Systèmes à Inférence floue Fuzzy Inference Systems (FIS)
|
|
- Germain Girard
- il y a 7 ans
- Total affichages :
Transcription
1 Systèmes à Inférence floue Fuzzy Inference Systems (FIS) Taalabi M. lundi 20 juin 2005 fuzzy inference systems 1
2 Systèmes à Inférence floue Fuzzy Inference Systems (FIS) Motivation Variables linguistiques, sous ensembles flous Règles floues Architecture d un système à inférence floue Contrôleur flou Outils de conception (Design Tools) Conclusion lundi 20 juin 2005 fuzzy inference systems 2
3 Motivation Compétence versus Expertise Connaissances de terrain.heuristiques Cas du four d une cimenterie Heuristiques: Connaissances en langage courant Formulation mathématique difficile lundi 20 juin 2005 fuzzy inference systems 3
4 Motivation Lotfi Zadeh : logique floue, milieu des années 1960 Développement parallèle des systèmes experts Rôle des heuristiques dans le succès d un système expert lundi 20 juin 2005 fuzzy inference systems 4
5 Motivation Milieu des années 1990, développement d applications industriels grand public des systèmes experts flous: Contrôle de procédés, Supervision, Aide à la décision, Systèmes dédiés temps réel (AutoFocus d une caméra, Suspension Active d une voiture, clim. d une voiture...) lundi 20 juin 2005 fuzzy inference systems 5
6 Variables linguistiques, Sous ensembles flous Logique Classique: Vrai ou Faux Logique floue: degré de vraisemblance Exemple: Taille d un être humain µ 1 Taille grande taille lundi 20 juin 2005 fuzzy inference systems 6
7 Variables linguistiques, Sous ensembles flous Taille grande : variable linguistique de la variable réelle taille µ : fonction d appartenance, ou membership function c est une mesure du degré de véracité La forme de la fonction d appartenance dépend de l expert, et du problème considéré. µ 1 Taille grande taille lundi 20 juin 2005 fuzzy inference systems 7
8 Variables linguistiques, Sous ensembles flous Sous ensemble flou, ou Fuzzy Subset: Chaque variable linguistique définit un sous ensemble flou Variable linguistique: Expression en langage courant. lundi 20 juin 2005 fuzzy inference systems 8
9 Variables linguistiques, Sous ensembles flous Connecteurs logiques flous: AND, OR... Exemple: taille grande AND poids moyen Fonction d appartenance : Min, produit,.. µ µ grande moyen taille poids lundi 20 juin 2005 fuzzy inference systems 9
10 Règles floues Règle floue : IF var-ling-1 AND var-ling-2 THEN var-ling-3 avec var-ling-i : une variable linguistique Exemple de règle: Cas d une machine à laver IF Grande saleté du linge AND Type de saleté gras THEN Longue durée de lavage L expertise est alors exprimée en langage courant lundi 20 juin 2005 fuzzy inference systems 10
11 Architecture d un système à inférence floue Entrées Réel Inférence Flou Sorties Flou Règles Floues Réel Cas d une machine à laver: Entrées: Degré de saleté (grand, moyen, petit) et Type de saleté (Gras, peu gras, non gras) Sortie: durée de lavage (longue, moyenne, courte) lundi 20 juin 2005 fuzzy inference systems 11
12 Architecture d un système à inférence floue Sous ensembles flous pour les entrées: µ faible moyen grand µ 1 1 Non gras Peu gras gras Degré de saleté Type de saleté Interface Réel --> fuzzy : Associer à chaque valeur scalaire, une ou plusieurs variables linguistiques lundi 20 juin 2005 fuzzy inference systems 12
13 Architecture d un système à inférence floue Sous ensembles flous de la sortie Durée de lavage : courte, moyenne, longue Singletons µ 1 courte longue moyenne Durée de lavage en minutes lundi 20 juin 2005 fuzzy inference systems 13
