Phénomènes de synchronisation/désynchronisation pour des modèles de. de réseaux de neurones structurés avec fragmentation
|
|
- Corinne Lamarche
- il y a 7 ans
- Total affichages :
Transcription
1 Phénomènes de synchronisation/désynchronisation pour des modèles de réseaux de neurones structurés avec fragmentation IJM, Université Paris-Diderot. 23 janvier 2014
2 Plan Introduction: motivations et présentation du modèle Introduction : motivations et présentation du modèle. Etude du cas sans fragmentation Modèle taille finie
3 Introduction Les neurones sont des cellules nerveuses excitables spécialisées dans la communication intercellulaire. En particulier les neurones assurent la réception des informations, des signaux en provenance de l environnement ou de l intérieur même du corps humain, le traitement des informations, la transmission d informations à d autres neurones ou bien aux cellules musculaires.
4 Introduction: motivations et pre sentation du mode le Mode le taille finie : cas sans fragmentations Introduction Formation de ve ritables re seaux apparition de phe nome nes de synchronisation de de charges de neurones plus ou moins rythme es avec une fre quence plus ou moins grande jouent un ro le important dans les fonctions motrices, perceptives et cognitives de l e tre humain. Khashayar Pakdaman, Benoı t Perthame, Delphine Salort Phe nome nes de synchronisation/de synchronisation pour des mode les de
5 Introduction Objectif Etudier d un point de vue théorique, via un nouveau modèle proposé par K. Pakdaman, les mécanismes sous-jacents aux phénomènes de synchronisation/désynchronisation de décharges de neurones en fonction de la force des interconnexions qui lient les neurones entre eux. Plusieurs modèles d EDP classiques existent afin d étudier les phénomènes de synchronisation 1. Le modèle de Wilson-Cowan : porte sur la proportion de neurones excitateurs et inhibiteurs qui déchargent au cours du temps; font intervenir des équations de type intégro-différentielles. 2. Le modèle Integrate and Fire : dynamique décrite à travers le potentiel de membrane des neurones (Brunel, Cáceres, Carillo, Hakim, Perthame, Delarue, Inglis, Rubenthale, Tanré, Dumont...). 3. Les modèles de Kuramoto : oscillateurs couplés entre eux ( Acebron, Bonilla, Bertini, Giacomin, Lucon, Pakdaman, Pellegrin, Perez, Ritort, Spigler...) 4. Le modèle cinétique type Fokker-Planck : dynamique décrite via le potentiel d action et la conductance des neurones (Cáceres, Carrillo, Tao, Rangan, Kovačič, Cai, Perthame, S)... Modèle étudié Dynamique des neurones décrite par le temps écoulé depuis leur dernière décharge. Modèle fait apparaître des équations structurées en âge avec fragmentation.
6 Modèle choisi Hypothèses sur le réseau Tous les neurones sont excitateurs Ils ont une activité spontanée: même sans stimulation extérieure, les neurones ont une activité qui persiste Les interconnexions entre les neurones sont supposées homogènes : à chaque temps t, tous les neurones sont soumis à la même amplitude de stimulation La dynamique des neurones est décrite via le temps écoulé depuis leur dernière décharge la longueur de leur période réfractaire qui peut varier en fonction de l amplitude de stimulation qu ils reçoivent.
7 Choix du modèle: Equation structurée en âge avec fragmentation Equation structurée en âge avec fragmentation n(s, t) n(s, t) p(s, N(t))n(s, t) = K (s, u)p(u, N(t))n(u, t)du, t s 0 n(s = 0, t) = 0, + N(t) := p(s, N(t)) n(s, t)ds 0 n(s, t): densité de neurones au temps t telle que le temps écoulé depuis la dernière décharge est s. N(t) : flux de neurones qui déchargent au temps t identifié à l amplitude de stimulation globale p(s, u) permet de mesurer la proportion de neurones d âge s qui déchargent avec une amplitude de stimulation u. K (s, u): mesure positive permettant de donner la proportion de neurones ayant déchargé à l âge u et qui reviennent à l âge s. Equations avec fragmentation beaucoup étudiées: Calvez, Canizo, Caceres, Doumic, Gabriel, Laurençot, Lenuzza, Mischler, Mouthon, Perthame...
