Mesure de la résistivité électrique
|
|
- Claude Thibodeau
- il y a 6 ans
- Total affichages :
Transcription
1 Mesure de la résistivité électrique ρ elec [Ω m] Brute Sciee Rectifiee SSV eau SSV chaux σ(ρ elec ) [Ω m] Brute Sciee Rectifiee SSV eau SSV chaux L [m] L [m]
2 Évolution de l endommagement 1 (A,E) max (A,E) min 8 σ [MPa] ε [ ] x 1 3
3 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] Objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité
4 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] Objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité Le neurone artificiel e1 e2 e3.em.p1 p2 p3 n.pm
5 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] Objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité s Le neurone artificiel e1 e2 p1 p2 e3 p3 b..em.n s n s b n pm
6 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] Objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité La couche s b n Le neurone artificiel e1 e2 p1 p2 e3 p3 b..em.pm n s n s s s b b n n
7 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] em.objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité La couche e1 s b n Le neurone artificiel e1 e2 p1 p2 e3 p3 b..em.pm n s n s e2 e3.. s s b b n n
8 Réseaux de neurones articiels [Hertz et al. 1991, Haykin 1998] Objectif Identification d une fonction inconnue : détermination du coefficient de tortuosité Le neurone artificiel e1 e2 p1 p2 e3 p3 b..em.pm n s n s La couche e1 s1 b n e2 s s2 b n e3...s sp. b em.n de Larrard.Thomas s
9 Apprentissage du réseau de neurones artificiels [Hertz et al. 1991, Haykin 1998] Validation Vérifier que le réseau est capable de généraliser l identification F(x) Génération d un jeu de données numériques À l aide du modèle déterministe Paramètres d entrée :, 11 φ, 18, 13 τ, 25 o C T 3 o C x Données de sortie : épaisseurs dégradées
10 Apprentissage du réseau de neurones artificiels [Hertz et al. 1991, Haykin 1998] Validation Vérifier que le réseau est capable de généraliser l identification F(x) Génération d un jeu de données numériques À l aide du modèle déterministe Paramètres d entrée :, 11 φ, 18, 13 τ, 25 o C T 3 o C x Données de sortie : épaisseurs dégradées
11 Apprentissage du réseau de neurones artificiels [Hertz et al. 1991, Haykin 1998] Validation Vérifier que le réseau est capable de généraliser l identification e(t) Génération d un jeu de données numériques À l aide du modèle déterministe validation apprentissage t Paramètres d entrée :, 11 φ, 18, 13 τ, 25 o C T 3 o C Données de sortie : épaisseurs dégradées
12 Apprentissage du réseau de neurones artificiels [Hertz et al. 1991, Haykin 1998] Validation Vérifier que le réseau est capable de généraliser l identification e(t) Génération d un jeu de données numériques À l aide du modèle déterministe validation apprentissage t Paramètres d entrée :, 11 φ, 18, 13 τ, 25 o C T 3 o C Données de sortie : épaisseurs dégradées
13 Simulations VF vs. mesures expérimentales Dégradation à différentes températures (constantes) Essais CEA [Pierre et al. 29] Epaisseur degradee [mm] o C 15 o C 25 o C 35 o C Temps [jours 1/2 ]
14 Étude paramétrique Influence des paramètres de diffusion sur la cinétique de lixiviation Coefficient de correlation de Pearson 1,8,6,4,2 -,2 -,4 -,6 -, Temps [jours 1/2 ] D : [ 1, ; 2, ] k : [ 8,5 ; 1,5 ] Tau : [,15 ;,45 ] f p/m : [,45 ;,6 ] f m/c : [,55 ;,7 ] X SCa : [,85 ; 1, ] X phi : [ 1, ; 1,38 ]