14 Architecture d un système à inférence floue Règle floue partie antécédent : variables linguistiques des entrées partie conséquence: variables linguistiques des sorties Exemple: If degré de saleté grand AND type de saleté gras THEN Durée de lavage longue lundi 20 juin 2005 fuzzy inference systems 14
15 Architecture d un système à inférence floue Cycle d Inférence. Capter le degré de saleté et le type de saleté. Fuzzifier le degré de saleté ----> variables linguistiques. Fuzzifier le type de saleté -----> variables linguistiques. Repérer les règles applicables. Interface fuzzy ---> réel : Combiner les conséquence des règles applicables pour déduire la valeur de la durée de lavage lundi 20 juin 2005 fuzzy inference systems 15
16 Contrôleur flou (Fuzzy Controller) Architecture: référence e k e k Ge Gve Contrôleur flou Gu u k Génerer la commande Procédé sortie Pour simplifier, les gains statiques Ge, Gve et Gvu seront pris égaux à 1. Entrées:e k et e k= e k -e k-1 Sortie: u k ou u k =u k -u k-1 lundi 20 juin 2005 fuzzy inference systems 16
17 Contrôleur flou Architecture e k Entrées Réel Inférence Flou Sortie e k Flou Règles Floues Réel u k lundi 20 juin 2005 fuzzy inference systems 17
18 Contrôleur flou Sous ensembles flous des entrées: NEG µ ZER POS Exemple de fuzzification: NEG µ1 µ2 ZER a e k POS e k POS avec µ=1 e k POS avec µ1 ZER avec µ2 b e k lundi 20 juin 2005 fuzzy inference systems 18
19 Contrôleur flou Sous ensembles flous de la sortie: µ NEG 1 ZER POS -c c u k lundi 20 juin 2005 fuzzy inference systems 19
20 Contrôleur flou Exemple de Base de règles: ek NEG ZER POS ek NEG NEG NEG ZER ZER NEG ZER POS POS ZER POS POS Exemple: IF e k NEG AND e k ZER THEN u k NEG lundi 20 juin 2005 fuzzy inference systems 20
21 Contrôleur flou Cycle d inférence référence e k e k Ge Gve Contrôleur flou Gu u k Génerer la commande Procédé sortie 1- Acquérir la sortie du process 2- calculer e k et e k lundi 20 juin 2005 fuzzy inference systems 21
22 Contrôleur flou Cycle d inférence suite 3- fuzzifier ek et ek, par exemple NEG µ ZER POS Exemple de fuzzification: NEG µ1 µ2 ZER a e k POS e k POS avec µ=1 e k POS avec µ1 ZER avec µ2 e k lundi 20 juin 2005 fuzzy inference systems 22 b
23 Contrôleur flou Cycle d inférence suite 4- Considérer les règles applicables: dans l exemple précédent : e k POS avec µ =1 e k POS avec µ1 ZER avec µ2 deux règles applicables: IF e k POS AND e k POS THEN u k POS, avec min (1, µ1) = µ1 IF e k POS AND e k ZER THEN u k POS, avec min(1, µ2) = µ2 lundi 20 juin 2005 fuzzy inference systems 23
24 5- Defuzzification: le représentant de POS est c Contrôleur flou (Fuzzy Controller) Cycle d inférence suite NEG ZER POS -c Deux conclusions pour u k : u k POS avec min (1, µ1) = µ1 u k POS avec min(1, µ2) = µ2 Defuzzification par barycentre: u k = (µ1.c + µ2.c) / (µ1 + µ2) c u k lundi 20 juin 2005 fuzzy inference systems 24
25 Contrôleur flou Cycle d inférence suite 6- Appliquer la commande u k = u k + u k-1 7- Attendre la période d échantillonnage 8- Reprendre à l étape 1 (acquérir la sortie du procédé.) lundi 20 juin 2005 fuzzy inference systems 25
26 Contrôleur flou Rapprochement avec un PID flou Un contrôleur flou est un contrôleur non linéaire, efficace pour le contrôle de procédés complexes. On montre [1] qu un contrôleur flou avec des sous-ensembles flous pour e k et e k de forme triangulaire, des sous ensembles flous en singleton pour uk et une défuzzification en barycentre est équivalent à un PI non-linéaire (Kp et Ti variables) On montre en fait que: u k = A + B.e k + C. e k, avec A, B et C dépendent entre autres de e k et e k. lundi 20 juin 2005 fuzzy inference systems 26
