TD 1 - Structures de Traits et Unification

Dimension: px
Commencer à balayer dès la page:

Download "TD 1 - Structures de Traits et Unification"

Transcription

1 TD 1 - Structures de Traits et Unification 1 Définitions Un trait (en: feature) est un couple attribut-valeur. Une structure de traits (en: feature structure) est un ensemble de traits. On peut les représenter sous formes de matrices (en: attribute-value matrices (AVM)). Une structure de traits est mal formée si elle contient deux fois le même attribut (au même niveau d enchâssement) avec une valeur différente. genre masculin singulier personne troisième genre masculin genre féminin singulier personne troisième Dans les structures de traits ci-dessus, la valeur des traits est atomique. En HPSG, la valeur d un trait peut être atomique, être une structure de trait, une liste de valeurs ou un ensemble de valeurs. indice indices indices genre masculin singulier personne 3eme genre masculin genre féminin singulier, nombre singulier personne 3eme personne 3eme genre masculin genre féminin singulier, singulier personne 3eme personne 3eme Les structures de traits peuvent être représentées par des graphes acycliques orientés (en: directed acyclic graphs (DAG)) dont les arcs réprésentent les noms des différents traits et les noeuds les valeurs des différents traits. 2 Extension, subsomption et unification Une structure de traits A est une extension d une structure de traits B (ce qui se note A B) si et seulement si: Tous les traits à valeur atomique présents dans B sont présents dans A avec la même valeur, Pour tout trait t ayant une valeur non atomique, la valeur de t dans A est une extension de la valeur de t dans B. La relation inverse de l extension s appelle la subsomption. L unification de deux structures de traits A et B (notée A B) est la structure de trait minimale qui est à la fois une extension de A et de B. Si une telle structure n existe pas, l unification échoue (ce qui est noté ). L unification de deux structures de traits A et B typées (respectivement t et t ) a pour résultat, si elle existe, la structure de trait minimale qui est à la fois une extension de A et de B de type t où t est le plus grand type qui soit à la fois un sous-type de t et un sous-type de t. 1

2 L unification de listes n est définie que sur des listes de longueur identique. Le résultat de l unification de deux listes A et B est la liste C dont chaque élément de rang x où x varie de 1 à L (L = longueur des listes A et B) est le résultat de l unification de l élément de rang x des listes A et B. Le résultat de l unification de deux ensembles A et B est l ensemble C qui est construit de manière à ce que tout élément de C est soit un élément de A ou de B, soit le résultat de l unification d un élément de A et de B. Chaque élément de A et de B ne peut être utilisé qu une seule fois dans la construction de l ensemble C. 3 Exercices 3.1 Unification de structures de traits non-typées Soit la liste de structures de traits non-typées ci-dessous: 1. Pour chaque paire de structures de traits (x,y) dites si x est une extension y ou inversement? 2. Pour chaque paire de structures de traits (x,y) dites si elles sont unifiables et donnez le résultat le cas échéant. A. B. GENRE masculin NOMBRE singulier PERSONNE 3eme GENRE masculin D. E. GENRE feminin GENRE masculin C. PERSONNE 3eme F. PERSONNE 2eme 3.2 Exercice 2: Unification de structures de traits typées Soit la hiérarchie de types donnée dans le tableau ci-dessous: 2

3 type hérite de contrainte indice structure-de-trait genre genre nombre personne personne genre valeur-atomique feminin genre masculin genre nombre valeur-atomique singulier nombre pluriel nombre personne valeur-atomique 2eme personne 3eme personne indice-masculin indice genre masculin indice-feminin indice genre feminin indice-singulier indice nombre singulier indice-pluriel indice nombre pluriel indice-1ere indice personne 1ere indice-2eme indice personne 2eme indice-3eme indice personne 3eme indice-0 indice-1 indice-2 indice-3 indice-masculin indice-singulier indice-0 indice-3eme indice-2eme indice-pluriel indice-2 indice-feminin 1. Pour chaque paire de structure de traits (x,y), donnez le résultat de l unification entre x et y. A. B. C. indice-0 indice-2 indice-3eme singulier personne 2eme personne 3eme genre masculin nombre pluriel D. E. F. indice-feminin indice-masculin indice-2eme genre feminin genre masculin personne 2eme 3.3 Exercice 2: Unification de structures de traits non-typées avec valeur non-atomiques et réentrance 1. Pour chaque paire de structure de traits (x,y), donnez le résultat de l unification entre x et y. 3

4 A. SYNTAXE ACCORD SEMANTIQUE NOMBRE singulier TEMPS present B. SYNTAXE ACCORD PERSONNE 3eme C. ACCORD 1 SYNTAXE SUJET ACCORD 1 D. SYNTAXE SUJET NOMBRE pluriel E. SUJET NOMBRE pluriel SYNTAXE ACCORD NOMBRE pluriel 3.4 Unification de listes (avec structures de traits typées) Soit la hiérachie de types représentée par l arbre ci-dessous: synsem canonique non-canonique gap affixe-pronominal nul-pronominal 1. Pour chaque paire de structure de traits (x,y), donnez le résultat de l unification entre x et y. 4

