plus en détailSolution A La Gestion Des Objets Java Pour Des Systèmes Embarqués
International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailLa carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.
La carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA Jean-Daniel.Fekete@inria.fr www.aviz.fr Quelques exemples 1 La campagne de Russie de Napoléon
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en détailSimulation numérique d un stockage de déchets nucléaires en site géologique profond
Simulation numérique d un stockage de déchets nucléaires en site géologique profond Page 1 de 12 G. Allaire, M. Briane, R. Brizzi and Y. Capdeboscq CMAP, UMR-CNRS 7641, Ecole Polytechnique 14 juin 2006
Plus en détailJournée SITG, Genève 15 octobre 2013. Nicolas Lachance-Bernard M.ATDR Doctorant, Laboratoire de systèmes d information géographique
Monitorint spatio-temporel intégré de la mobilité urbaine Monitoring spatio-temporel de l ADN urbain Une réponse aux défis, problèmes, enjeux et risques des milieux urbains Nicolas Lachance-Bernard M.ATDR
Plus en détailExercice 1. Exercice n 1 : Déséquilibre mécanique
Exercice 1 1. a) Un mobile peut-il avoir une accélération non nulle à un instant où sa vitesse est nulle? donner un exemple illustrant la réponse. b) Un mobile peut-il avoir une accélération de direction
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailXXVII e Colloque de l Association Internationale de Climatologie 2-5 juillet 2014 Dijon (France)
MICROPHYSIQUE DES NUAGES ET RAYONNEMENT SOLAIRE : COMPARAISON DES MESURES IN SITU AU MONT RIGI EN HAUTE BELGIQUE ET DES DONNÉES CLOUD PHYSICAL PROPERTIES (CPP) OBTENUES À PARTIR DES IMAGES METEOSAT-9 BEAUMET
Plus en détailT.P. FLUENT. Cours Mécanique des Fluides. 24 février 2006 NAZIH MARZOUQY
T.P. FLUENT Cours Mécanique des Fluides 24 février 2006 NAZIH MARZOUQY 2 Table des matières 1 Choc stationnaire dans un tube à choc 7 1.1 Introduction....................................... 7 1.2 Description.......................................
Plus en détailComposants génériques de calcul scientifique
Composants génériques de calcul scientifique T. Géraud et A. Duret-Lutz RAPPORT TECHNIQUE 9901 MARS 1999 Laboratoire de Recherche et Développement d EPITA 14-16, rue Voltaire 94276 Le Kremlin-Bicêtre cedex
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 détailProduction des Services d Assurance non-vie selon le SCN 2008
REPUBLIQUE DU CAMEROUN Paix - Travail Patrie ---------- INSTITUT NATIONAL DE LA STATISTIQUE ---------- REPUBLIC OF CAMEROON Peace - Work Fatherland ---------- NATIONAL INSTITUTE OF STATISTICS ----------
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailCours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détailPrincipe 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 détailBILAN du projet PEPS 1 EOLIN (Eolien LMI INSA)
BILAN du projet PEPS 1 EOLIN (Eolien LMI INSA) Lab. de Math de l INSA de ROUEN FR CNRS 3335 et EA 3226 PLAN 1. Introduction 2. Bilan scientifique 3. Bilan financier 4. Conclusion 1 Introduction Le projet
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
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 détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
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 détailDYNAMIQUE DE FORMATION DES ÉTOILES
A 99 PHYS. II ÉCOLE NATIONALE DES PONTS ET CHAUSSÉES, ÉCOLES NATIONALES SUPÉRIEURES DE L'AÉRONAUTIQUE ET DE L'ESPACE, DE TECHNIQUES AVANCÉES, DES TÉLÉCOMMUNICATIONS, DES MINES DE PARIS, DES MINES DE SAINT-ÉTIENNE,
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 détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailQUELQUES ACTIVITES RELATIVES A LA PARTIE A Propagation d une onde ; onde progressive. Comment installer le format de compression divx?
Lycée Bi h t QUELQUES ACTIVITES RELATIVES A LA PARTIE A Propagation d une onde ; onde progressive Il semble nécessaire d utiliser des fichiers images, de grande taille généralement, aussi, nous proposons
Plus en détailThème Le domaine continental et sa dynamique
Thème Le domaine continental et sa dynamique 1 Chapitre I Caractérisation du domaine continental - I - Les caractéristiques de la lithosphère continentale 1) La nature de la croûte continentale Rappels
Plus en détailSujet de thèse : Suivi d objets en mouvement dans une séquence vidéo
Université PARIS DESCARTES Centre universitaire des Saints-Pères UFR DE MATHÉMATIQUES ET INFORMATIQUE Thèse présentée pour l obtention du grade de Docteur de l université PARIS DESCARTES Spécialité : Informatique
Plus en détailSPIE (Society of Photographic Instrumentation Engineers) société internationale d'optique et de photonique 1955 SPIE Digital Library
SPIE (Society of Photographic Instrumentation Engineers) est la société internationale d'optique et de photonique située aux états unis, menant une approche interdisciplinaire des sciences de l optique.