27 Contrôleur flou Rapprochement avec un PID flou u k = A + B. e k + C. e k En appliquant au procédé u k = u k +u k-1 Integrale de u k, B: Action Intégrale C: Action proportionnelle Pour avoir, en plus, l action dérivée, on applique au procédé: u k = α ( u k +u k-1 ) + β u k Action dérivée: β. C Action proportionnelle: α. C Action Intégrale : α. Β et dans ce cas: lundi 20 juin 2005 fuzzy inference systems 27
28 Contrôleur flou ajustement des paramètres Un contrôleur flou possède plusieurs paramètres : Forme et nombre des sous ensembles flous Gains statiques Base de règles. Ajuster les paramètres d un contrôleur flou: Trial and Error, en exploitant l expertise disponible. Algorithmes Génétiques. lundi 20 juin 2005 fuzzy inference systems 28
29 Systèmes à Inférence floue Design TOOLS MATLAB fuzzy tools Fidé d Aptronix ( Visual Five de ST pour concevoir un contrôleur flou sur le microcontrôleur ST5. lundi 20 juin 2005 fuzzy inference systems 29
30 Systèmes à Inférence floue Conclusion Large éventail d applications: contrôle, aide à la décision, supervision... Systèmes embarqués temps réel: Contrôleurs flous implantés sur microcontrôleurs. lundi 20 juin 2005 fuzzy inference systems 30
31 Systèmes à Inférence floue Réferences [1] H. Ying, W. Siler, J. J. Buckley Fuzzy Control Theory: A nonlinear case Automatica, Vol. 26, No. 3, pp , 1990 [2] J. Yen, R. Langari, L. A. Zadeh Industrial Applications of fuzzy logic and intelligent systems IEEE Press 1995 [3] Elbert A. Walker A first course in fuzzy logic Chapman & Hall / CRC 2000 lundi 20 juin 2005 fuzzy inference systems 31
32 Systèmes à Inférence floue Réferences [4] O. Karasakal, E. Yesil, M. Guzelkaya, I. Eksin Implementation of a new self-tuning fuzzy PID controller on PLC Turkish Journal of Electrical Engineering, Vol.13, NO [5] [6] [7] lundi 20 juin 2005 fuzzy inference systems 32
Représentation et analyse des systèmes linéaires
ISAE-NK/Première année présentation et analyse des systèmes linéaires Petite classe No Compléments sur le lieu des racines. Condition sur les points de rencontre et d éclatement Les points de rencontre,(les
Plus en détailPrésentation du PL/SQL
I Présentation du PL/ Copyright Oracle Corporation, 1998. All rights reserved. Objectifs du Cours A la fin de ce chapitre, vous saurez : Décrire l intéret du PL/ Décrire l utilisation du PL/ pour le développeur
Plus en détailIN 102 - Cours 1. 1 Informatique, calculateurs. 2 Un premier programme en C
IN 102 - Cours 1 Qu on le veuille ou non, les systèmes informatisés sont désormais omniprésents. Même si ne vous destinez pas à l informatique, vous avez de très grandes chances d y être confrontés en
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 détailIntelligence Artificielle et Robotique
Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité
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 détailEnseignement secondaire technique
Enseignement secondaire technique Régime technique Division technique générale Cycle moyen Informatique 11TG Nombre de leçons: 2.0 Nombre minimal de devoirs: - Langue véhiculaire: / Remarque générale:
Plus en détailOrganigramme / Algorigramme Dossier élève 1 SI
Organigramme / Algorigramme Dossier élève 1 SI CI 10, I11 ; CI 11, I10 C24 Algorithmique 8 février 2009 (13:47) 1. Introduction Un organigramme (ou algorigramme, lorsqu il est plus particulièrement appliqué
Plus en détailOCL - Object Constraint Language
OCL - Object Constraint Language Laëtitia Matignon laetitia.matignon@univ-lyon1.fr Département Informatique - Polytech Lyon Université Claude Bernard Lyon 1 2012-2013 Laëtitia Matignon SIMA - OCL - Object