5 A. COMPS canonique gap, LOC CAT TETE nom LOC CAT TETE prep B. canonique COMPS LOC CAT VAL SPR synsem synsem, LOC CAT C. synsem COMPS synsem, LOC CAT VAL SPR synsem MARQUE de D. COMPS gap synsem, LOC CAT TETE nom LOC CAT TETE prep 3.5 Unification d ensembles 1. Donnez tous les résultats possibles de l unification entre les structures de traits A et B. 2. Dites si l unification de deux ensembles peut échouer. A. B. OBJETS{ FORME rond OBJETS{ COULEUR rouge }, FORME carré }, COULEUR bleu 1. Pour chaque paire de structure de traits (x,y), donnez tous les résultats possibles de l unification entre x et y. A. B. C. OBJETS{ FORME rond OBJETS{ COULEUR rouge OBJETS{ COULEUR rouge }, FORME carré, COULEUR bleu }, FORME carré, COULEUR bleu }, COULEUR bleu 5

6 4 Structure du signe en HPSG signe mot syntagme signe PHON liste(forme) SYNSEM canonique mot signe SYNSEM CATEGORIE ST-ARG liste(synsem) syntagme signe BRANCHES liste(signe) synsem canonique non-canonique gap affixe-pronominal nul-pronominal synsem LOCAL local NON-LOCAL non-local local CATEGORIE categorie CONTENU contenu CONTEXTE contexte categorie TETE tete VALENCE valence MARQUE marque contenu INDICE indice RELATIONS ensemble(relation) indice NOMBRE nombre GENRE genre PERSONNE personne valence SUJ liste(synsem) SPR liste(synsem) COMPS liste(synsem) 6

Grammaires d unification

Grammaires d unification Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les

Plus en détail

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG)

Analyse syntaxique et application aux langues naturelles. Grammaires Lexicales Fonctionnelles (LFG) Université de Nice Sophia Antipolis Master 2 Recherche PLMT Analyse syntaxique et application aux langues naturelles Grammaires Lexicales Fonctionnelles (LFG) Jacques Farré et Sylvain Schmitz Analyse syntaxique

Plus en détail

Analyse syntaxique ou grammaticale

Analyse syntaxique ou grammaticale Analyse syntaxique ou grammaticale Analyse syntaxique traditionnelle Généralement fondée sur le paradigme génératif de Chomsky La grammaire a pour objet de générer tous et seulement les énoncés possibles

Plus en détail

Traitement de Langages et Dialogues Naturels par Ordinateur

Traitement de Langages et Dialogues Naturels par Ordinateur Traitement de Langages et Dialogues Naturels par Ordinateur Une introduction Philippe Muller muller@irit.fr Institut de Recherche en Informatique de Toulouse CNRS-Université Paul Sabatier http://www.irit.fr/

Plus en détail

Méthodes et outils pour l annotation manuelle ou semi-automatique de corpus

Méthodes et outils pour l annotation manuelle ou semi-automatique de corpus Méthodes et outils pour l annotation manuelle ou semi-automatique de corpus Yann Mathet, Antoine Widlöcher Laboratoire GREYC - Université de Caen Ecole thématique «Annotation de données langagières» Biarritz,

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation

Théorie des Graphes Cours 3: Forêts et Arbres II / Modélisation IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes

Plus en détail

fiche D AUTOCORRECTION Frimousse, une petite chienne qu'on a adoptée le mois dernier, est intelligente et docile.

fiche D AUTOCORRECTION Frimousse, une petite chienne qu'on a adoptée le mois dernier, est intelligente et docile. fiche D AUTOCORRECTION 3.4 Les accords sont corrects dans chaque groupe du nom. On met souvent sur le dos de l inattention les erreurs d orthographe grammaticale. Bien accorder les mots exige de l observation

Plus en détail

Notes de cours de spé maths en Terminale ES

Notes de cours de spé maths en Terminale ES Spé maths Terminale ES Lycée Georges Imbert 05/06 Notes de cours de spé maths en Terminale ES O. Lader Table des matières Recherche de courbes sous contraintes, matrices. Systèmes linéaires.......................................

