Introduction à la classification spectrale
|
|
- Charles Laurin
- il y a 7 ans
- Total affichages :
Transcription
1 Introduction à la claification pectrale L. Macaire - LAGIS - UMR CNRS 8146 Réunion Clapec du 23 mar
2 Clutering par k-mean 2
3 Notation [Halawana Mater Recherche 2006] Enemble de n donnée l-dimenionnelle à claifier: S={ 1,..., n } Le graphe non orienté G(V,E) et une tructure repréentant le paire de relation entre le donnée. V:Enemble de noeud { i } et E: enemble de arc pondéré {w ij } 3
4 Repréentation d'un Graphe i j 4
5 Valuation de arc w i,j : Meure de imilarité entre le donnée i et j Propriété d'une meure de imilarité im( i, j ): (éloignée) 0 <= im( i, j ) <= 1 (proche) im( i, j ) = im ( j, i ) Exemple: im( i,, j )= exp (- i, - j ²/σ²) 5
6 Exemple de graphe S1 0.1 S5 S2 0.6 S6 S3 0.2 S
7 Contruction de clae par le cut minimum [Wu Leahy IEEE PAMI 93] Minimier le poid de connection entre 2 ou-graphe A et B J min cut A,B =min cut A,B cut A,B = i A,j B w ij S1 0.1 S5 S2 0.6 S6 S3 0.2 S
8 Contruction de clae A, B par le cut minimum Minimier le poid de connection entre 2 ou-graphe A et B A J min cut A,B =min cut A,B cut A,B = i A,j B S2 0.6 S1 S S4 S5 0.7 w ij S6 B 8
9 Théorie pectrale du graphe Optimiation complexe -> optimiation linéaire Minimiation du cut -> problème pectral matriciel Graphe pondéré => matrice de imilarité 9
10 Contruction de clae A, B par le cut minimum W: matrice de imilarité [w ij ] A S1 0.1 S5 B S2 0.6 S6 S3 0.2 S
11 Contruction de clae A, B par le cut minimum D: matrice diagonale de degré [d ij ] d ii = k d ij =0 w ik A S1 0.1 S5 B S2 0.6 S6 0.2 S4 0.7 S3 11
12 Contruction de clae A, B par le cut minimum D: matrice diagonale de degré [d ij ] A S1 0.1 S5 B S2 0.6 S6 S3 0.2 S
13 Contruction de clae A, B par le cut minimum D: matrice diagonale de degré [d ij ] A S1 0.1 S5 B S2 0.6 S6 S3 0.2 S
14 Contruction de clae A, B par le cut minimum D-W: matrice laplacienne A S1 0.1 S5 B S6 S S4 0.7 S3 14
15 Contruction de clae A, B par le cut minimum D-W: matrice laplacienne A S1 0.1 S5 B S6 S S4 0.7 S3 15
16 Contruction de clae A, B par le cut minimum Exprime une bi-partition (A,B) comme un vecteur q de dimenion n q i =+1 => i aigné à A; q i =-1 => i aigné à B 16
17 Contruction de clae A, B par le cut minimum Exprime une bi-partition (A,B) comme un vecteur q de dimenion n q i =+1 => i aigné à A; q i =-1 => i aigné à B J mincut (A,B) = argmin q (q T (D-W)q) 17
18 Contruction de clae A, B par le cut minimum Exprime une bi-partition (A,B) comme un vecteur q de dimenion n q i =+1 => i aigné à A; q i =-1 => i aigné à B J mincut (A,B) = argmin q (q T (D-W)q) La olution optimale et l'une de olution de (D-W)q =λq 18
19 Contruction de clae A, B par le cut minimum Calcul de valeur et vecteur propre de (D-W) λ={0,0.3,2.2,2.3,2.5,3} La econde valeur propre la plu bae et la olution optimale 19