Plus en détail1 Introduction C+ + Algorithm e. languag. Algorigramm. machine binaire. 1-1 Chaîne de développement. Séance n 4
1 Introduction 1-1 Chaîne de développement Algorithm e C+ + Algorigramm e languag e machine binaire Le programme est écrit à l aide de Multiprog sous forme d algorigramme puis introduit dans le microcontrôleur
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
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 détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailCMI ECONOMIE, FINANCE QUANTITATIVE ET STATISTIQUES - PARCOURS FORMATION EN APPRENTISSAGE
Université de PARIS 2 - ASSAS 1/3 PARCOURS FORMATION EN APPRENTISSAGE L1 S1 Mathématiques 1 4 L1 S1 Statistiques 1 4 L1 S1 Fondemants de l'informatique 4 L1 S1 Compléments Maths 2 L1 S1 Compléments Stats
Plus en détailPRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
Plus en détailProbabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12
Probabilités. I - Rappel : trois exemples. Exemple 1 : Dans une classe de 25 élèves, il y a 16 filles. Tous les élèves sont blonds ou bruns. Parmi les filles, 6 sont blondes. Parmi les garçons, 3 sont
Plus en détailINTRODUCTION AUX BASES de DONNEES
INTRODUCTION AUX BASES de DONNEES Équipe Bases de Données LRI-Université Paris XI, Orsay Université Paris Sud Année 2003 2004 1 SGBD : Fonctionnalités et Principes Qu est qu une base de données? Un Système
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 détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailBases de données relationnelles : Introduction
Bases de données relationnelles : Introduction historique et principes V. Benzaken Département d informatique LRI UMR 8623 CNRS Université Paris Sud veronique.benzaken@u-psud.fr https://www.lri.fr/ benzaken/
Plus en détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Plus en détailVérification formelle de la plate-forme Java Card
Vérification formelle de la plate-forme Java Card Thèse de doctorat Guillaume Dufay INRIA Sophia Antipolis Cartes à puce intelligentes Java Card : Environnement de programmation dédié. Dernières générations
Plus en détailLogiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailwww.habefast.ch contact@habefast.ch Agence web en Suisse romande CH-1260 Nyon 022 362 25 70
1 By Agence web en Suisse romande 2 Qu est ce qu est le SEO? Le référencement naturel ou SEO (Search Engine Optimisation) est une pratique qui, comme son nom l indique, permet d optimiser un site web pour
Plus en détail3. SPÉCIFICATIONS DU LOGICIEL. de l'expression des besoins à la conception. Spécifications fonctionnelles Analyse fonctionnelle et méthodes
PLAN CYCLE DE VIE D'UN LOGICIEL EXPRESSION DES BESOINS SPÉCIFICATIONS DU LOGICIEL CONCEPTION DU LOGICIEL LA PROGRAMMATION TESTS ET MISE AU POINT DOCUMENTATION CONCLUSION C.Crochepeyre Génie Logiciel Diapason
Plus en détailGrégoire de Lassence. Copyright 2006, SAS Institute Inc. All rights reserved.
Grégoire de Lassence 1 Grégoire de Lassence Responsable Pédagogie et Recherche Département Académique Tel : +33 1 60 62 12 19 gregoire.delassence@fra.sas.com http://www.sas.com/france/academic SAS dans
Plus en détailPôle Performance Industrielle Durable. Page 1 Rencontre SEE Le 20/05/2014 Lille. Innover
Page 1 Innover en mécanique Page 2 Rencontre Solutions Energie Entreprises Lille le 20 mai 2014 Atelier : «Audit énergétique obligatoire : quelles sont les entreprises concernées?» Eric SENECHAL-CETIM
Plus en détailFormula Negator, Outil de négation de formule.