Plus en détail

DUT Informatique - Module M-4102C Modélisation et construction des applications réparties

DUT Informatique - Module M-4102C Modélisation et construction des applications réparties DUT Informatique - Module M-4102C Modélisation et construction des applications réparties Applications réparties (distributed systems) J. Christian Attiogbé Février 2009, maj 2015 J. Christian Attiogbé

Plus en détail

Mobilités et métropolisation

Mobilités et métropolisation Objet de la présentation Mobilités et métropolisation Université Nice - Sophia Antipolis UMR ESPACE 6012 Équipe «dynamiques territoriales» 98, bd Édouard Herriot BP 3209-06204 Nice cedex Tel / fax : 04

Plus en détail

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé

Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e

Plus en détail

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels 2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Intérêt de la «normalisation»

Plus en détail

Module OMGL - UE ModDyn

Module OMGL - UE ModDyn Module OMGL - UE ModDyn Modélisation de la dynamique / Réseaux de Petri J. Christian Attiogbé Février 2009, maj 2012 J. Christian Attiogbé (Février 2009, maj 2012) Module OMGL - UE ModDyn 1 / 34 Plan de

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Grammaires formelles, Automates

Grammaires formelles, Automates 1/39 Grammaires formelles, Automates Pierre Zweigenbaum LIMSI, CNRS pz@limsi.fr http://www.limsi.fr/~pz/ 2/39 1 Syntaxe : grammaire, analyse 2 Grammaires formelles Langage et grammaire Grammaires régulières

Plus en détail

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog»

Rapport des travaux du bureau d étude Prolog «Programmer en Prolog» Ministère d Enseignement Supérieur, de Recherche Scientifique et de Technologies *** Ecole Nationale d Ingénieurs de Tunis ***** Département de Technologies d Informations et de Communications *******

Plus en détail

Découverte de Règles Associatives Hiérarchiques entre termes. Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA

Découverte de Règles Associatives Hiérarchiques entre termes. Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA Découverte de Règles Associatives Hiérarchiques entre termes Sandra BSIRI Hamza Mahdi ZARG AYOUNA Chiraz L.Chérif Sadok BENYAHIA 1 Plan Problématique et État de l art Nouvelle approche Approche Conceptuelle

Plus en détail

Mon code d autocorrection 1 er cycle. Est-ce que ma phrase débute par une MAJUSCULE et se termine par un point? J encercle la majuscule et le point.

Mon code d autocorrection 1 er cycle. Est-ce que ma phrase débute par une MAJUSCULE et se termine par un point? J encercle la majuscule et le point. Mon code d autocorrection 1 er cycle Structure de la phrase Est-ce que ma phrase se dit bien en français écrit? Je relis ma phrase. Je fais lire ma phrase par quelqu un. Ponctuation Est-ce que ma phrase

Plus en détail

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN Les contenues de ce document sont la propriété exclusive de la société REVER. Ils ne sont transmis qu à titre d information et ne peuvent en aucun cas

Plus en détail

Des grammaires en Prolog? DCG et ALE - Une petite introduction

Des grammaires en Prolog? DCG et ALE - Une petite introduction Des grammaires en Prolog? DCG et ALE - Une petite introduction Laleh Ghadakpour et François Yvon Ecole Nationale Supérieure des télécommunications Departement Informatique et Réseaux 2 avril 2007 Plan

Plus en détail

Algorithmique et Analyse d Algorithmes

Algorithmique et Analyse d Algorithmes Algorithmique et Analyse d Algorithmes L3 Info Cours 11 : Arbre couvrant Prétraitement Benjamin Wack 2015-2016 1 / 32 La dernière fois Rappels sur les graphes Problèmes classiques Algorithmes d optimisation

Plus en détail

Introduction aux CRF via l annotation par des modèles graphiques. Isabelle Tellier. LIFO, Université d Orléans

Introduction aux CRF via l annotation par des modèles graphiques. Isabelle Tellier. LIFO, Université d Orléans Introduction aux CRF via l annotation par des modèles graphiques Isabelle Tellier LIFO, Université d Orléans Plan 1. Annoter pour quoi faire 2. Apprendre avec un modèle graphique 3. Annnoter des chaînes

Plus en détail

Chap. VII : arbres binaires

Chap. VII : arbres binaires Chap. VII : arbres binaires 1. Introduction Arbre : collection d objets avec une structure hiérarchique Structure intrinsèque descendants d une personne (elle incluse) A ascendant connus d une personne

Plus en détail

PLAN DE TABLE. un exercice domestique. On a une table ronde autour de laquelle on doit disposer N couples. On s oblige à deux contraintes :

PLAN DE TABLE. un exercice domestique. On a une table ronde autour de laquelle on doit disposer N couples. On s oblige à deux contraintes : PLAN DE TABLE un exercice domestique POSITION DU PROBLÈME On a une table ronde autour de laquelle on doit disposer N couples. On s oblige à deux contraintes : 1) Alternance des hommes et des femmes. 2)

Plus en détail

Modélisation Conceptuelle. Partie 3: Validation et transformations

Modélisation Conceptuelle. Partie 3: Validation et transformations Modélisation Conceptuelle Partie 3: Validation et transformations Méthode de modélisation 1. Etude des besoins de l'entreprise interviews analyse des documents existants 2. Construction du diagramme EA

Plus en détail

Méthodes de Résolution de problèmes En Intelligence Artificielle

Méthodes de Résolution de problèmes En Intelligence Artificielle Méthodes de Résolution de problèmes En Intelligence Artificielle Résolution de Problèmes et Intelligence Artificielle Résoudre des puzzles Jouer aux échecs Faire des mathématiques Et même conduire une