15 Étude paramétrique Influence des paramètres de diffusion sur la cinétique de lixiviation 6 5 Essais CEA Simulation VF Calcium lixivie [mol/m 3 ] Temps [jours 1/2 ]
16 Température variable au cours de l essai 4 3 Temperature [ C] Mesure Moyenne Temps [jours]
17 Température variable au cours de l essai 15 Epaisseur degradee [mm] Temperature variable Temperature moyenne Temps [jours 1/2 ]
18 Modélisation du fluage à long terme Basée sur la théorie de la microprécontrainte [Bazant et al. 1997] Calée sur les résultats expérimentaux de [Brooks 25] σ η(s) k σ ^ ε ε ~ ε n+1 = ε n + σ n+1 α ln ε n+1 = ε n e t/τ KV + σ n+1 k ( tn+1 t n ) ( ) 1 e t/τ KV
19 Modélisation du fluage à long terme Basée sur la théorie de la microprécontrainte [Bazant et al. 1997] Calée sur les résultats expérimentaux de [Brooks 25] 4.5 x Deformation de fluage [ ] Donnees experimentales Modelisation Temps [jours] ( tn+1 )
20 Endommagements chimiques et mecaniques σ Endommagement chimique σ n+1 = σ (1 D χ n+1 ) Endommagement mécanique σ n+1 = σ (1 D χ n+1 )(1 Dc n+1 )
21 Endommagements chimiques et mecaniques σ σ~ Endommagement chimique σ n+1 = σ (1 D χ n+1 ) Endommagement mécanique σ n+1 = σ (1 D χ n+1 )(1 Dc n+1 )
22 Endommagements chimiques et mecaniques σ σ~ σ^ Endommagement chimique σ n+1 = σ (1 D χ n+1 ) Endommagement mécanique σ n+1 = σ (1 D χ n+1 )(1 Dc n+1 )
23 Loi d évolution de l endommagement Endommagement mécanique [Mazars 1986] : D c = 1 ε D(1 A) ε eq A e B(εeq ε D ) if ε eq ε D Couplage endommagement/fluage [Mazzotti et al. 23] : ε eq n+1 2 = ( νn+1 2 ε e n+1 + β( ε n+1 + ε n+1 ) ) 2 Évolution du coefficient de Poisson apparent [Mazzotti et al. 23] : ν n+1 = ν ( 1 + ν(ε e n+1 + ε n+1 + ε n+1 ) γ)
24 Loi d évolution de l endommagement Endommagement mécanique [Mazars 1986] : D c = 1 ε D(1 A) ε eq A e B(εeq ε D ) if ε eq ε D Couplage endommagement/fluage [Mazzotti et al. 23] : ε eq n+1 2 = ( νn+1 2 ε e n+1 + β( ε n+1 + ε n+1 ) ) 2 Évolution du coefficient de Poisson apparent [Mazzotti et al. 23] : ν n+1 = ν ( 1 + ν(ε e n+1 + ε n+1 + ε n+1 ) γ)
25 Loi d évolution de l endommagement Endommagement mécanique [Mazars 1986] : D c = 1 ε D(1 A) ε eq A e B(εeq ε D ) if ε eq ε D Couplage endommagement/fluage [Mazzotti et al. 23] : ε eq n+1 2 = ( νn+1 2 ε e n+1 + β( ε n+1 + ε n+1 ) ) 2 Évolution du coefficient de Poisson apparent [Mazzotti et al. 23] : ν n+1 = ν ( 1 + ν(ε e n+1 + ε n+1 + ε n+1 ) γ)
26 Détermination des paramètres influents 1,8 Coefficient de correlation de Pearson [-],6,4,2 -,2 -,4 -,6 -,8 Porosite Tortuosite Module de Young Coefficient de Poisson initial Coefficient de fluage (amortisseur) Raideur de fluage (Kelvin-Voigt) Coefficient de couplage du fluage Seuil d endommagement (deformation) Coefficient d endommagement (Mazars) Temps [annees]
27 Thermoactivation de la lixiviation Epaisseurs degradees [mm] C 15 C 25 C 35 C Temps [jours 1/2 ]
28 Thermoactivation de la lixiviation ln(k) [ ] Experience y = ln(k ) E A LIX x /RT [mol/kj]
29 Thermoactivation de la lixiviation Temperature [ C] Temps [jours]
30 Thermoactivation de la lixiviation Erreur [mm] k [m/jour 1/2 ]
31 Thermoactivation de la lixiviation Simulation Mesure Degradation [mm] Temps [jour 1/2 ]
32 Thermoactivation de la lixiviation φ [ ] A1 : ρ cor =,5 A2 1 : ρ cor =,78 A2 2 : ρ cor =, k [m/jour 1/2 ]
33 Thermoactivation de la lixiviation τ [ ] A1 : ρ cor =,76 A2 1 : ρ cor =,95 A2 2 : ρ cor =, k [m/jour 1/2 ]