Formula Negator, Outil de négation de formule. Aymerick Savary 1,2, Mathieu Lassale 1,2, Jean-Louis Lanet 1 et Marc Frappier 2 1 Université de Limoges 2 Université de Sherbrooke Résumé. Cet article présente
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailHaka : un langage orienté réseaux et sécurité
Haka : un langage orienté réseaux et sécurité Kevin Denis, Paul Fariello, Pierre Sylvain Desse et Mehdi Talbi kdenis@arkoon.net pfariello@arkoon.net psdesse@arkoon.net mtalbi@arkoon.net Arkoon Network
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
Plus en détailCours 1 : La compilation
/38 Interprétation des programmes Cours 1 : La compilation Yann Régis-Gianas yrg@pps.univ-paris-diderot.fr PPS - Université Denis Diderot Paris 7 2/38 Qu est-ce que la compilation? Vous avez tous déjà
Plus en détailUniversite de Beijing Jiaotong Brochure de l étudiant international
3. Hébergement: Varie selon les campus disponibles Surface de la chambre (m2) Bâtiment Bâtiment No.1 Bâtiment No.4 Bâtiment No.14 Jiayuan Bock C, chambre Standard Jiayuan Bloc C, chambre Supérieur Long
Plus en détailCours Informatique Master STEP
Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions
Plus en détailTable des matières PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS. Introduction
PRESENTATION DU LANGAGE DS2 ET DE SES APPLICATIONS Depuis SAS 9.2 TS2M3, SAS propose un nouveau langage de programmation permettant de créer et gérer des tables SAS : le DS2 («Data Step 2»). Ces nouveautés
Plus en détailMABioVis. Bio-informatique et la
MABioVis Modèles et Algorithmes pour la Bio-informatique et la Visualisation Visite ENS Cachan 5 janvier 2011 MABioVis G GUY MELANÇON (PR UFR Maths Info / EPI GRAVITE) (là, maintenant) - MABioVis DAVID
Plus en détailCahier des charges (CDC)
Cahier des charges (CDC) PTella Auteur Arnaud Aucher - Ecole Centrale Groupe PT1 3 Nom du document Version 3 Page 1 / 5 Sommaire Sommaire... 2 Présentation générale du projet... 3 1. Descriptif du projet...
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailUne dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU
Une dérivation du paradigme de réécriture de multiensembles pour l'architecture de processeur graphique GPU Gabriel Antoine Louis Paillard Ce travail a eu le soutien de la CAPES, agence brésilienne pour
Plus en détailJOnAS Day 5.1. Clustering
JOnAS Day 5.1 Clustering Solution complète de clustering Répartition de charge & bascule sur échec Application Web avec mod_jk/mod_proxy Connecteur http pour md_proxy Application Ejb avec CMIv2 Réplication
Plus en détailJava et les bases de données: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java. Michel Bonjour http://cuiwww.unige.