Plus en détail

SEO Camp'us -4 et 5 février 2009. Directeur du pôle métiers Aposition

SEO Camp'us -4 et 5 février 2009. Directeur du pôle métiers Aposition L'apport de la sémantique et de la linguistique statistique pour le SEO SEO Camp'us -4 et 5 février 2009 Philippe YONNET Directeur du pôle métiers Aposition Président de l association SEOCamp Comment classer

Plus en détail

CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL. [GARD01] Chapitre XVII

CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL. [GARD01] Chapitre XVII CHAPITRE II CONCEPTION D'UN SCHEMA RELATIONNEL [GARD01] Chapitre XVII 27 CONCEPTION D'UN SCHEMA RELATIONNEL - Introduction 1. INTRODUCTION 1.1. Lien entre la base de données et le système d'information

Plus en détail

Projet de Programmation Fonctionnelle

Projet de Programmation Fonctionnelle Projet de Programmation Fonctionnelle L objectif de ce projet est de concevoir, en Objective Caml, un évaluateur pour le langage mini-ml (un sous ensemble du langage Objective Caml). Votre programme devra

Plus en détail

UML Diagramme de classes (class diagram) pour le recueil et l analyse des besoins. Emmanuel Pichon 2013 V1.1

UML Diagramme de classes (class diagram) pour le recueil et l analyse des besoins. Emmanuel Pichon 2013 V1.1 UML Diagramme de classes (class diagram) pour le recueil et l analyse des besoins 2013 V1.1 Objectif Diagramme de classes (class diagram) pour le recueil des besoins et l analyse Présenter un ensemble

Plus en détail

Grammaire Niveaux 4-5. 328 exercices pour les classes de CE2-CM1

Grammaire Niveaux 4-5. 328 exercices pour les classes de CE2-CM1 Grammaire Niveaux 4-5 328 exercices pour les classes de CE2-CM1 Les codes flash placés dans la marge permettent de retrouver facilement un exercice (la lettre indique le numéro du chapitre et le groupe

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche Chapitre 1 Arbres binaires de recherche 1 Les arbre sont très utilisés en informatique, d une part parce que les informations sont souvent hiérarchisées, et peuvent être représentées naturellement sous

Plus en détail

1 Récupération des données

1 Récupération des données Lycée Buffon MP*/PSI 014-15 Épreuve d informatique du concours blanc, jeudi 5 mars 015 (3h00) Les documents, téléphones portables, ordinateurs et calculatrices sont interdits. Le sujet de cette épreuve

Plus en détail

Travaux pratiques d électronique, première séance. Circuits passifs. S. Orsi, A. Miucci 22 septembre 2014

Travaux pratiques d électronique, première séance. Circuits passifs. S. Orsi, A. Miucci 22 septembre 2014 Travaux pratiques d électronique, première séance Circuits passifs S. Orsi, A. Miucci 22 septembre 2014 1 Révision 1. Explorez le protoboard avec le voltmètre. Faites un schéma des connexions. 2. Calibrez

Plus en détail

TES Spécialité Maths Eléments de correction du DNS n 8 du Jeudi 2 Mai 2013. Graphe et codage binaire ( d après Déclic TES)

TES Spécialité Maths Eléments de correction du DNS n 8 du Jeudi 2 Mai 2013. Graphe et codage binaire ( d après Déclic TES) TES Spécialité Maths Eléments de correction du DNS n 8 du Jeudi 2 Mai 2013 Objectifs : donner du sens à un calcul matriciel graphe étiqueté chercher de nouveaux problèmes Un codage binaire peut se faire

Plus en détail

Fiche de TD-TP no. 4

Fiche de TD-TP no. 4 Master 1 Informatique Programmation Fonctionnelle, p. 1 Fiche de TD-TP no. 4 Exercice 1. Voici trois façons différentes de définir le type Image : type Image = [[ Int ]] data Image = Image [[ Int ]] newtype

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

Plus en détail

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels

2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels 2A-SI 4 - Bases de Données 4.4 - Normalisation de schémas relationnels Stéphane Vialle Stephane.Vialle@supelec.fr http://www.metz.supelec.fr/~vialle Avec l aide du cours de Y. Bourda Intérêt de la normalisation

Plus en détail

Aujourd hui, j ai parlé en français: Maquette générale

Aujourd hui, j ai parlé en français: Maquette générale 1 Aujourd hui, j ai parlé en français: Maquette générale Niveaux du CECR : A1 Public : Adolescents à la découverte du français Contexte d enseignement-apprentissage : Cours de FLE Supports technologiques

Plus en détail

Généralités sur les graphes

Généralités sur les graphes Généralités sur les graphes Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Notion de graphe 3 1.1 Un peu de vocabulaire.......................................... 3 1.2 Ordre d un graphe,