8 Equation sans terme de fragmentation Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 Equation donnée par n(s, t) n(s, t) + + p(s, N(t))n(s, t) = 0, t s + n(0, t) = N(t), n 0 (s) 0 avec n 0 1 et n 0 (s) = 1; 0 + N(t) := n(s = 0, t) = p(s, N(t)) n(s, t)ds. 0 Conservation de la masse avec n(s, t) 1 Particularité Pour un choix particulier de p on peut sous certaines conditions se ramener à une équation à retard. Traiter simplement le cas des faibles interconnexions Construire explicitement des solutions périodiques dans le cas de fortes interconnexions.
9 Si Introduction: motivations et présentation du modèle Réduction à l étude d une équation à retard p(s, u) = I s σ(u), Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 on peut, sous certaines conditions sur σ se ramener à une équation à retard. Proposition Supposons que alors pour tout t 0, on a Si σ m < 1, alors d (σ(n(t)) 1, dt t N(t) + N(s)ds = 1. t σ(n(t)) Il existe un unique N tq (dès que n(s, t) 1) d dt (σ(n(t)) m N = n(s)ds, σ(n) 0 < N < 1, N Lipschitz.
10 Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 Théorème Soit m < 1 avec σ m tel que σ(x) σ + < 1 m N, avec N < 1 l unique état stationnaire de notre équation. Alors, on a dσ(n(t)) < 1 et, avec une dt vitesse exponentielle de convergence lim N(t) = N. t +
11 Cas des fortes interconnexions Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 Approche : Chercher des candidats N(t) qui sont T -périodique. Au lieu de regarder le problème non linéaire, on regarde l équation linéaire { n(s,t) t + n(s,t) s + p ( s, N(t) ) n(s, t) = 0, t R, s 0, n(s = 0, t) = N(t). La question de l existence de solutions périodiques se réduit à trouver des conditions sur N(t) tq le problème linéaire donne une solution pour le problème non linéaire i.e. N(t) = n(s, t)ds σ(n(t)) et n(s, t)ds = 1. 0
12 Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 Théorème Soit σ( ) une fonction décroissante et supposons que la fonction T -périodique N satisfait d dt σ( N(t) ) σ(n(t)) 1, 1 = N(t) + N(t s)ds. 0 Alors, la solution n(s, t) de l équation linéaire est aussi solution de l équation non linéaire On sait trouver de nombreux exemples de solutions périodiques. On ne sait pas classifier l ensemble des σ donnant des solutions périodiques
13 Exemple Introduction: motivations et présentation du modèle Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0 Exemple le plus simple : Pour α > 0 on définit et on choisit 0 < Nm(α) := 1 2e α 1 2α σ(x) = α ln(x) + ln(np(α)) α < Np(α) := eα 2e α 1 < 1, sur [0, Nm(α)], sur [Nm(α), Np(α)], sur [Np(α), ).
14 Simulations numériques. Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0
15 Simulations numériques. Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0
16 Simulations numériques. Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0
17 Simulations numériques. Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0
18 Simulations numériques. Cas des faibles interconnexions Cas avec fortes interconnexions Simulations numériques avec K = δ s=0
19 Equation structurée en âge Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 n(s, t) t n(s, t) p(s, N(t))n(s, t) = K (s, u)p(u, N(t))n(u, t)du, s 0 + n(s = 0, t) = 0, N(t) := p(s, N(t)) n(s, t)ds. 0 Hypothèses faites sur K On suppose que pour tout âge u, l ensemble des neurones qui déchargent à cet âge u reviennent tous à un âge antérieur u K (s, u)ds = 1 et K (s, u) 0 si u > s. 0 On suppose que la densité de neurones qui déchargent à l âge u et reviennent à un âge proche de u n est pas trop grand: il existe 0 θ < 1 tel que pour tout u 0, u u sk (s, u)ds θ. 0
20 Trois exemples typiques de choix de mesure K. Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 K (s, u) = δ s=0 : tous les neurones qui déchargent reviennent à l âge 0 quelque soit l âge où ils ont déchargé. C est le modèle le plus simple. K (s, u) = δ s=f (u) : lorsqu un neurone décharge à l âge u, il revient à un âge s fixé ne dépendant que de u et ceci quelque soit le neurone du réseau. Permet de tenir compte de la fatigue du seuil. K (s, u) non concentrée en un dirac : sur l ensemble des neurones qui déchargent à un certain âge u, tous ne reviennent pas au même âge s mais se répartissent sur toute une tranche d âge.