34 Décomposition de Karhunen-Loève Décomposition modale Réalisations indépendantes mais corrélées spatialement Séparation des variables spatiales et stochastiques f ( x, ω) = f ( x) + + i= Problème aux valeurs propres généralisées λi φ i ( x)ξ i (ω) Discrétisation EF pour la détermination des modes MCM φ = λm φ Fonction de covariance ( C ij = V exp ) x i x j 2 L 2 c
35 Décomposition de Karhunen-Loève 1.8 C/σ 2 [ ].6.4 L c =,5 m.2 L = 1, m c L = 2, m c exp( 1) d [m]
36 Décomposition de Karhunen-Loève Mode propre 1 Mode propre Φ 1 Φ Longueur [m] Epaisseur [m] Longueur [m] Epaisseur [m]
37 Décomposition de Karhunen-Loève Valeur propre.12 L =,5 m c.1 L c = 1, m L c = 2, m Ordre du mode
38 Utilisation d un middleware [Matthies et al 26] Composant : décomposition Karhunen-Loève Variables aléatoires Réalisation du champ MIDDLEWARE Client Monte-Carlo Quantité d'intérêt Composant : simulation lixiviation Quantité d'intérêt Réalisation du champ Réalisation du champ Composant : simulation lixiviation
MATHS 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 détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailProjet ANR. Bruno Capra - OXAND. 04/06/2015 CEOS.fr - Journée de restitution (Paris) B. CAPRA
Projet ANR Bruno Capra - OXAND MEFISTO : Maîtrise durable de la fissuration des infrastructures en bétons Contexte Problématique des Maîtres d Ouvrages Evaluation et prédiction de la performance des ouvrages
Plus en détailHealth Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation
Health Monitoring pour la Maintenance Prévisionnelle, Modélisation de la Dégradation Laurent Denis STATXPERT Journée technologique "Solutions de maintenance prévisionnelle adaptées à la production" FIGEAC,
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 détailCours de méthodes de scoring
UNIVERSITE DE CARTHAGE ECOLE SUPERIEURE DE STATISTIQUE ET D ANALYSE DE L INFORMATION Cours de méthodes de scoring Préparé par Hassen MATHLOUTHI Année universitaire 2013-2014 Cours de méthodes de scoring-
Plus en détailchargement d amplitude variable à partir de mesures Application à l approche fiabiliste de la tolérance aux dommages Modélisation stochastique d un d
Laboratoire de Mécanique et Ingénieriesnieries EA 3867 - FR TIMS / CNRS 2856 ER MPS Modélisation stochastique d un d chargement d amplitude variable à partir de mesures Application à l approche fiabiliste
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 détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailIntroduction à la statistique non paramétrique
Introduction à la statistique non paramétrique Catherine MATIAS CNRS, Laboratoire Statistique & Génome, Évry http://stat.genopole.cnrs.fr/ cmatias Atelier SFDS 27/28 septembre 2012 Partie 2 : Tests non
Plus en détailPROPRIÉTÉS TECHNIQUES DU SYSTÈME NEOWEB
TECHNIQUES DU SYSTÈME NEOWEB Propriétés techniques Neoweb V 2.5 SYSTÈME DE CONFINEMENT CELLULAIRE 3D CLASSIFICATION POLYMÈRE TYPE Neoloy Technologie de pointe nano-composite MÉCANIQUES DU SYSTÈME Module
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailESSEC Cours Wealth management
ESSEC Cours Wealth management Séance 9 Gestion de patrimoine : théories économiques et études empiriques François Longin 1 www.longin.fr Plan de la séance 9 Epargne et patrimoine des ménages Analyse macroéconomique
Plus en détail!-.!#- $'( 1&) &) (,' &*- %,!