Plus en détail

EXAMEN FINAL. 2 Février 2006-2 heures Aucun document autorisé

EXAMEN FINAL. 2 Février 2006-2 heures Aucun document autorisé MIE - E ANNÉE ALGORITHMIQUE GÉNÉRALE Vincent Mousseau EXAMEN FINAL Février 006 - heures Aucun document autorisé Exercice : On s intéresse à la gestion informatique des réservations sur l année d une salle

Plus en détail

Savoirs de base. S initier Se perfectionner Maîtriser. Corrigés des tests de positionnement

Savoirs de base. S initier Se perfectionner Maîtriser. Corrigés des tests de positionnement Savoirs de base S initier Se perfectionner Maîtriser Corrigés des tests de positionnement Mathématiques x Dans la collection «Savoirs de base», les cours «S initier» et «Se perfectionner» proposent de

Plus en détail

Pour mettre à niveau à partir de Windowmaker 5, veuillez consulter Les Nouveautés de Windowmaker 2012

Pour mettre à niveau à partir de Windowmaker 5, veuillez consulter Les Nouveautés de Windowmaker 2012 Sommaire Prérequis pour la mise à niveau... 1 Améliorations d ordre général... 1 Windowmaker pour Windows 8... 1 Pourcentage de bradage maximum... 1 Encore facile de maintenir les coûts pour les pièces

Plus en détail

Plan du cours de Programmation logique

Plan du cours de Programmation logique Plan du cours de Programmation logique 1 Introduction 2 3 Igor Stéphan 1/ 64 La logique comme langage de programmation Un langage de programmation logique est défini par : un langage des données Ω; et

Plus en détail

T.P. Traitement Automatique des Langues (Retoré) Master Info 1ère année Université Bordeaux 1

T.P. Traitement Automatique des Langues (Retoré) Master Info 1ère année Université Bordeaux 1 T.P. Traitement Automatique des Langues (Retoré) Master Info 1ère année Université Bordeaux 1 Il s agit d illustrer le cours par une grammaire de clauses définiesà écrire en Sicstus Prolog. En fait Prolog

Plus en détail

Liste des commandes (non exhaustive) sous Matlab

Liste des commandes (non exhaustive) sous Matlab Liste des commandes (non exhaustive) sous Matlab Cours 8 : Tableaux multidimensionnels et structures sous Matlab Type de données Vecteurs et matrices numériques : o tableaux numériques à une ou deux dimensions

Plus en détail

SGBD. Mathias Kleiner mathias.kleiner@ensam.eu http://www.lsis.org/kleinerm SGBD. Conception d'une base de données. Introduction aux bases de données

SGBD. Mathias Kleiner mathias.kleiner@ensam.eu http://www.lsis.org/kleinerm SGBD. Conception d'une base de données. Introduction aux bases de données bases de Mathias Kleiner mathias.kleiner@ensam.eu http://www.lsis.org/kleinerm Le Biblio Septembre 2013 http://creativecommons.org/licenses/by-sa/3.0/ Plan du cours bases de Le Biblio 1 bases de 2 3 4

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

Analyse statique des interactions entre structures élémentaires d une grammaire

Analyse statique des interactions entre structures élémentaires d une grammaire Analyse statique des interactions entre structures élémentaires d une grammaire Guy Perrier LORIA, Université de Lorraine, équipe Sémagramme, bât. C, Campus Scientifique BP 239 54506 Vandøeuvre-lès-Nancy,

Plus en détail

Statistiques émies par l'ordre des Infirmières et infirmiers au Liban 01-09-2015

Statistiques émies par l'ordre des Infirmières et infirmiers au Liban 01-09-2015 01-09-2015 1- Répartition des infirmier/es inscrit/es à l'ordre selon le genre Genre Effectif Pourcentage Féminin 10497 80.31% Masculin 2573 19.69% Total 13070 100.00% 2- Répartition des infirmier/es inscrit/es

Plus en détail

TD 1 : Introduction à Maple

TD 1 : Introduction à Maple TD 1 : Septembre-Octobre 2011 Maple, qu est-ce que c est? Maple est - en gros - une calculatrice très évoluée. Au contraire de vos petites machines portables, il sait non seulement manipuler les nombres,

Plus en détail

Tableaux dynamiques: vecteurs

Tableaux dynamiques: vecteurs Tableaux dynamiques: vecteurs Pour pallier les défauts inhérents à la rigidité des tableaux de taille fixe (built-in array), la librairie (générique) standard 1 de C++ fournit un type de donnée 2 dénommée

Plus en détail

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD

IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Université de Perpignan - IUT de Carcassonne Vivien ROSSI Année 2006/2007 IUT STID, 1 ère année Découverte de logiciels statistiques Prise en main du logiciel SPAD Ce document est tiré du site : http ://www.stat.ucl.ac.be/ispersonnel/lecoutre/stats/spad/

Plus en détail

O D O M A T R I X. Mohamed HILAL INRA, UMR1041 CESAER 26 boulevard Docteur-Petitjean BP 87999 F-21036 Dijon cedex hilal@dijon.inra.