21 Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 Cas des réseaux faiblement interconnectés (σ petit). Résultat. Lorsque les interconnexions sont suffisamment faibles, les neurones tendent vers un état totalement désynchronisé. Les états totalement désynchronisés correspondent aux états stationnaires de l équation structurée en âge convergence exponentielle en norme L 1 de la solution avec poids vers l état stationnaire si σ L et la période réfractaire sont assez petites. Idée de preuve. Si les interconnections sont suffisamment faibles, on a existence et unicité de l état stationnaire (Krein-Rutman) On montre la convergence exponentielle en norme L 1 de la solution avec poids vers l état stationnaire pour des réseaux sans interconnections (équation linéaire) Par perturbation, on en déduit convergence exponentielle pour des réseaux faiblement interconnectés.
22 Idée de la preuve. Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 Plusieurs méthodes permettent d arriver à la convergence exponentielle vers un état stationnaire dans le cas d équations structurées avec fragmentations (voir par exemple Caniso, Caceres, Mischler). Difficultés. Noyau K qui est peu régulier La fonction p s annule Stratégie. Reprend celle de Laurençot et Perthame Montre d abord un résultat de convergence exponentielle pour x M(t, x) = (n(s, t) A(s))ds. 0 M(t, x) a l avantage de vérifier une équation dont l équation adjointe de l équation stationnaire associée a une valeur propre strictement négative avec un vecteur propre uniformément minoré. On utilise le fait que t M vérifie aussi la même équation que M, ce qui permet de réappliquer le résultat obtenu sur M pour t M et conclure que n converge exponentiellement vers A en norme L 1 avec poids.
23 Cas des réseaux plus fortement interconnectés. Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 Dans le cas général avec fragmentation, on ne sait pas montrer l existence de solutions périodiques. Simulations numériques afin de comparer 2 noyaux K extrêmes : K (s, u) = δ s=0 et K (s, u) = δ s=u/2 Résultats Lorsque K (s, u) = δ s=0 : construction explicite d un très grand nombre de solutions périodiques mettant en évidence l apparition de synchronisations rythmées des décharges des neurones au sein du réseau. Ces solutions sont très instables par rapport au choix de la donnée initiale. Des simulations numériques montrent que ces solutions sont robustes par perturbation des paramètres (si on régularise p, si on rajoute un petit délai..). Lorsque K (s, u) = δ s=u/2 (résultats numériques) des simulations numériques montrent que si la période réfractaire est trop petite, alors la solution tend vers un état stationnaire. Si la période réfractaire est suffisamment grande, les solutions tendent vers une solution périodique qui semble stable.
24 Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0 Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0
25 Simulations lorsque K (s, u) = δ s=u/2 Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0
26 Simulations lorsque K (s, u) = δ s=0 Cas des réseaux faiblement interconnectés (σ petit). Cas des réseaux plus fortement interconnectés. Comparaisons lorsque K (s, u) = δ s=u/2 et K (s, u) = δ s=0
27 Modèle taille finie. On prend pour amplitude de stimulation X telle que 1 a X (t) = X(t) + N(t). On suppose que l on a un nombre fini de neurones K. Description de la dynamique pour un neurone. On prend un neurone qui reçoit un signal d entrée X. Si le temps s écoulé depuis la dernière décharge est tel que s σ(x) alors p(s, X) = 0, sinon p(s, X) = 1. Si σ(x) > s, la probabilité de décharge du neurone est nulle, sinon elle est donnée par une loi exponentielle de paramètre 1.
28 Modèle taille finie Description de la dynamique pour un neurone. Tant qu il n y a pas de décharge de neurones X vérifie l équation Au moment de la décharge, au temps t 1 X(v) = X(0)e av. X(t 1 ) = X(0)e at 1 + a/k Pour trouver le temps t 1 On tire un qui vérifie une loi exponentielle de paramètre 1. Soit µ définie par u µ(u) = I [s(0)+v>σ(x(v))] dv. 0 On prend comme temps de décharge du neurone le temps t tel que µ(t) =.
