Journées INRA Plantes Virtuelles 27 et 28 Mars 2008 ENS Lyon. Virtual Plants
|
|
- Fabienne Paul
- il y a 8 ans
- Total affichages :
Transcription
1 Journées INRA Plantes Virtuelles 27 et 28 Mars 28 ENS Lyon Virtual Plants Modélisation de la morphogenèse des plantes à différentes échelles, des gènes au phénotype Equipe-projet INRIA commune avec le CIRAD et l INRA
2 Objectif du projet Comprendre et modéliser le fonctionnement des méristèmes à différentes échelles en se basant sur: les connaissances sur l architecture des plantes les nouvelles données provenant de la biologie du développement Méthode: Définir de nouveaux outils pour l agronomie et le développement durable (amélioration des plantes, gestion forestière) Développement d une approche mathématique et informatique de la modélisation des structures végétales arborescentes et tissulaires Partenariat étroit avec des équipes de biologie du développement
3 Axes scientifiques Axe 1: Analyse et modélisation des structures produites par les méristèmes - Observation et descripteurs - Etude des régularités et gradients - Composantes endogène et exogène Axe 2: Fonctionnement et croissance des méristèmes - Observation et modélisation géométrique - Modèles morphogenétiques Développement de modèles de la morphogenèse: plantes virtuelles Plateforme logicielle pour la modélisation des plantes : OpenALEA etc.
4 Axe1 exemple: Quantifier la notion d état de différenciation d un méristème Différenciation Deux principales familles de modèles ou méthodes : Des modèles stochastiques (arbres de Markov cachés) permettant d identifier les ruptures et les zones homogènes dans les plantes, Des méthodes combinatoires, permettant d identifier les similarités et dissimilarités entre plantes ou parties de plantes.
5 Modèle stochastique d arbre de Markov caché : Identification d états au sein d une structure arborescente Distribution jointe des 2 variables 2 Zones L Number of GUs histo g ram NB(12, 1.,.1) Number of internodes végétatif florifère Number of GUs Zones F histog ram NB(1,.2,.77) Number of internodes 2 Zones M Number of GUs Number of internodes histo g ram NB(1, 2.9,.2 ) Zones homogènes restaurées Number of Gus Zones S 1 2 Number of internodes histogram B(1, 2, )
6 Modèle stochastique d arbre de Markov caché : </+ < L M S F + < < + < < </+ Succession UC longues, moyennes puis courtes, Alternance UC végétative, UC florifère. < : succession + : ramification Durand et al. (24), IEEE Trans. Signal Proc. Durand et al. (25), New Phytologist
7 Modèle de détection de ruptures multiples Pin laricio de 7 ans, parcelle à 29 tiges/ha longueur (cm)
8 Composante ontogénique dans un modèle de décomposition additif : 2 hypothèses tendance ontogénique fluctuations climatiques + succession de phases ontogéniques
9 Modèle de détection de ruptures multiples Segmentation - 4 segments longueur (cm) identification de ruptures d amplitude importante dans la phase de diminution de la croissance (changement du nombre de points de croissance, de la balance entre croissance apicale et croissance cambiale?), ruptures d amplitude importante asynchrones entre individus.