0 $'( 1&) +&&/ ( &+&& &+&))&( -.#- 2& -.#- &) (,' %&,))& &)+&&) &- $ 3.#( %, (&&/ 0 ' Il existe plusieurs types de simulation de flux Statique ou dynamique Stochastique ou déterministe A événements discrets
Plus en détailPrésentations GTF. Point de vue d un utilisateur final. Durée de vie des ouvrages : Approche Prédictive, PerformantielLE et probabiliste
Présentations GTF Présenté par : Georges NAHAS Organismes : Institut de Radioprotection et de Sûreté Nucléaire (IRSN) Paris 26 mai 2009 Introduction Le vieillissement des ouvrages de génie civil et plus
Plus en détailPROJET MODELE DE TAUX
MASTER 272 INGENIERIE ECONOMIQUE ET FINANCIERE PROJET MODELE DE TAUX Pricing du taux d intérêt des caplets avec le modèle de taux G2++ Professeur : Christophe LUNVEN 29 Fevrier 2012 Taylan KUNAL - Dinh
Plus en détailCONSTANTES DIELECTRIQUES
9 E7 CONTANTE DIELECTRIQUE I. INTRODUCTION Dans cette expéience, nous étuieons es conensateus et nous éiveons les popiétés e iélectiques tels que l'ai et le plexiglas. II. THEORIE A) Conensateus et iélectiques
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailANNEXE GENERALE CLIMATIQUE TOME 3 DETERMINATION DE L ENVIRONNEMENT A SIMULER
ANNEXE GENERALE CLIMATIQUE TOME 3 DETERMINATION DE L ENVIRONNEMENT A SIMULER 06/12/2010 édition 1 Page 1 SOMMAIRE 1. INTRODUCTION 5 1.1 Cas de défaillances par contraintes extrêmes 5 1.2 Cas de défaillances
Plus en détailPropriétés des options sur actions
Propriétés des options sur actions Bornes supérieure et inférieure du premium / Parité call put 1 / 1 Taux d intérêt, capitalisation, actualisation Taux d intéret composés Du point de vue de l investisseur,
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 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 détailRessources minérales et Hydrocarbures. Hedi SELLAMI Centre de Géosciences MINES ParisTech
Ressources minérales et Hydrocarbures Hedi SELLAMI Centre de Géosciences MINES ParisTech Colloque IMT «Ressources naturelles & Environnement», 5 et 6 novembre 2014 Les minéraux d intérêt économique Minéraux
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 détailTP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options
Université de Lorraine Modélisation Stochastique Master 2 IMOI 2014-2015 TP1 Méthodes de Monte Carlo et techniques de réduction de variance, application au pricing d options 1 Les options Le but de ce
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailFORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc)
87 FORMATION CONTINUE SUR L UTILISATION D EXCEL DANS L ENSEIGNEMENT Expérience de l E.N.S de Tétouan (Maroc) Dans le cadre de la réforme pédagogique et de l intérêt que porte le Ministère de l Éducation
Plus en détailApplications en imagerie cérébrale (MEG/EEG)
EEG : mesure du potentiel électrique Ordre de grandeur : qq µ-volts Capteurs : électrodes MEG : mesure du champ magnétique Ordre de grandeur : 10 13 Tesla Capteurs SQUID couplés à des bobines VI. Applications
Plus en détailCOMPARAISON DES LOGICIELS DE CFD N3SNATUR ET AVBP EN GEOMETRIE COMPLEXE
CFD - Combustion COMPARAISON DES LOGICIELS DE CFD N3SNATUR ET AVBP EN GEOMETRIE COMPLEXE Rapport de stage de fin d études Anthony ROUX Juin 25 Sous la direction de Laurent Gicquel (CERFACS) et Jean Cousteix
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
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 détailSIMULATION DU PROCÉDÉ DE FABRICATION DIRECTE DE PIÈCES THERMOPLASTIQUES PAR FUSION LASER DE POUDRE
SIMULATION DU PROCÉDÉ DE FABRICATION DIRECTE DE PIÈCES THERMOPLASTIQUES PAR FUSION LASER DE POUDRE Denis DEFAUCHY Gilles REGNIER Patrice PEYRE Amine AMMAR Pièces FALCON - Dassault Aviation 1 Présentation