: JDBC: Java DataBase Connectivity SQLJ: Embedded SQL in Java Michel Bonjour http://cuiwww.unige.ch/~bonjour Plan JDBC: API bas niveau pour l accès aux BD (SQL) - Introduction - JDBC et : Java, ODBC, SQL
Plus en détailCatalogue des Formations Techniques
Catalogue des Formations Techniques Items Média Concept 4, allées Pierre-Gilles de Gennes - 33700 Mérignac Téléphone : 05.57.35.73.73 Télécopie : 05.57.35.73.70 Courriel : contact@imc-fr.com 2 Préambule
Plus en détailSub CalculAnnuite() Const TITRE As String = "Calcul d'annuité de remboursement d'un emprunt"
TD1 : traduction en Visual BASIC des exemples du cours sur les structures de contrôle de l'exécution page 1 'TRADUCTION EN VBA DES EXEMPLES ALGORITHMIQUES SUR LES STRUCTURES 'DE CONTROLE DE L'EXECUTION
Plus en détailSciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
Plus en détailOrdonnancement robuste et décision dans l'incertain
Ordonnancement robuste et décision dans l'incertain 4 ème Conférence Annuelle d Ingénierie Système «Efficacité des entreprises et satisfaction des clients» Centre de Congrès Pierre Baudis,TOULOUSE, 2-4
Plus en détailÉvaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Plus en détailExpression des contraintes. OCL : Object C o n t r a i n t L a n g u a g e
P r o b l é m a t i q u e OCL : O b j e c t C o n s t r a i n t L a n g u a g e Le langage de contraintes d UML Les différents diagrammes d UML permettent d exprimer certaines contraintes graphiquement
Plus en détailDEVELOPPEMENT ET MAINTENANCE DE LOGICIEL: OUTIL DE PILOTAGE
DEVELOPPEMENT ET MAINTENANCE DE LOGICIEL: OUTIL DE PILOTAGE Développement et maintenance de logiciel Automne 2006 François-Xavier RIU Thomas POUPART Seng LAO Zhe WU SOMMAIRE Introduction Introduction INTRODUCTION
Plus en détailInitiation à la Mécanique des Fluides. Mr. Zoubir HAMIDI
Initiation à la Mécanique des Fluides Mr. Zoubir HAMIDI Chapitre I : Introduction à la mécanique des fluides 1 Introduction La mécanique des fluides(mdf) a pour objet l étude du comportement des fluides
Plus en détailProgrammation Objet - Cours II
Programmation Objet - Cours II - Exercices - Page 1 Programmation Objet - Cours II Exercices Auteur : E.Thirion - Dernière mise à jour : 05/07/2015 Les exercices suivants sont en majorité des projets à
Plus en détailProgrammation parallèle et distribuée
Programmation parallèle et distribuée (GIF-4104/7104) 5a - (hiver 2015) Marc Parizeau, Département de génie électrique et de génie informatique Plan Données massives («big data») Architecture Hadoop distribution
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailEES : Engineering Equation Solver Fiche récapitulative - Marie-Sophie Cabot
EES : Engineering Equation Solver Fiche récapitulative - Marie-Sophie Cabot Permet la résolution de systèmes d équations algébriques, non linéaires Contient différentes bases de données thermodynamiques.
Plus en détailModéliser et déployer des processus d entreprise avec Biztalk 2006
Modéliser et déployer des processus d entreprise avec Biztalk 2006 L Entreprise : Un Écosystème Complexe Client Contoso Client Internet Logistique HR System XML Banque ERP CRM Fournisseur ecomm Considérer
Plus en détailEstimation des charges. «Le travail se dilate jusqu à remplir le temps disponible»
«Le travail se dilate jusqu à remplir le temps disponible» Le savoir faire du chef de projet Pas d excès d optimisme Retour sur expérience Toujours garder de la marge Identifier les points à risque Ne
Plus en détailECTS INFORMATIQUE ET RESEAUX POUR L INDUSTRIE ET LES SERVICES TECHNIQUES
ECTS INFORMATIQUE ET RESEAUX POUR L INDUSTRIE ET LES SERVICES TECHNIQUES CHAPITRES PAGES I DEFINITION 3 II CONTEXTE PROFESSIONNEL 3 HORAIRE HEBDOMADAIRE 1 er ET 2 ème ANNEE 4 FRANÇAIS 4 ANGLAIS 5 MATHEMATIQUES
Plus en détailTRAAM STI 2013-2014 Acquisition et exploitations pédagogiques des données sur un système pédagogique
TRAAM STI 2013-2014 Acquisition et exploitations pédagogiques des données sur un système pédagogique Bilan technique et éléments de développement Fonctionnalités attendues Une vingtaine d établissements
Plus en détailCOURSIER ET LIVREUR. Liste des domaines étudiés Listes des produits Liste des produits avec nom d usage. automobile Amiante Amiante.