20 Contruction de clae A, B par le cut minimum Vecteur propre de λ A S1 0.1 S5 B S6 S S4 0.7 S3 20
21 3 Etape d'un claification pectrale 1 Pre-traitement Contruction d'une matrice de imilarité entre le donnée multi-dimenionnelle. 2 Décompoition Calcul de vecteur et valeur propre d'une matrice Laplacienne. Projection de chaque donnée dan un epace de repréentation de dimenion réduite compoé de vecteur propre. 21
22 3 Etape d'un claification pectrale 3 Claification Aignation de point en 2 clae (ou plu) à partir de cette repréentation. 22
23 Contruction de clae A, B par le cut minimum Favorie le petite clae iolée J min cut A,B =min cut A,B cut A,B = i A,j B w ij A S1 0.1 S5 B S2 0.6 S3 0.2 S S6 S
24 Contruction de clae A, B par le cut minimum Favorie le petite clae iolée J min cut A,B =min cut A,B cut A,B = i A,j B w ij A S1 0.1 S5 B S2 0.6 S3 0.2 S S6 0.1 S7 24
25 Contruction de clae A, B par le minimum cut normalié [Shi Malik IEEE PAMI 2000] Normaliation par le volume de clae J Normalizedcut A,B =min cut A,B = i A,j B w ij = cut A,B vol A q i 0, q j 0 cut A,B Vol B w ij.q i.q j vol A = i A, j S w ij vol A = i A, j S w ij = q i 0 d i J Normalizedcut q =min w ij. q i. q j q i 0, q j 0 q i 0 d i w ij. q i. q j q i 0,q j 0 q i 0 d i 25
26 Contruction de clae A, B par le minimum cut normalié Normaliation par le volume de clae J Normalizedcut q =min w ij. q i. q j q i 0, q j 0 q i 0 d i w ij. q i. q j q i 0,q j 0 q i 0 d i Soit 1: vecteur n-dimenionnel unitaire i q i 0 d i = 1 T D 1 d i =k. 1 T D 1 avec d i q k = i 0 i d i 26
27 Contruction de clae A, B par le minimum cut normalié J Normalizedcut q =min w ij. q i. q j q i 0, q j 0 k 1 T D1 w ij. q i. q j q i 0, q j 0 1 k 1 T D 1 (1+q)/2 et (1-q)/2 indiquent que q i >0 et q i <0 J Normalizedcut q =min 1 q T D W 1 q k 1 T D1 1 q T D W 1 q 1 k 1 T D 1 27
28 Contruction de clae A, B par le minimum cut normalié y= 1 q k 1 k. 1 q J Normalizedcut q =min y T D W y y T Dy Sou le condition que y T D1=0 et y i compri entre 0 et k /(1-k) Minimiation de cette expreion en réolvant le ytème de valeur propre: (D-W)y = λdy Ce qui revient à réoudre D -1/2 (D-W)D -1/2 z = λz avec z =D 1/2 y 28
29 Contruction de clae A, B par le minimum cut normalié Réolution D -1/2 (D-W)D -1/2 z = λz avec z =D 1/2 y Z 0 =D 1/2 1 et un vecteur propre aocié à la valeur propre 0 Retenir le vecteur aocié à la 2 nde valeur propre la plu faible 29
30 exemple[6.867 Machine learning, lecture 18 (Jaakkola)] Donnée Graphe 30
31 exemple[6.867 Machine learning, lecture 18 (Jaakkola)] Claification Vecteur propre lié à λ 2 31
32 Exemple [CS195-5:Introduction to Machine Learning Lecture25 Greg Shakhnarovich] Graphe avec 5 voiin Vecteur propre correpondant à λ2 Point claifié 32