10 Méthodes combinatoires : identifier les similarités Autosimilarité des plantes Lien entre structures macroscopiques et processus microscopiques hypothèse : «des systèmes ramifiés identiques ont été produits par des méristèmes dans des états physiologique identiques»
11 Quantification de l auto-similarité géométrique: Two-Surface Method Etude de l agrégation du feuillage en fonction de l échelle [Zeide & Pfeifer, 91] F1 F2 E1 F1 F2 E1 E2 E2 Boudon et al. (26) Fractals
12 Quantification de l auto-similarité géométrique: Box Counting Method Space discretization with 3D grids large Fractal dimension estimator : Da Silva et al. (26), Lecture Note in Computer Science small
13 Quantification de l auto-similarité topologique: Graphe des différenciations représentation x y réduction Plante observée Arborescence associée (les sommets x et y ont la même couleur ssi T[x] T[y] ) DAG équivalent R(T) hypothèse: DAG (Directed Acyclic Graph) équivalent = Ensemble de toutes les séquences possibles de différenciation des méristèmes
14 Quantification de l autosimilarité des plantes Définition: Un arbre T est autosimilaire si son DAG est «linéaire» Arbre autosimilaire le plus petit contenant un arbre T : T * = arg min D( T, A) A Σ + ( T ) (Σ + (Τ ) : ens. arbres autosimilaires contenant T) Séquence des états de différenciation Problème inverse Degré d autosimilarité d une arborescence réelle T: D( T, T*) δ( T ) = T*
15 a. c. R(T) d. e. b. SST(T) Godin and Ferraro, 8 submitted to IEEE Pami
16 Développement de modèles de morphogenèse: démarche intégrative Modèles statistiques + Modèle mécaniste 1 court 2 long 3 floraison Forme orientation Initiale Chargement de la structure Bourgeon: Terminal Axillaire 2 Croissance et ramification C 1313 Semi-chaine de Markov cachée pour la ramification (métamères) Chaine de Markov pour les successions (unités de croissance) Fructification Croissance en diamètre Récolte Forme Orientation finale Renton et al. (26) J. Exp. Bot; Smith et al. (27) FSPM7
17 Intégration des modèles dans un programme L-systèmes Exemple du modèle mécanique i-1 τ i-1 g l i l i+1 i m i m i+1 i i+1 τ g = l k H k m k i-1 N k=i g N m N Equation récursive: τ g = l i H i Intégration sur l axe M i g + τ g i-1 i avec M i = N k=i m k points de ramification M l l τ g i i-1 i-2 l i-1 l d i τ = τ d + τ l i-1 i-1 i-1 M
18 Simulation du développement d un pommier au cours de quatre années de croissance (variété Fuji )
19 Challenges pour les années à venir Combinaisons dans les modèles statistiques d effet fixes (influence du climat) et aléatoires (influence du génotype) - composantes ontogéniques, génétiques et environnementales d un phénotype Intégration des méthodes mécanistes et statistiques - Stratégie simplifiée d échantillonnage de l architecture - Modèles intégratifs et simulations Vers un couplage entre les échelles tissulaire, organe et plante - Contôle génétique des processus d édification de l architecture Intégration de modèles de simulation dans la plateforme OpenAlea (plantes virtuelles)
20 Platform for modeling at different scales Plant architecture analysis - VPlants (Godin, Guedon et al) Ecophysiological models Buissiere et al., 7 Fournier et al., 7 Sinoquet et al. Meristem modeling (Stoma, Chopard et al.)
21 Composition de l équipe (Vert = biologiste) Permanents - Christophe Godin (responsable scientifique, Inria) - Yann Guédon (responsable permanent, Cirad) - Christophe Pradal (Cirad) - Frédéric Boudon (Cirad) Non-permanents Ingénieur: - Samuel Dufour (ODL Inria) Post-docs: - Jérôme Chopard (post-doc ANR, Inria) Doctorants: - Florence Chaubert (UMII) - David da Silva (UMII) - Szymon Stoma (Inria, Europe RTN) - Romain Fernandez (Cirad, ATP Cirad) - Mohamad Saad (INRA-Région) - Mikaël Lucas (ENS Lyon) - Damien Fumey (CIFRE, UMII) Collaborateurs extérieurs - Evelyne Costes (Inra) - Hervé Sinoquet (Inra) - Jan Traas (ENS Lyon/Inra) - Christian Jay-Allemand (U. Montpellier) - Jean Luc Verdeil (Cirad) - Laurent Laplaze (Ird) - Christian Fournier (Inra) - Christian Cilas (Cirad) - Jean-Baptiste Durand (U. Grenoble) - Pascal Ferraro (U. Bordeaux) - Christian Lavergne (U. Montpellier) - Catherine Trottier (U. Montpellier)
MABioVis. 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 détailCréation intuitive des éléments d un paysage
Création intuitive des éléments d un paysage Marie-Paule Cani Univ. Grenoble-Alpes, CNRS & Inria Organisation du cours «Façonner l imaginaire» Partie 1 : Création numérique 3D Modélisation géométrique
Plus en détailEfficacité énergétique des réseaux de cœur et d accès
Efficacité énergétique des réseaux de cœur et d accès David Coudert Joanna Mouliérac, Frédéric Giroire MASCOTTE I3S (CNRS/Université Nice Sophia-Antipolis) INRIA Sophia-Antipolis Méditerranée 1 Contexte
Plus en détailExemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux
Exemple de projet et réseau: modélisation et simulation des systèmes socio-environnementaux Jean-Pierre Müller Cadre scientifique CIRAD-ES-GREEN 1 Plan de présentation D où on part (parle) L objet de recherche
Plus en détailSemestre HPC. Violaine Louvet. Institut Camille Jordan - CNRS louvet@math.univ-lyon1.fr. Labex MILyon, Printemps 2016
Semestre HPC Violaine Louvet Institut Camille Jordan - CNRS louvet@math.univ-lyon1.fr Labex MILyon, Printemps 2016 V. Louvet (ICJ) Semestre HPC Printemps 2016 1 / 9 Présentation du semestre Modélisation