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailApproche modèle pour l estimation en présence de non-réponse non-ignorable en sondage
Approche modèle pour l estimation en présence de non-réponse non-ignorable en sondage Journées de Méthodologie Statistique Eric Lesage Crest-Ensai 25 janvier 2012 Introduction et contexte 2/27 1 Introduction
Plus en détailMODELES DE DUREE DE VIE
MODELES DE DUREE DE VIE Cours 1 : Introduction I- Contexte et définitions II- Les données III- Caractéristiques d intérêt IV- Evènements non renouvelables/renouvelables (unique/répété) I- Contexte et définitions
Plus en détailConsolidation des argiles. CUI Yu-Jun ENPC-CERMES, INSTITUT NAVIER
Consolidation des argiles CUI Yu-Jun ENPC-CERMES, INSTITUT NAVIER Plan Introduction Argiles Phénomène de consolidation Essais de consolidation Equation de la consolidation Degré de consolidation et facteur
Plus en détailChapitre XIV BASES PHYSIQUES QUANTITATIVES DES LOIS DE COMPORTEMENT MÉCANIQUE. par S. CANTOURNET 1 ELASTICITÉ
Chapitre XIV BASES PHYSIQUES QUANTITATIVES DES LOIS DE COMPORTEMENT MÉCANIQUE par S. CANTOURNET 1 ELASTICITÉ Les propriétés mécaniques des métaux et alliages sont d un grand intérêt puisqu elles conditionnent
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 détailDynamique des protéines, simulation moléculaire et physique statistique
Dynamique des protéines, simulation moléculaire et physique statistique Gerald R. Kneller kneller@llb.saclay.cea.fr, kneller@cnrs-orleans.fr Université d Orléans Laboratoire Léon Brillouin, CEA Saclay
Plus en détailChapitre 02. La lumière des étoiles. Exercices :
Chapitre 02 La lumière des étoiles. I- Lumière monochromatique et lumière polychromatique. )- Expérience de Newton (642 727). 2)- Expérience avec la lumière émise par un Laser. 3)- Radiation et longueur
Plus en détailMaster Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2.
Master Modélisation Aléatoire Paris VII, Cours Méthodes de Monte Carlo en nance et C++, TP n 2. Techniques de correction pour les options barrières 25 janvier 2007 Exercice à rendre individuellement lors
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailTESTS D HYPOTHÈSE FONDÉS SUR LE χ². http://fr.wikipedia.org/wiki/eugénisme
TESTS D HYPOTHÈSE FONDÉS SUR LE χ² http://fr.wikipedia.org/wiki/eugénisme Logo du Second International Congress of Eugenics 1921. «Comme un arbre, l eugénisme tire ses constituants de nombreuses sources
Plus en détailManuel de validation Fascicule v4.25 : Thermique transitoire des structures volumiques
Titre : TTLV100 - Choc thermique dans un tuyau avec condit[...] Date : 02/03/2010 Page : 1/10 Manuel de Validation Fascicule V4.25 : Thermique transitoire des structures volumiques Document : V4.25.100
Plus en détailMario Geiger octobre 08 ÉVAPORATION SOUS VIDE
ÉVAPORATION SOUS VIDE 1 I SOMMAIRE I Sommaire... 2 II Évaporation sous vide... 3 III Description de l installation... 5 IV Travail pratique... 6 But du travail... 6 Principe... 6 Matériel... 6 Méthodes...
Plus en détailEncoder 1.60. Encoder 1 sur 15. Codification fil par étage 15 étages max. + 2 flèches + signal de mouvement. Raccordements 0.1 mm²...
Displays ACCESSOIRES AFFICHEURS Encoder Encoder 1 sur 1 Le dispositif Encoder est nécessaire pour une codification 1 fil par étage avec des afficheurs conçus pour code binaire. Le dispositif Encoder convertit
Plus en détailPrise en compte des Eurocodes dans le dimensionnement d ouvrages d art courant en béton armé. Comparaison avec «l ancienne» réglementation.