29 Modèle taille finie
30 Modèle taille finie
3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailQuand le bruit est à l origine de comportements périodiques
1/17 Quand le bruit est à l origine de comportements périodiques Christophe Poquet Université Paris Dauphine, CEREMADE 28 juin 2014 En collaboration avec G.Giacomin, K.Pakdaman et X.Pellegrin (Paris 7).
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 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 détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détail3ème séance de Mécanique des fluides. Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait. 2 Écoulements potentiels
3ème séance de Mécanique des fluides Rappels sur les premières séances Aujourd hui : le modèle du fluide parfait 1 Généralités 1.1 Introduction 1.2 Équation d Euler 1.3 Premier théorème de Bernoulli 1.4
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
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 correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en 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 détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en 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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailIntroduction à l analyse numérique : exemple du cloud computing
Introduction à l analyse numérique : exemple du cloud computing Tony FEVRIER Aujourd hui! Table des matières 1 Equations aux dérivées partielles et modélisation Equation différentielle et modélisation
Plus en détailFinance, Navier-Stokes, et la calibration
Finance, Navier-Stokes, et la calibration non linéarités en finance 1 1 www.crimere.com/blog Avril 2013 Lignes directrices Non-linéarités en Finance 1 Non-linéarités en Finance Les équations de Fokker-Planck
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailLes mathématiques de la finance Université d été de Sourdun Olivier Bardou olivier.bardou@gdfsuez.com 28 août 2012 De quoi allons nous parler? des principales hypothèses de modélisation des marchés, des
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailChapitre 7. Circuits Magnétiques et Inductance. 7.1 Introduction. 7.1.1 Production d un champ magnétique
Chapitre 7 Circuits Magnétiques et Inductance 7.1 Introduction 7.1.1 Production d un champ magnétique Si on considère un conducteur cylindrique droit dans lequel circule un courant I (figure 7.1). Ce courant
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailALGORITHMIQUE II NOTION DE COMPLEXITE. SMI AlgoII
ALGORITHMIQUE II NOTION DE COMPLEXITE 1 2 Comment choisir entre différents algorithmes pour résoudre un même problème? Plusieurs critères de choix : Exactitude Simplicité Efficacité (but de ce chapitre)
Plus en détailErreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détail14. Introduction aux files d attente
14. Introduction aux files d attente MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: Files d attente 1/24 Plan 1. Introduction 2. Modèle M/M/1 3. Modèle M/M/1/K MTH2302D: Files
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 détailLes atouts et faiblesses des caméras TEP dédiées, TEP corps entier, TEP-CT, TEMP pour la quantification
Les atouts et faiblesses des caméras TEP dédiées, TEP corps entier, TEP-CT, TEMP pour la quantification Irène Buvat U494 INSERM CHU Pitié-Salpêtrière, Paris buvat@imed.jussieu.fr http://www.guillemet.org/irene
Plus en détailTable des matières. Introduction Générale 5
Table des matières Introduction Générale 5 1 Généralités et rappels 16 1.1 Rappels... 16 1.1.1 Introduction... 16 1.1.2 Notion de stabilité...... 17 1.1.3 Stabilité globale et stabilité locale... 17 1.1.4
Plus en détailTP 7 : oscillateur de torsion
TP 7 : oscillateur de torsion Objectif : étude des oscillations libres et forcées d un pendule de torsion 1 Principe général 1.1 Définition Un pendule de torsion est constitué par un fil large (métallique)
Plus en détailTEPZZ 568448A_T EP 2 568 448 A1 (19) (11) EP 2 568 448 A1 (12) DEMANDE DE BREVET EUROPEEN. (51) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.