33 Exemple [CS195-5:Introduction to Machine Learning Lecture25 Greg Shakhnarovich] 33
34 Exemple 34
35 Partition en k clae Projection de donnée dan l'epace de k vecteur propre Soit Z i =[z 1i,z 2i,..,z ki ] T compoé de la i eme coordonnée de k vecteur propre Kmean ur le point Z i 35
36 Paramètre Fonction de imilarité utiliée Nombre de voiin pour le calcul de la imilarité Nombre k de clae 36
37 Evaluation de claification[verma - Meila] Avec une vérité terrain CV Matrice de confuion entre le clae Taux de donnée mal claée 37
38 Evaluation de claification[verma - Meila] Variation d'information VI de la partition C Entropie avec P(k) = card (C k ) Info mutuelle K H C = k=1 P k log P k I CV,C = kv =1 avec P(kV,k) = card (CV kv,c k )/n VI(CV,C) = H(C) + H(CV) -2I (CV,C) C identique à CV => VI =0 K K k=1 P kv,k log P kv, k P kv. P k 38
39 Evaluation de claification (problème) Indice de Wallace WI(CV,C) WI CV,C = K k=1 K k =1 card CV k C k card CV k Card CV k 1 /2 C et CV ont identique => WI (CV,C) = 1 C et CV différent en tou point =>WI (CV,C)= 0 39
Prudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailEPFL 2010. TP n 3 Essai oedomètrique. Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilias Nafaï Weil Florian
1 EPFL 2010 Moncef Radi Sehaqui Hamza - Nguyen Ha-Phong - Ilia Nafaï Weil Florian 11 Table de matière Ø Introduction 3 Ø Objectif 3 Ø Déroulement de l eai 4 Ø Exécution de deux palier de charge 6 Ø Calcul
Plus en détailProjet. Courbe de Taux. Daniel HERLEMONT 1
Projet Courbe de Taux Daniel HERLEMONT Objectif Développer une bibliothèque en langage C de fonction relative à la "Courbe de Taux" Valeur Actuelle, Taux de Rendement Interne, Duration, Convexité, Recontitution
Plus en détailTP6 : ALIMENTATION A DECOUPAGE : HACHEUR SERIE ET CONVERTISSEUR STATIQUE ABAISSEUR DE TENSION
P6 : ALIMNAION A DCOUPAG : HACHUR SRI CONVRISSUR SAIQU ABAISSUR D NSION INRODUCION Le réeau alternatif indutriel fournit l énergie électrique principalement ou de tenion inuoïdale de fréquence et d amplitude
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 détailConception d'un réseau de transport d'électricité
La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailParcours Hydrologie-Hydrogéologie. Apport des méthodes d infiltrométrie à la compréhension de l hydrodynamique de la zone non-saturée des sols.
Univerité Pierre et Marie Curie, École de Mine de Pari & École Nationale du Génie Rural de Eaux et de Forêt Mater Science de l Univer, Environnement, Ecologie Parcour Hydrologie-Hydrogéologie Apport de
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 détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailAnalyses multivariées avec R Commander (via le package FactoMineR) Qu est ce que R? Introduction à R Qu est ce que R?