Prise en compte des Eurocodes dans le dimensionnement d ouvrages d art courant en béton armé. Comparaison avec «l ancienne» réglementation. Projet de Fin d Etude Auteur : GODARD Sandy Elève ingénieur en
Plus en détailDruais Cédric École Polytechnique de Montréal. Résumé
Étude de load balancing par un réseau de neurones de types HME (Hierarchical Mixture of s). Druais Cédric École Polytechnique de Montréal Résumé Cet article tente d introduire le principe de load balancing
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 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 détailThéorie des Jeux Et ses Applications
Théorie des Jeux Et ses Applications De la Guerre Froide au Poker Clément Sire Laboratoire de Physique Théorique CNRS & Université Paul Sabatier www.lpt.ups-tlse.fr Quelques Définitions de la Théorie des
Plus en détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailCFAO Usinage sur machine à commande numérique
CFAO Usinage sur machine à commande numérique Pour réaliser une pièce à l aide d une machine à commande numérique, on doit respecter les étapes suivantes : Dessin matriciel et dessin vectoriel : Matriciel
Plus en détailL utilisation d un réseau de neurones pour optimiser la gestion d un firewall
L utilisation d un réseau de neurones pour optimiser la gestion d un firewall Réza Assadi et Karim Khattar École Polytechnique de Montréal Le 1 mai 2002 Résumé Les réseaux de neurones sont utilisés dans
Plus en détailChapitre 6 Test de comparaison de pourcentages χ². José LABARERE
UE4 : Biostatistiques Chapitre 6 Test de comparaison de pourcentages χ² José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Nature des variables
Plus en détailCalcul Stochastique pour la finance. Romuald ELIE
Calcul Stochastique pour la finance Romuald ELIE 2 Nota : Ces notes de cours sont librement inspirées de différentes manuels, polycopiés, notes de cours ou ouvrages. Citons en particulier ceux de Francis
Plus en détailCompte rendu de LA37 B, TP numéro 1. Evolution de la température et du degrée d'hydratation
4 6 8 2 4 8 22 26 3 34 38 42 46 5 54 58 62 66 7 74 78 83 89 96 8 44 Bertin Morgan Compte rendu de LA37 B, TP numéro. Les essais effectués par le laboratoire des ponts et chaussés nous ont fournis la température
Plus en détailProduits de crédit en portefeuille
Chapitre 6 Produits de crédit en portefeuille et défauts corrélés Dans ce chapitre, on étudie des produits financiers de crédit en portfeuille, notamment k th -to-default swap et CDOs (voir 1.2 pour une
Plus en détailLA TYPOGRAPHIE (Norme ISO 31)
LA TYPOGRAPHIE (Norme ISO 31) AVERTISSEMENT : Les exemples en vert sont recommandés, ceux en rouge, interdits. L'écriture des unités de mesure Les unités de mesure s'écrivent en totalité lorsqu'elles -
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 détailL approche de régression par discontinuité. Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011
L approche de régression par discontinuité Thomas Lemieux, UBC Atelier de formation du Congrès de l ASDEQ Le 18 mai 2011 Plan de la présentation L approche de régression par discontinuité (RD) Historique
Plus en détailValidation d un modèle CFD Thermique pour un système de Double Embrayage à Sec.
Validation d un modèle CFD Thermique pour un système de Double Embrayage à Sec. Anthony LEVILLAIN 1,3,*, Pascale BRASSART 1, David DEMARE 2, Béatrice PATTE- ROULAND 3 1 VALEO Transmissions, Centre d'etudes
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 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 détailLes Contrôles Non Destructifs
Les Contrôles Non Destructifs 1 Méthodes de maintenance MAINTENANCE d'après l'afnor CORRECTIVE PREVENTIVE PALLIATIVE Dépannage (Défaillance partielle) CURATIVE Réparation (Défaillance totale) SYSTEMATIQUE
Plus en détailLa prévention des intoxications dans les silos à fourrage
La prévention des intoxications dans les silos à fourrage Ali Bahloul, Brigitte Roberge et Nicole Goyer / IRSST Mauricio Chavez et Marcelo Reggio / École polytechnique de Montréal Avec la collaboration
Plus en détailMaster Informatique et Systèmes. Architecture des Systèmes d Information. 03 Architecture Logicielle et Technique
Master Informatique et Systèmes Architecture des Systèmes d Information 03 Architecture Logicielle et Technique Damien Ploix 2014-2015 Démarche d architecture SI : structuration en vues Quels métiers?