Répertoire des activités de travail exposant aux cancérogènes GISCOP93 Université Paris 13 (Bobigny) coursier et livreur Page 1 sur 9 COURSIER ET LIVREUR Liste des domaines étudiés Listes des produits
Plus en détailLa régulation. Principe de régulation p. 2. La régulation PID p. 5. La régulation à modèle p. 12. Autres types de régulation p. 15
Le magazine Schneider Electric de l'enseignement technologique et professionnel Juin 2004 La régulation Principe de régulation p. 2 La régulation PID p. 5 La régulation est au cœur de toutes nos actions
Plus en détailSolution logicielle pour le pilotage et l ERM. Journées d études IARD 26 mars 2010 2 mars 2010
Présentation d ERMS Solution logicielle pour le pilotage et l ERM Journées d études IARD 26 mars 2010 2 mars 2010 Sommaire 1 Présentation d ACTUARIS 2 Les problématiques rencontrées 3 Présentation d ERMS
Plus en détailService d'authentification LDAP et SSO avec CAS
Service d'authentification LDAP et SSO avec CAS Clé de l'extension : ig_ldap_sso_auth 2006-2007, Michaël Gagnon, Ce document est publié sous la licence open source, disponible au
Plus en détailPilotez votre activité depuis le Cloud
Pilotez votre activité depuis le Cloud LogiPAX est un logiciel vous permettant de gérer votre parc automobile, vos chauffeurs ainsi que vos clients, et ce depuis votre connexion internet. SÉCURITÉ INTERNET
Plus en détailLES 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 détail6 - 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 détailLes BRMS Business Rules Management System. Groupe GENITECH
Les BRMS Business Rules Management System 1 Présentations Emmanuel Bonnet ebonnet (at) genigraph.fr Responsable Dpt Conseil Consultant, Expert BRMS Formateur IBM/Ilog JRules / JBoss Rules Génigraph SSII
Plus en détailJade. Projet Intelligence Artificielle «Devine à quoi je pense»
Jade Projet Intelligence Artificielle «Devine à quoi je pense» Réalisé par Djénéba Djikiné, Alexandre Bernard et Julien Lafont EPSI CSII2-2011 TABLE DES MATIÈRES 1. Analyse du besoin a. Cahier des charges
Plus en détailContexte et motivations Les techniques envisagées Evolution des processus Conclusion
Vérification de logiciels par analyse statique Contexte et motivations Les techniques envisagées Evolution des processus Conclusion Contexte et motivations Specification Design architecture Revues and
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailConception systematique d'algorithmes de detection de pannes dans les systemes dynamiques Michele Basseville, Irisa/Cnrs, Campus de Beaulieu, 35042 Rennes Cedex, bassevilleirisa.fr. 1 Publications. Exemples
Plus en détailSujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique
Plus en détailComment optimiser la performance énergétique de son logement?
Comment optimiser la performance énergétique de son logement? Janvier 2014 AHF / J.M. VOGEL Plan de la présentation Contexte Objectifs Faire un premier bilan énergétique Les différents travaux d économies
Plus en détailPartner Entreprise. Modules de cours pour la formation continue Offre IFAPME Verviers
Partner Entreprise Modules de cours pour la formation continue Offre IFAPME Verviers Module Business Intelligence avec PowerPivot d Excel 2013 Il n est pas nécessaire de travailler avec des logiciels onéreux
Plus en détailBES WEBDEVELOPER ACTIVITÉ RÔLE
BES WEBDEVELOPER ACTIVITÉ Le web developer participe aux activités concernant la conception, la réalisation, la mise à jour, la maintenance et l évolution d applications internet/intranet statiques et
Plus en détailComment gérer toutes mes tâches logicielles d automatisation dans un seul environnement?