Analyses multivariées avec R Commander Analyses multivariées avec R Commander (via le package FactoMineR) Plate-forme de Support en Méthodologie et Calcul Statistique (SMCS) - UCL 1 Introduction à R 2
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailModélisation d une section de poutre fissurée en flexion
Moéliation une ection e poutre fiurée en flexion Prie en compte e effort tranchant Chritophe Varé* Stéphane Anrieux** * EDF R&D, Département AMA 1, av. u Général e Gaulle, 92141 Clamart ceex chritophe.vare@ef.fr
Plus en détailVentilation à la demande
PRÉSENTATION Ventilation à la demande Produit de pointe pour ventilation à la demande! www.wegon.com La ventilation à la demande améliore le confort et réduit le coût d exploitation Lorque la pièce et
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
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 détailBAREME sur 40 points. Informatique - session 2 - Master de psychologie 2006/2007
BAREME ur 40 point Informatique - eion 2 - Mater de pychologie 2006/2007 Bae de donnée PRET de MATERIEL AUDIO VISUEL. Remarque : Le ujet comporte 7 page. Vérifier qu il et complet avant de commencer. Une
Plus en détailCOMMUNE DE FELLETIN. P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 septembre 2011
R E P U B L I Q U E F R A N Ç A I S E DEPARTEMENT DE LA CREUSE ARRONDISSEMENT D AUBUSSON COMMUNE DE FELLETIN P R O C E S V E R B A L D U C O N S E I L M U N I C I P A L Séance ordinaire du jeudi 8 eptembre
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailCercle trigonométrique et mesures d angles
Cercle trigonométrique et mesures d angles I) Le cercle trigonométrique Définition : Le cercle trigonométrique de centre O est un cercle qui a pour rayon 1 et qui est muni d un sens direct : le sens inverse
Plus en détailComment fonctionne la FX
Que ont le rayon X? Comment fonctonne la FX Ad van Eenbergen Ingéneur Produt et Applcaton fluorecence X PANalytcal France S.A.S. mel Brévanne Radaton Electromagnétque ongueur d'onde de.1 nm à 1. nm Energe
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
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 détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailUne introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
Plus en détailMaster IAD Module PS. Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique. Gaël RICHARD Février 2008
Master IAD Module PS Reconnaissance de la parole (suite) Alignement temporel et Programmation dynamique Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance
Plus en détailH 1000. Le système de bridage. multifonctionnel
Le ytème de ridage mutifonctionne 2 Rapidité, préciion et fidéité de répétition Le ytème de ridage et une innovation interne de a maion Meuurger. Avec a vou avez non euement avantage de travaier vite et
Plus en détailQualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Plus en détailINFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement. Bernard Fortz
INFO-F-425 Modèles mathématiques et algorithmes pour l ordonnancement Bernard Fortz 2008-2009 Table des matières 1 Définition et classification des problèmes d ordonnancement 2 1.1 Introduction....................................
Plus en détailImpact de l éolien sur le réseau de transport et la qualité de l énergie
1 Impact de l éolien ur le réeau de tranport et la qualité de l énergie B. Robyn 1,2, A. Davigny 1,2, C. Saudemont 1,2, A. Anel 1,2, V. Courtecuie 1,2 B. Françoi 1,3, S. Plumel 4, J. Deue 5 Centre National
Plus en détailIntroduction 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 détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailCOMPARATIF CONCURRENTIEL HINO 195 2012 INTERNATIONAL TERRASTAR 2012
COMPARATIF CONCURRENTIEL HINO 195 V INTERNATIONAL TERRATAR HINO 195 2012 INTERNATIONAL TERRATAR 2012 L AVANTAGE HINO LA TRANQUILITÉ D EPRIT Les camions Hino se sont mérités une solide réputation pour leur
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailCompression Compression par dictionnaires
Compression Compression par dictionnaires E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CompressionCompression par dictionnaires 1/25 Compression par dictionnaire Principe : Avoir une
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailChapitre 3: TESTS DE SPECIFICATION
Chapitre 3: TESTS DE SPECIFICATION Rappel d u c h api t r e pr é c é d en t : l i de n t i f i c a t i o n e t l e s t i m a t i o n de s y s t è m e s d é q u a t i o n s s i m u lt a n é e s r e p o
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
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 détailMIPOLAM EL. gerflor.fr
MIPOLAM EL gerflor.fr MIPOLAM EL Électronique Salle propre et térile Santé, Plateaux technique 2 Une gamme complète de produit pour tou locaux enible aux rique ESD L électricité tatique L électricité tatique
Plus en détailMATLAB : COMMANDES DE BASE. Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */.