Plus en détailModélisation et Simulation
Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détail1 Description générale de VISFIELD
Guide d utilisation du logiciel VISFIELD Yann FRAIGNEAU LIMSI-CNRS, Bâtiment 508, BP 133 F-91403 Orsay cedex, France 11 décembre 2012 1 Description générale de VISFIELD VISFIELD est un programme écrit
Plus en détailStockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique
Stockage de chaleur solaire par sorption : Analyse et contrôle du système à partir de sa simulation dynamique Kokouvi Edem N TSOUKPOE 1, Nolwenn LE PIERRÈS 1*, Lingai LUO 1 1 LOCIE, CNRS FRE3220-Université
Plus en détailMécanique des fluides : Potentiels de vitesses
Le Potentiel de vitesse pour les écoulements de fluides réels : la contribution de Joseph-Louis Lagrange Velocity Potential in Real Fluid Flows : Joseph-Louis Lagrange s Contribution HUBERT CHANSON Department
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailSARM: Simulation of Absorption Refrigeration Machine
Revue des Energies Renouvelables Vol. 11 N 4 (2008) 587 594 SARM: Simulation of Absorption Refrigeration Machine S. Kherris 1*, M. Makhlouf 1 et A. Asnoun 2 1 Laboratoire des Matériaux et des Systèmes
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailExemple d application en CFD : Coefficient de traînée d un cylindre
Exemple d application en CFD : Coefficient de traînée d un cylindre 1 Démarche générale Avec Gambit Création d une géométrie Maillage Définition des conditions aux limites Avec Fluent 3D Choix des équations
Plus en détailModélisation d objets mobiles dans un entrepôt de données
Tao Wan, Karine Zeitouni Laboratoire PRISM, Université de Versailles 45, avenue des Etats-Unis, 78035 Versailles Cedex, France Tao.Wan@prism.uvsq.fr, Karine.Zeitouni@prism.uvsq.fr http://www.prism.uvsq.fr/users/karima/
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailFoscolo (1), J Felblinger (2), S Bracard (1) CHU Hôpital central, service de neuroradiologie, Nancy (1) CHU BRABOIS, Centre d investigation clinique
S A l (1) G H (2) S S Aptel (1), G Hossu (2), S Foscolo (1), J Felblinger (2), S Bracard (1) CHU Hôpital central, service de neuroradiologie, Nancy (1) CHU BRABOIS, Centre d investigation clinique innovation
Plus en détailModélisation couplée des processus de surface et souterrains pour prédire la distribution spatiale de l'évapotranspiration.
Contacts : jean-martial.cohard@ujf-grenoble.fr AMA Fall Meeting 2013 Toulouse, 22-24 janvier Modélisation couplée des processus de surface et souterrains pour prédire la distribution spatiale de l'évapotranspiration.
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailMacro-to-Microchannel Transition in Two-Phase Flow and Evaporation
Macro-to-Microchannel Transition in Two-Phase Flow and Evaporation THÈSE N O 4674 (2010) PRÉSENTÉE LE 30 AVRIL 2010 À LA FACULTÉ SCIENCES ET TECHNIQUES DE L'INGÉNIEUR LABORATOIRE DE TRANSFERT DE CHALEUR
Plus en détailFigure 1 Différents éléments influençant les mesures de seuil réalisées en champ visuel
LE CHAMP VISUEL DU SUJET NORMAL INFLUENCE DES METHODES D'EVALUATION Jacques CHARLIER U279 INSERM, LILLE INTRODUCTION La connaissance du champ visuel du sujet normal, de ses variations intra et interindividuelles
Plus en détailSIMULATION DE DYNAMIQUES SPATIALES
SIMULATION DE DYNAMIQUES SPATIALES EXEMPLE DE LA DENSIFICATION DE LA POPULATION AUTOUR D AVIGNON Philippe Ellerkamp : U.M.R. 6012 - ESPACE, Université d Avignon E-Mail : philippe.ellerkamp@univ-avignon.fr
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailReprésenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com
Représenté par Eric Mamy A22 www.a22.fr présenté par CFR & CGL Consulting www.cgl-consulting.com La Suite LOGIX La Suite LOGIX est un ensemble de produits pour le calcul et l optimisation complète des
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détail