(19) TEPZZ 68448A_T (11) EP 2 68 448 A1 (12) DEMANDE DE BREVET EUROPEEN (43) Date de publication: 13.03.2013 Bulletin 2013/11 (1) Int Cl.: G07F 7/08 (2006.01) G06K 19/077 (2006.01) (21) Numéro de dépôt:
Plus en détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailTechniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité
Techniques de Lyapunov en contrôle quantique pour le couplage dipolaire et polarisabilité Andreea Grigoriu avec Jean-Michel Coron, Cătălin Lefter and Gabriel Turinici CEREMADE-Université Paris Dauphine
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
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 détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
Plus en détailProfesseur Eva PEBAY-PEYROULA
3-1 : Physique Chapitre 8 : Le noyau et les réactions nucléaires Professeur Eva PEBAY-PEYROULA Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Finalité du chapitre
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 détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailModule 7: Chaînes de Markov à temps continu
Module 7: Chaînes de Markov à temps continu Patrick Thiran 1 Introduction aux chaînes de Markov à temps continu 1.1 (Première) définition Ce module est consacré aux processus à temps continu {X(t), t R
Plus en détailValue at Risk. CNAM GFN 206 Gestion d actifs et des risques. Grégory Taillard. 27 février & 13 mars 20061
Value at Risk 27 février & 13 mars 20061 CNAM Gréory Taillard CNAM Master Finance de marché et estion de capitaux 2 Value at Risk Biblioraphie Jorion, Philippe, «Value at Risk: The New Benchmark for Manain
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en détailPlan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.
Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailINTRODUCTION. 1 k 2. k=1
Capes externe de mathématiques : session 7 Première composition INTRODUCTION L objet du problème est l étude de la suite (s n n définie par : n, s n = Dans une première partie, nous nous attacherons à
Plus en détailDirection des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Etab=MK3, Timbre=G430, TimbreDansAdresse=Vrai, Version=W2000/Charte7, VersionTravail=W2000/Charte7 Direction des Études et Synthèses Économiques Département des Comptes Nationaux Division des Comptes Trimestriels
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
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 détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailRupture et plasticité
Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
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 détailChapitre 6. Réactions nucléaires. 6.1 Généralités. 6.1.1 Définitions. 6.1.2 Lois de conservation
Chapitre 6 Réactions nucléaires 6.1 Généralités 6.1.1 Définitions Un atome est constitué d électrons et d un noyau, lui-même constitué de nucléons (protons et neutrons). Le nombre de masse, noté, est le
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailProcessus aléatoires avec application en finance
Genève, le 16 juin 2007. Processus aléatoires avec application en finance La durée de l examen est de deux heures. N oubliez pas d indiquer votre nom et prénom sur chaque feuille. Toute documentation et
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailTravaux dirigés d introduction aux Probabilités
Travaux dirigés d introduction aux Probabilités - Dénombrement - - Probabilités Élémentaires - - Variables Aléatoires Discrètes - - Variables Aléatoires Continues - 1 - Dénombrement - Exercice 1 Combien
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailNeurologiques gq Centrales EMPR LE NORMANDY GRANVILLE
La Marche dans les Affections Neurologiques gq Centrales S Injeyan JL Isambert Y Bebin S Le Doze M Cano P Fages W Loisel La Marche Fonction complexe Organisée hiérarchiquement au niveau spinal Contrôlée
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailLes Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détail7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES
CCPQ Rue A. Lavallée, 1 1080 Bruxelles Tél. : 02/690.85.28 Fax : 02/690.85.78 Email : ccpq@profor.be www.enseignement.be 7. ECONOMIE 7.3. COMMERCE GESTIONNAIRE DE TRES PETITES ENTREPRISES PROFIL DE FORMATION
Plus en détailUNIVERSITE CENTRALE DE TUNIS
UNIVERSITE CENTRALE DE TUNIS Examen final de la session principale en Economie Monétaire Enseignants responsables: Mr. Mustapha Benhareth & Mr. Kaies SAMET Année universitaire : 2009-2010 Durée : 2 heures
Plus en détailAnalyse des Systèmes Asservis
Analyse des Systèmes Asservis Après quelques rappels, nous verrons comment évaluer deux des caractéristiques principales d'un système asservi : Stabilité et Précision. Si ces caractéristiques ne sont pas
Plus en détailIntroduction à la théorie des files d'attente. Claude Chaudet Claude.Chaudet@enst.fr
Introduction à la théorie des files d'attente Claude Chaudet Claude.Chaudet@enst.fr La théorie des files d'attente... Principe: modélisation mathématique de l accès à une ressource partagée Exemples réseaux
Plus en détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailChapitre 4 Le deuxième principe de la thermodynamique
Chapitre 4 Le deuxième principe de la thermodynamique 43 4.1. Evolutions réversibles et irréversibles 4.1.1. Exemples 4.1.1.1. Exemple 1 Reprenons l exemple 1 du chapitre précédent. Une masse est placée
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 détail