Comment gérer toutes mes tâches logicielles d automatisation dans un seul environnement? Avec Totally Integrated Automation Portal : un seul environnement de développement intégré pour toutes vos tâches
Plus en détailLicence ST Université Claude Bernard Lyon I LIF1 : Algorithmique et Programmation C Bases du langage C 1 Conclusion de la dernière fois Introduction de l algorithmique générale pour permettre de traiter
Plus en détailDécouverte du tableur CellSheet
Découverte du tableur CellSheet l application pour TI-83 Plus et TI-84 Plus. Réalisé par Guy Juge Professeur de mathématiques et formateur IUFM de l académie de Caen Pour l équipe des formateurs T 3 Teachers
Plus en détailLes diagrammes de modélisation
L approche Orientée Objet et UML 1 Plan du cours Introduction au Génie Logiciel L approche Orientée Objet et Notation UML Les diagrammes de modélisation Relations entre les différents diagrammes De l analyse
Plus en détailChef de projet SI, Ingénieur SI, Consultant SI.
Chef de projet SI, Ingénieur SI, Consultant SI. Mon parcours universitaire ainsi que mon expérience professionnelle m'ont permis d'acquérir de solides compétences techniques dans le domaine du business
Plus en détailOrdonnancement temps réel
Ordonnancement temps réel Laurent.Pautet@enst.fr Version 1.5 Problématique de l ordonnancement temps réel En fonctionnement normal, respecter les contraintes temporelles spécifiées par toutes les tâches
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailCARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT
TP CIRCUITS ELECTRIQUES R.DUPERRAY Lycée F.BUISSON PTSI CARACTERISTIQUE D UNE DIODE ET POINT DE FONCTIONNEMENT OBJECTIFS Savoir utiliser le multimètre pour mesurer des grandeurs électriques Obtenir expérimentalement
Plus en détailDévelopper, factoriser pour résoudre
Développer, factoriser pour résoudre Avec le vocabulaire Associer à chaque epression un terme A B A différence produit A+ B A B inverse quotient A B A opposé somme Écrire la somme de et du carré de + Écrire
Plus en détailStakeholder Feedback Form January 2013 Recirculation
071 Stakeholder Feedback Fm January 2013 Recirculation A. How to Submit Your Comments 1. 2. 3. EMAIL: submissions@collegeofpsychotherapists.on.ca OR FAX: (416) 874-4079 OR MAIL: Consultations Transitional
Plus en détailExprimer ce coefficient de proportionnalité sous forme de pourcentage : 3,5 %
23 CALCUL DE L INTÉRÊT Tau d intérêt Paul et Rémi ont reçu pour Noël, respectivement, 20 et 80. Ils placent cet argent dans une banque, au même tau. Au bout d une année, ce placement leur rapportera une
Plus en détailMémoire d Actuariat Tarification de la branche d assurance des accidents du travail Aymeric Souleau aymeric.souleau@axa.com 3 Septembre 2010 Plan 1 Introduction Les accidents du travail L assurance des
Plus en détailApplication 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
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 détailLES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1
LES NOUVEAUTES DE COST AND PROFITABILITY MANAGEMENT 8.1 SAS Cost and Profitability Management, également appelé CPM (ou C&P), est le nouveau nom de la solution SAS Activity-Based Management. Cette version
Plus en détailBac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)
Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre
Plus en détailCentre CPGE TSI - Safi 2010/2011. Algorithmique et programmation :
Algorithmique et programmation : STRUCTURES DE DONNÉES A. Structure et enregistrement 1) Définition et rôle des structures de données en programmation 1.1) Définition : En informatique, une structure de
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 détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
Plus en détailFormation des enseignants. Le tensiomètre. Objet technique modélisable issu de l environnement des élèves
Le tensiomètre Objet technique modélisable issu de l environnement des élèves Un peu d'histoire C'est en 1628 que W. Harvey découvrit la circulation du sang. C'est pourtant seulement en 1730 que la pression
Plus en détailTRIGONOMETRIE Algorithme : mesure principale
TRIGONOMETRIE Algorithme : mesure principale Déterminer la mesure principale d un angle orienté de mesure! 115" Problèmatique : Appelons θ la mesure principale, θ et! 115" sont deux mesures du même angle,
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 détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détail