Plus en détailL utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée
L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur
Plus en détailModélisation et simulation du trafic. Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005
Modélisation et simulation du trafic Christine BUISSON (LICIT) Journée Simulation dynamique du trafic routier ENPC, 9 Mars 2005 Plan de la présentation! Introduction : modèles et simulations définition
Plus en détailMASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME
MASTER (LMD) MODELISATION, OPTIMISATION, COMBINATOIRE ET ALGORITHME RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : INFORMATIQUE Spécialité
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 détailOrdonnancement sous contraintes de Qualité de Service dans les Clouds
Ordonnancement sous contraintes de Qualité de Service dans les Clouds GUÉROUT Tom DA COSTA Georges (SEPIA) MONTEIL Thierry (SARA) 05/12/2014 1 Contexte CLOUD COMPUTING Contexte : Environnement de Cloud
Plus en détailLe Master Mathématiques et Applications
Le Master Mathématiques et Applications Franck BOYER franck.boyer@univ-amu.fr Institut de Mathématiques de Marseille Aix-Marseille Université Marseille, 20 Mai 2014 1/ 16 Structure générale Vue d ensemble
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailModélisation aléatoire en fiabilité des logiciels
collection Méthodes stochastiques appliquées dirigée par Nikolaos Limnios et Jacques Janssen La sûreté de fonctionnement des systèmes informatiques est aujourd hui un enjeu économique et sociétal majeur.
Plus en détailJoints de grains : couplage entre modélisation et microscopie électronique haute résolution
Joints de grains : couplage entre modélisation et microscopie électronique haute résolution Frédéric Lançon, Damien Caliste, Jean Luc Rouvière Lab. de simulation atomistique (L_Sim), Inac/SP2M, CEA, Grenoble,
Plus en détailLa notion de croissance (végétale) en sixième et en première S.
La notion de croissance (végétale) en sixième et en première S. Activité proposée : La notion de croissance est abordée en classe de 6 ème et elle est traitée en première S. Montrez sur cet exemple qu
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 détailLe Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs
Le Futur de la Visualisation d Information Jean-Daniel Fekete Projet in situ INRIA Futurs La visualisation d information 1.Présentation 2.Bilan 3.Perspectives Visualisation : 3 domaines Visualisation scientifique
Plus en détailProposition d une démarche pour la conception et l évaluation d idéotypes de plantes
Proposition d une démarche pour la conception et l évaluation d idéotypes de plantes Le concept d idéotype a été proposé au départ par C.M. Donald (1968) comme support de réflexion pour renouveler les
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 détailCarrotAge, un logiciel pour la fouille de données agricoles
CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin
Plus en détailModélisation intégrative des paysages Atelier 1 : Problématiques, démarches et outils de modélisation
Atelier 1 : Problématiques, démarches et outils de modélisation Montpellier, du 26 au 28 mai 2009 **** COMPTE-RENDU 1. Programme Mardi 26 mai 14h00 14h15 : introduction 14h15 15h00 : conférence : présentation
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailContrôle stochastique d allocation de ressources dans le «cloud computing»
Contrôle stochastique d allocation de ressources dans le «cloud computing» Jacques Malenfant 1 Olga Melekhova 1, Xavier Dutreilh 1,3, Sergey Kirghizov 1, Isis Truck 2, Nicolas Rivierre 3 Travaux partiellement
Plus en détailMaster de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant
Master de Bioinformatique et Biologie des Systèmes Toulouse http://m2pbioinfo.biotoul.fr Responsable : Pr. Gwennaele Fichant Parcours: Master 1 : Bioinformatique et biologie des Systèmes dans le Master
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université
Plus en 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 détailModélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr
Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Le concept de Mesure Virtuelle mesure virtuelle résultat d un modèle visant
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 détailGènes Diffusion - EPIC 2010
Gènes Diffusion - EPIC 2010 1. Contexte. 2. Notion de génétique animale. 3. Profil de l équipe plateforme. 4. Type et gestion des données biologiques. 5. Environnement Matériel et Logiciel. 6. Analyses
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 détailAnalyse du comportement individuel et collectif des professionnels. des professionnels forestiers face aux risques
Analyse du comportement individuel et collectif des professionnels forestiers face aux risques Réflexion sur la dimension assurantielle Carrefours de l innovation agronomique. Sylviculture, Forêts et Tempêtes,
Plus en détailFaculté des Sciences d ORSAY
Université Paris-Sud 11 Faculté des Sciences d ORSAY Personnes ressources des disciplines représentées : Département de Biologie Vice-Président : Hervé DANIEL Secrétaire : Malika DERRAS Université Paris-Sud
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 détailPossibilités offertes après la L2?