Page 1 de 9 MATLAB : COMMANDES DE BASE Note : lorsqu applicable, l équivalent en langage C est indiqué entre les délimiteurs /* */. Aide help, help nom_de_commande Fenêtre de travail (Command Window) Ligne
Plus en détailTable des matières. Introduction. 1
Avant propo Le travail préenté dan ce mémoire a été réalié au ein du laboratoire d électromécanique de Compiègne (LEC) ou la direction de Monieur Jean Paul Vilain dan le cadre d une convention indutrielle
Plus en détailCap Maths. Guide de l enseignant. Nouveaux programmes. cycle. Roland CHARNAY Professeur de mathématiques en IUFM
Cap Math CP 2 cycle Guide de l eneignant Nouveaux programme SOUS LA DIRECTION DE Roland CHARNAY Profeeur de mathématique en IUFM Marie-Paule DUSSUC Profeeur de mathématique en IUFM Dany MADIER Profeeur
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailModèles à Événements Discrets. Réseaux de Petri Stochastiques
Modèles à Événements Discrets Réseaux de Petri Stochastiques Table des matières 1 Chaînes de Markov Définition formelle Idée générale Discrete Time Markov Chains Continuous Time Markov Chains Propriétés
Plus en détailPremière partie : Les travaux d inventaire. Fiches Mr Cisternino : Les travaux d inventaire 1 / 24
Première partie : Les travaux d inventaire Fiches Mr Cisternino : Les travaux d inventaire 1 / 24 Premier dossier : Les activités liées aux immobilisations et à leurs amortissements Chapitre 1 : Les travaux
Plus en détailÉvaluation de la régression bornée
Thierry Foucart UMR 6086, Université de Poitiers, S P 2 M I, bd 3 téléport 2 BP 179, 86960 Futuroscope, Cedex FRANCE Résumé. le modèle linéaire est très fréquemment utilisé en statistique et particulièrement
Plus en détailCommission. départementale d action sociale
Commission départementale d action sociale BILAN 2014 Crédits alloués, consommation, type de secours Evolution comparative, Fonctionnement de la CDAS,. En résumé Le commentaire des chiffres présentés a
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailCorrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2
33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailVoyez la réponse à cette question dans ce chapitre. www.lifeinsuranceinsights.com/life-insurance-2/what-will-your-hobby-cost-you.
Erwan, d une mae de 65 kg, fait un aut de Bungee. Il tombe de 0 m avant que la corde du bungee commence à étirer. Quel era l étirement maximal de la corde i cette dernière agit comme un reort d une contante
Plus en détailCaractérisation de l interface Si/SiO 2 par mesure C(V)
TP aractériation de l interface Si/SiO par meure (V) aractériation de l interface Si/SiO par meure (V) Introduction p I Effet de champ à l interface Si/SiO p Fonctionnement d une capacité MOS p Principe
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailClassification Automatique de messages : une approche hybride
RECIAL 2002, Nancy, 24-27 juin 2002 Classification Automatique de messages : une approche hybride O. Nouali (1) Laboratoire des Logiciels de base, CE.R.I.S., Rue des 3 frères Aïssiou, Ben Aknoun, Alger,
Plus en détailLatitude 49.37 N Longitude 06.13 E Altitude 376 m RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014
RÉSUMÉ MENSUEL DU TEMPS DE JANVIER 2014 Valeurs moyennes: Valeur Jour Valeur (en C) (en C) (en C) gazon (en C) 11,4 7 13,9 1975 3,6 0,8 4,9 2007-6,3 1963-3,0 29-17,8 1979-2,8 12-24,6 1985 37,1 50,3 95,5
Plus en détailRECHERCHE OPERATIONNELLE
RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de
Plus en détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailSomm@ire. Mon Université Numérique. Édito L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité 1 2 4 6 Mon Univerité Numérique 7 Rue de Fac Droit de uager et identité numérique Gloaire Webographie 23 24 26 28 Édito
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailSAV ET RÉPARATION. Savoir-faire. www.jarltech.fr
i & V : SA E b i i 1 3 2 0 1 Ai 0800 9 h P i iè P i i i i S j C i Si E ) i Ti (i ib i Q,. bq i, FA V k, Pi b h iè i Si b, D Z, P E q Si-i SAV ET RÉPARATION S hiq : E q SSII VAR, i hiq Jh i h 0800 910 231.