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 détailAuscultation par thermographie infrarouge des ouvrages routiers
Journée «Thermographie infrarouge pour le bâtiment et les travaux publics» Auscultation par thermographie infrarouge des ouvrages routiers Jean Dumoulin (LCPC) Mario Marchetti (LRPC Nancy) Frédéric Taillade
Plus en détailSOCIETE NATIONALE DES CHEMINS DE FER BELGES SPECIFICATION TECHNIQUE
SOCIETE NATIONALE DES CHEMINS DE FER BELGES SPECIFICATION TECHNIQUE L - 72 FOURNITURE DE SEMELLES ELASTIQUES POUR LA FIXATION DE VOIE "TYPE BOTZELAER" EDITION: 04/2001 Index 1. INTRODUCTION... 3 1.1. DOMAINE
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 détail27/31 Rue d Arras 92000 NANTERRE Tél. 33.(0)1.47.86.11.15 Fax. 33.(0)1.47.84.83.67
Caractéristiques standards MODELE Puissance secours @ 50Hz Puissance prime @ 50Hz Moteur (MTU, 16V4000G61E ) Démarrage électrique, alternateur de charge 24 V, régulation Elec Alternateur (LEROY SOMER,
Plus en détailCours d introduction à la théorie de la détection
Olivier J.J. MICHEL Département EEA, UNSA v1.mars 06 olivier.michel@unice.fr Laboratoire LUAN UMR6525-CNRS Cours d introduction à la théorie de la détection L ensemble du document s appuie très largement
Plus en détailUrbanisation en datacenter (deuxième partie) Arnaud de Bermingham abermingham@corp.free.fr
Urbanisation en datacenter (deuxième partie) Arnaud de Bermingham abermingham@corp.free.fr Questions - prises de tête!! Prise Courant admissible Commentaires Courant : 16 A max Courant permanent : 8 à
Plus en détailPremier principe : bilans d énergie
MPSI - Thermodynamique - Premier principe : bilans d énergie page 1/5 Premier principe : bilans d énergie Table des matières 1 De la mécanique à la thermodynamique : formes d énergie et échanges d énergie
Plus en détailDécomposition de Föllmer-Schweizer. explicite d un passif d assurance vie. au moyen du calcul de Malliavin
Décomposition de Föllmer-Schweizer explicite d un passif d assurance vie au moyen du calcul de Malliavin Mémoire présenté par Sébastien de Valeriola en vue de l obtention du master en sciences actuarielles
Plus en détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailAPPLICATIONS DE L'IMPLANTATION IONIQUE POUR LE BIOMEDICAL
Ion Beam Services ZI Peynier / Rousset Rue G. Imbert Prolongée 13790 Peynier, France Tel. : +33 4 42 53 89 53 Fax : + 33 4 42 53 89 59 Email : frank.torregrosa@ion-beam-services.fr APPLICATIONS DE L'IMPLANTATION
Plus en détailPerformances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire.
Performances énergétiques de capteurs solaires hybrides PV-T pour la production d eau chaude sanitaire. Patrick DUPEYRAT 1,2*, Yu BAI 3,4, Gérald KWIATKOWSKI 5, Gilles FRAISSE 3 Christophe MENEZO 2,3 et
Plus en détailArchitecture des ordinateurs
Architecture des ordinateurs Cours 4 5 novembre 2012 Archi 1/22 Micro-architecture Archi 2/22 Intro Comment assembler les différents circuits vus dans les cours précédents pour fabriquer un processeur?
Plus en détailFLUIDES EN ÉCOULEMENT Méthodes et modèles
FLUIDES EN ÉCOULEMENT Méthodes et modèles Jacques PADET Professeur Émérite à l Université de Reims Seconde édition revue et augmentée TABLE DES MATIÈRES PRÉSENTATION Préface de la 1 ère édition Prologue
Plus en détailLe Soleil. Structure, données astronomiques, insolation.