O D O M A T R I X. Mohamed HILAL INRA, UMR1041 CESAER 26 boulevard Docteur-Petitjean BP 87999 F-21036 Dijon cedex hilal@dijon.inra. O D O M A T R I X Version 1.0 Février 2008 Copyright 2008 INRA, UMR1041, CESAER Référencement APP : IDDN.FR.001.040016.R.P.2008.000.30805 Tous droits réservés Mohamed HILAL INRA, UMR1041 CESAER 26 boulevard

Plus en détail

Savoirs de base. S initier Se perfectionner Maîtriser. Tests de positionnement autocorrectifs

Savoirs de base. S initier Se perfectionner Maîtriser. Tests de positionnement autocorrectifs Savoirs de base S initier Se perfectionner Maîtriser Tests de positionnement autocorrectifs Mathématiques x Dans la collection «Savoirs de base», les cours «S initier» et «Se perfectionner» proposent de

Plus en détail

Arbres binaires. Illustration avec des arbres binaires de décision Généricité bornée Synthèse sur les assertions et les exceptions

Arbres binaires. Illustration avec des arbres binaires de décision Généricité bornée Synthèse sur les assertions et les exceptions Arbres binaires Illustration avec des arbres binaires de décision Généricité bornée Synthèse sur les assertions et les exceptions FMIN220 Structures de données Université de Montpellier 2015 FMIN220 (UM)

Plus en détail

Partie 3. Gilles Lebrun (gilles.lebrun@unicaen.fr)

Partie 3. Gilles Lebrun (gilles.lebrun@unicaen.fr) Partie 3 Gilles Lebrun (gilles.lebrun@unicaen.fr) Les arbres binaires Définition : C est une structure arborescente ou hiérarchique ou récursive Chaque élément (nœud) constituant la structure de l arbre

Plus en détail

TD Réseau Les codes correcteurs et les codes détecteurs. Claude Duvallet

TD Réseau Les codes correcteurs et les codes détecteurs. Claude Duvallet TD Réseau Les codes correcteurs et les codes détecteurs Claude Duvallet Matrise Informatique Année 2003-2004 Année 2003-2004 p.1/22 Présentation (1) Pourquoi? Des canaux de transmission imparfait entraînant

Plus en détail

Algorithmes de tris. Chapitre 4

Algorithmes de tris. Chapitre 4 Chapitre 4 Algorithmes de tris Trier un ensemble d objets consiste à ordonner ces objets en fonction de clés et d une relation d ordre définie sur cette clé. Par exemple, chaque étudiant inscrit à l université

Plus en détail

Caractéristiques du pronom

Caractéristiques du pronom DU MATÉRIEL PRONOM POUR ALLOPHONES 1 Pronoms Caractéristiques du pronom 1. Le pronom a comme rôle principal de remplacer un groupe nominal afin d éviter la répétition. Il occupe les mêmes fonctions que

Plus en détail

Rapport de TER: Analyse de pointeur dans LLVM

Rapport de TER: Analyse de pointeur dans LLVM Rapport de TER: Analyse de pointeur dans LLVM Aurélien CHEMIER Janvier-Février 2014 Résumé Les optimisations réalisées à l intérieur d un compilateur, pour améliorer l efficacité du code généré, ont besoin

Plus en détail

Cours de Statistiques

Cours de Statistiques Cours de Statistiques Romain Raveaux 1 1 Laboratoire L3I Université de La Rochelle romain.raveaux01 at univ-lr.fr Octobre 24-11, 2008 1 / 35 Sommaire 1 Quelques Rappels 2 numériques Relations entre deux

Plus en détail

Les références et la mémoire

Les références et la mémoire Chapitre 3 Les références et la mémoire 3.1 Introduction En Java, pour déclarer une variable, il faut donner son nom, précédé du type qu on souhaite lui attribuer. Ces types peuvent être des types primitifs

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Recherche d information textuelle

Recherche d information textuelle Recherche d information textuelle Pré-traitements & indexation B. Piwowarski CNRS / LIP6 Université Paris 6 benjamin@bpiwowar.net http://www.bpiwowar.net Master IP - 2014-15 Cours et travaux pratiques

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

Ricco Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours/cours_programmation_r.html. R.R. Université Lyon 2

Ricco Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours/cours_programmation_r.html. R.R. Université Lyon 2 Ricco Rakotomalala http://eric.univ-lyon2.fr/~ricco/cours/cours_programmation_r.html 1 R est un langage de programmation. L objet de base est un vecteur de données. C est un «vrai» langage c.-à-d. types

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 3. Les distributions à deux variables Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles

Plus en détail

Arbres couvrants minimaux

Arbres couvrants minimaux Arbres couvrants minimaux Algorithmique L François Laroussinie er décembre 00 Plan Définitions Algorithme de Prim Algorithme de Kruskal Application au voyageur de commerce Plan Définitions Algorithme de