Plus en détailProgressons vers l internet de demain
Progreon ver l internet de demain COMPRENDRE LA NOTION DE DÉBIT La plupart de opérateur ADSL communiquent ur le débit de leur offre : "512 Kb/", "1 Méga", "2 Méga", "8 Méga". À quoi ce chiffre correpondent-il?
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailExemples 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 détail3.2. Matlab/Simulink. 3.2.1. Généralités
3.2. Matlab/Simulink 3.2.1. Généralités Il s agit d un logiciel parfaitement dédié à la résolution de problèmes d'analyse numérique ou de traitement du signal. Il permet d'effectuer des calculs matriciels,
Plus en détailTD 1 - Structures de Traits et Unification
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
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en détailCours de mathématiques
DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................
Plus en détailPartie 1. La structure des réseaux sociaux
Partie 1. La structure des réseaux sociaux Analyse et Modélisation des Réseaux, Université Bordeaux IV Sections : Introduction 1 Introduction 2 3 L expérience de Milgram Les réseaux aléatoires 4 Le clustering
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailImplémentation de Nouveaux Elements Finis dans Life et Applications
1 Département Informatique et Mathématiques Appliquées Année Universitaire 29-21 Rapport de stage Implémentation de Nouveaux Elements Finis dans Life et Applications Présenté par Abdoulaye Samake M1 Mathématiques
Plus en détailFIMA, 7 juillet 2005
F. Corset 1 S. 2 1 LabSAD Université Pierre Mendes France 2 Département de Mathématiques Université de Franche-Comté FIMA, 7 juillet 2005 Plan de l exposé plus court chemin Origine du problème Modélisation
Plus en détailNouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du sac à dos multi-objectif unidimensionnel en variables binaires Julien Jorge julien.jorge@univ-nantes.fr Laboratoire d Informatique de Nantes Atlantique,
Plus en détailCHAPITRE 10. Jacobien, changement de coordonnées.
CHAPITRE 10 Jacobien, changement de coordonnées ans ce chapitre, nous allons premièrement rappeler la définition du déterminant d une matrice Nous nous limiterons au cas des matrices d ordre 2 2et3 3,
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailÉdito. Somm@ire. Mon Université Numérique. Édito. L Université Numérique Paris Île-de-France Les formations UNPIdF Mobilité
Somm@ire Édito Édito L Univerité Numérique Pari Île-de-France Le formation UNPIdF Mobilité Mon Univerité Numérique Rue de Fac Droit de uager et identité numérique Gloaire Webographie 1 2 4 6 7 23 24 26
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
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 détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailPrincipaux résultats du questionnaire «Les Villes-Santé : quels enjeux pour les politiques urbaines?»
Nombre de réponses Principaux résultats du questionnaire «Les Villes-Santé : quels enjeux pour les politiques urbaines?» Erwan Le Goff Doctorant en Géographie aménagement de l espace UMR 9 CNRS Espaces
Plus en détailvotre votre GRAND 415 /mois dès
N 1 Hyundai Dealer Chez ESCH votre dès 15.990 Chez ESCH votre 225 /mois dès 13.990 197/mois x261 ESCH LE SPÉCIALISTE 4x44 - SUV x289 1999 Chez ESCH votre dès 29.490 Chez ESCH votre GRAND 415/mois dès 42.490
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailUne offre globale pour les datacenters. Siemens France. www.siemens.fr
Une offre globale pour les datacenters Siemens France www.siemens.fr Le défi majeur d un datacenter : garantir la disponibilité de de l équipement 24/7 100 % 84 % des datacenters rencontrent des problèmes
Plus en détail