Le Soleil Structure, données astronomiques, insolation. Le Soleil, une formidable centrale à Fusion Nucléaire Le Soleil a pris naissance au sein d un nuage d hydrogène de composition relative en moles
Plus en détailAdhésif structural pour le collage de renforts
Notice Produit Edition 18/07/2014 Numéro 3022 Version N 2014-253 N identification : 020206040010000001 Adhésif structural pour le collage de renforts Description est une colle structurale thixotrope à
Plus en détailTP N 57. Déploiement et renouvellement d une constellation de satellites
TP N 57 Déploiement et renouvellement d une constellation de satellites L objet de ce TP est d optimiser la stratégie de déploiement et de renouvellement d une constellation de satellites ainsi que les
Plus en détailPhysique : Thermodynamique
Correction du Devoir urveillé n o 8 Physique : hermodynamique I Cycle moteur [Véto 200] Cf Cours : C P m C V m R relation de Mayer, pour un GP. C P m γr γ 29, 0 J.K.mol et C V m R γ 20, 78 J.K.mol. 2 Une
Plus en détail0.8 U N /0.5 U N 0.8 U N /0.5 U N 0.8 U N /0.5 U N 0.2 U N /0.1 U N 0.2 U N /0.1 U N 0.2 U N /0.1 U N
Série 55 - Relais industriels 7-10 A Caractéristiques 55.12 55.13 55.14 Relais pour usage général avec 2, 3 ou 4 contacts Montage sur circuit imprimé 55.12-2 contacts 10 A 55.13-3 contacts 10 A 55.14-4
Plus en détailThermostate, Type KP. Fiche technique MAKING MODERN LIVING POSSIBLE
MAKING MODERN LIVING POSSIBLE Fiche technique Thermostate, Type KP Les thermostats de type KP sont des commutateurs électriques unipolaires dont le fonctionnement est lié à la température (SPDT). Un thermostat
Plus en détailLes rayons X. Olivier Ernst
Les rayons X Olivier Ernst Lille La physique pour les nuls 1 Une onde est caractérisée par : Sa fréquence F en Hertz (Hz) : nombre de cycle par seconde Sa longueur λ : distance entre 2 maximum Sa vitesse
Plus en détailFORMULATION DES BETONS AVEC AJOUT PAR L UTILISATION DES RESEAUX DE NEURONES
IV ème SNMPE, 15, 16 Mai 2012 Université M Hamed Bougara Boumerdès FORMULATION DES BETONS AVEC AJOUT PAR L UTILISATION DES RESEAUX DE NEURONES R. Rebouh 1, B. Boukhatem 2, M. Ghrici 3, S. Kenai 4 1 Laboratoire
Plus en détailAOMS : UN NOUVEL OUTIL DE PHOTOGRAMMÉTRIE
AOMS : UN NOUVEL OUTIL DE PHOTOGRAMMÉTRIE A. Dumont, F. Jallon et JB. Monnerie ESIC SN Z.A. du buisson de la couldre 1 Allée des Châtaigniers - F78190 TRAPPES S. Naudet, P. Sayd et M. Viala * LETI (CEA
Plus en détailRésumé... 9... 10... 10... 10
Bibliographie 1 Table des matières Table des matières.................................... 3 Résumé............................................ 9........................................ 10........................................
Plus en détailApprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière
Apprentissage incrémental par sélection de données dans un flux pour une application de sécurité routière Nicolas Saunier INRETS Télécom Paris Sophie Midenet INRETS Alain Grumbach Télécom Paris Conférence
Plus en détailSurface de volatilité
Surface de volatilité Peter TANKOV Université Paris-Diderot(ParisVII) tankov@math.univ-paris-diderot.fr Dernière m.à.j. February 15, 15 Ce document est mis à disposition sous un contrat Creative Commons
Plus en détailOutils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP
Outils logiciels pour la combinaison de vérification fonctionnelle et d évaluation de performances au sein de CADP Christophe Joubert Séminaire VASY 2002 30 Octobre 2002 Aix les Bains Contexte du projet
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailP M L R O G W. sylomer. Gamme de Sylomer Standard. Propriétés Méthode de test Commentaires. Polyuréthane (PUR) Cellulaire mixte
Matière : Couleur : Polyuréthane (PUR) Cellulaire mixte Gris Recommandations d usage : Pression (dépend du facteur de forme) Déflexion Pression statique maximum :. N/mm ~ % Pression dyn. maximum :. N/mm
Plus en détail