Plus en détail

Programme de la 3ème année

Programme de la 3ème année Programme de la 3ème année de la licence informatique Recopié du Syllabus L3 Informatique. 2003-2004 (UPS Toulouse) Algorithmes, Types de données et preuves (84h) Objectif : Approfondir l'algorithmique

Plus en détail

TP1 : Introduction à MATLAB

TP1 : Introduction à MATLAB TP1 : Introduction à MATLAB Table des matières 1 Objectif du cours et du TP 2 1.1 Généralités...................................... 2 1.2 But de ce TP..................................... 2 2 Mise en route

Plus en détail

TP 1 M1 Informatique Apprentissage Automatique. Premières classifications : apprentissage et évaluation

TP 1 M1 Informatique Apprentissage Automatique. Premières classifications : apprentissage et évaluation Premières classifications : apprentissage et évaluation L objectif de ce TP est double : prise en main de la bibliothèque scikit-learn de Python, dédiée à l apprentissage automatique, sensibilisation à

Plus en détail

Introduction à l analyse des données. Olivier Godechot

Introduction à l analyse des données. Olivier Godechot Introduction à l analyse des données Olivier Godechot Introduction. Les données statistiques : de très nombreuses variables. Aucune n est parfaite La perception d un phénomène appréhendée comme la combinaison

Plus en détail

Classification sectorielle des fonctions. Manuel pour les entreprises du secteur de l assurance

Classification sectorielle des fonctions. Manuel pour les entreprises du secteur de l assurance Classification sectorielle des fonctions Manuel pour les entreprises du secteur de l assurance Classification sectorielle des fonctions Table des matières du manuel pour les entreprises du secteur de l

Plus en détail

Fraternité d entiers (Version tableau) [th08] - Exercice

Fraternité d entiers (Version tableau) [th08] - Exercice Fraternité d entiers (Version tableau) [th08] - Exercice Karine Zampieri, Stéphane Rivière, Béatrice Amerein-Soltner Unisciel algoprog Version 10 avril 2015 Table des matières 1 Stratégie naïve 1 1.1 Stratégie

Plus en détail

Compilateurs : Analyse lexicale. Vous êtes ici 2. Analyse lexicale 4. Matthieu Amiguet. En entrée d un compilateur, on a généralement un fichier

Compilateurs : Analyse lexicale. Vous êtes ici 2. Analyse lexicale 4. Matthieu Amiguet. En entrée d un compilateur, on a généralement un fichier Compilateurs : Matthieu Amiguet 2009 2010 Vous êtes ici 2 Partie Avant Analyse syntaxique Analyse sémantique Arbre syntaxique abstrait (AST) Partie Arrière Optimisation de l AST Génération de code Optimisation

Plus en détail

Complément du cours Langage C

Complément du cours Langage C Complément du cours Langage C Licence Fondamentale SMI (semestre 3) Pr. Mouad BEN MAMOUN ben_mamoun@fsr.ac.ma Année universitaire 2013/2014 2013/2014 Pr. Ben Mamoun 1 Chapitre 9 Types structures, unions

Plus en détail

Introduction langage MEL sous Maya

Introduction langage MEL sous Maya 1 sur 6 09/12/2013 09:27 Introduction langage MEL sous Maya lionel.reveret@inria.fr 2013-14 L'architecture interne de Maya L'architecture interne de Maya est construire autour d'un graphe de nœuds connectés

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

Plus en détail

Programmation logique par contraintes. Partie II

Programmation logique par contraintes. Partie II Programmation logique par contraintes Partie II Plan du cours Programmation logique et Prolog (PL) SWI-Prolog, Sicstus Programmation logique par contraintes (PLC) Sicstus Problèmes de satisfaction de contraintes

Plus en détail

Signaux d interdiction et d obligation: Pictogramme 240 CEDEZ Obligation de céder le passage aux autres skieurs Dimension 90 cm de côté Couleur: rouge

Signaux d interdiction et d obligation: Pictogramme 240 CEDEZ Obligation de céder le passage aux autres skieurs Dimension 90 cm de côté Couleur: rouge Signaux d interdiction et d obligation: Pictogramme 240 CEDEZ Obligation de céder le passage aux autres skieurs Dimension 90 cm de côté Couleur: rouge Pictogramme 241 PISTE FERMÉE Indique que l accès à

Plus en détail

Examen de rattrapage

Examen de rattrapage Université Denis Diderot Paris 7 7 juin 4 Probabilités et Simulations UPS36 Examen de rattrapage durée : 3 heures Les documents et calculatrices ne sont pas autorisés. On prendra soin de bien justifier

Plus en détail

Système à Base de Règles. EPITA SYBR SCIA Adrien Pain V1 (11) Philippe Morignot V2 (sept. 12), V3 (oct. 13) et V4 (oct. 15)

Système à Base de Règles. EPITA SYBR SCIA Adrien Pain V1 (11) Philippe Morignot V2 (sept. 12), V3 (oct. 13) et V4 (oct. 15) Système à Base de Règles EPITA SYBR SCIA Adrien Pain V1 (11) Philippe Morignot V2 (sept. 12), V3 (oct. 13) et V4 (oct. 15) Plan du cours 1. Diagnostic 2. Systèmes experts 3. Algorithme RETE 4. Travaux

Plus en détail

Représentation de la Connaissance. Complément Pratique 7 novembre 2006

Représentation de la Connaissance. Complément Pratique 7 novembre 2006 Représentation de la Connaissance Les jeux en Prolog Introduction Complément Pratique 7 novembre 2006 Nous nous intéressons aux jeux à deux joueurs pour lesquels la situation du jeu est connue des deux

Plus en détail

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples

Arbres. Alphabet Σ = Σ 0 Σ k. Exemples Arbres Alphabet Σ = Σ 0 Σ k Σ i : alphabet fini de symboles de rang i (Σ i Σ j possible). Un arbre t de rang k est défini par un ensemble (fini) dom(t) {1,..., k} clos par préfixe (domaine de t) : si v,

Plus en détail

Visibilité polygone à polygone :

Visibilité polygone à polygone : Introduction Visibilité polygone à polygone : calcul, représentation, applications Frédéric Mora Université de Poitiers - Laboratoire SIC 10 juillet 2006 1 La visibilité Introduction Contexte L espace

Plus en détail

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres

Il y a 24 individus en ligne (les modèles de voitures) et 6 variables en colonnes (paramètres mécaniques). Valeurs propres VOITURE: On étudie 6 différents paramètres mécaniques (les variables), exprimées dans des unités différentes, de 24 modèles de voitures (les individus). Modèle Cylindre Puissance Vitesse Poids Longueur

Plus en détail

Deuxième partie II ALGORITHMES DANS LES GRAPHES

Deuxième partie II ALGORITHMES DANS LES GRAPHES Deuxième partie II ALGORITHMES DANS LES GRAPHES Représentation des graphes Représentation en mémoire : matrice d incidence / Matrice d incidence Soit G = (, E) graphe simple non orienté avec n = et m =

Plus en détail

Programme Garantie de prêt

Programme Garantie de prêt 2010-2011 Programme Garantie de prêt 2015-2016 Pekuakamiulnuatsh Takuhikan Approuvé le 15 décembre 2014 Règles d'interprétation INTERPRÉTATION DU TEXTE Il est à noter que le genre masculin est utilisé

Plus en détail

6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr

6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr 6 - Le système de gestion de fichiers F. Boyer, UJF-Laboratoire Lig, Fabienne.Boyer@imag.fr Interface d un SGF Implémentation d un SGF Gestion de la correspondance entre la structure logique et la structure

Plus en détail

Utilisation des tableaux sémantiques dans les logiques de description

Utilisation des tableaux sémantiques dans les logiques de description Utilisation des tableaux sémantiques dans les logiques de description IFT6281 Web Sémantique Jacques Bergeron Département d informatique et de recherche opérationnelle Université de Montréal bergerja@iro.umontreal.ca

Plus en détail

Épreuve d informatique 2011

Épreuve d informatique 2011 A 2011 INFO. MP 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

Plus en détail

Traduction des Langages : Le Compilateur Micro Java

Traduction des Langages : Le Compilateur Micro Java BARABZAN Jean-René OUAHAB Karim TUCITO David 2A IMA Traduction des Langages : Le Compilateur Micro Java µ Page 1 Introduction Le but de ce projet est d écrire en JAVA un compilateur Micro-Java générant

Plus en détail

C12. Les structures arborescentes. Août 2006

C12. Les structures arborescentes. Août 2006 Les structures arborescentes Août 2006 Objectifs du C12 Connaître le principe de la structure d arbre binaire Connaître les détails d implémentation de la structure d arbre binaire de recherche Les structures

Plus en détail

Objectif du groupe GT1.1 Fusion de Données

Objectif du groupe GT1.1 Fusion de Données Objectif du groupe GT1.1 Fusion de Données Le groupe travaille dans trois directions Le vocabulaire (piloté par ADVITAM et l aide de SITE) L état de l art (piloté par SYROKKO) Deux applications illustratives

Plus en détail

Coloriages et invariants

Coloriages et invariants DOMAINE : Combinatoire AUTEUR : Razvan BARBULESCU NIVEAU : Débutants STAGE : Montpellier 013 CONTENU : Exercices Coloriages et invariants - Coloriages - Exercice 1 Le plancher est pavé avec des dalles

Plus en détail

Systèmes de dialogue homme-machine

Systèmes de dialogue homme-machine Systèmes de dialogue homme-machine Une introduction rapide Sophie Rosset Groupe Traitement du Langage Parlé Département Communication Homme-Machine LIMSI - CNRS Sophie Rosset (LIMSI) Systèmes de dialogue

Plus en détail

Apprentissage par exploration

Apprentissage par exploration Apprentissage par exploration 1/32 Introduction Méthode particulière d acquisition de connaissance : apprentissage artificiel, à partir d induction. obtention des connaissances à partir d exemples. On

Plus en détail