Possibilités offertes après la L2? Licence Pro Licence Générale Formation professionnel Diplôme Bac +3 Diplôme Bac +3 Master Vie Active : Technicien Assistant Ingénieur Laboratoire Public et Privé Master
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
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 détailLaboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108. 3 établissements T. Paquet D. Olivier T. Lecroq A.
Laboratoire d Informatique, de Traitement de l Information et des Systèmes EA 4108 3 établissements T. Paquet D. Olivier T. Lecroq A. Benshrair 7 équipes Disciplines 27-61, 25-26-43-64 L. Heutte DocApp
Plus en détailGestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes.
Gestion réactive des opérations de maintien et d actualisation réglementaire et technologique des systèmes complexes. LE QUERE Yann, SEVAUX Marc, TRENTESAUX Damien, TAHON Christian Equipe Systèmes de Production
Plus en détailQuelles représentations des interactionsbiotiques dans les modèles?
Session 1. Quelles représentations des interactionsbiotiques dans les modèles? Exemple du Modèle GEMINI Nicolas Gross, Vincent Maire, Jean François Soussana Nicolas Gross Chargé de recherche 1 er Classe
Plus en détailOrganisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et
Organisation du parcours M2 IR Les unités d enseignements (UE) affichées dans la partie tronc commun sont toutes obligatoires, ainsi que le stage et l'anglais. L'étudiant a le choix entre deux filières
Plus en détailGrammaires d unification
Cours sur le traitement automatique des langues (IV) Violaine Prince Université de Montpellier 2 LIRMM-CNRS Grammaires d unification Grammaire catégorielle Grammaire syntagmatique généralisée (GPSG) Les
Plus en détailThales Services, des systèmes d information plus sûrs, plus intelligents www.thalesgroup.com
, des systèmes d information plus sûrs, plus intelligents www.thalesgroup.com Thales, leader mondial des hautes technologies Systèmes de transport, Espace, Avionique, Opérations aériennes, Défense terrestre,
Plus en détailTerrOïko : JEU en collaboration avec la SEEM
TerrOïko : JEU en collaboration avec la SEEM Journée EcoInnovation et Biodiversité 21 mai 2014 - Contact: Catherine de Roincé, catherine.deroince@terroiko.fr Historique d une start-up issue de la recherche
Plus en détailUNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP250-97157 Pointe-à-Pitre Cedex CONTRAT 2010-2013 LE MASTER NOM DU DOMAINE STS
UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP20-9717 Pointe-à-Pitre Cedex CONTRAT 2010-201 LE MASTER NOM DU DOMAINE STS Mention : Mathématiques Implantation : Guadeloupe FICHES DESCRIPTIVES
Plus en détailPl@ntNet Pierre Bonnet, INRA UMR AMAP Raffi Enficiaud, INRIA Équipe IMEDIA
Pl@ntNet Un réseau collaboratif et une plate-forme informatique dédiés à la compilation et au partage d outils et de connaissances en Botanique Pierre Bonnet, INRA UMR AMAP Raffi Enficiaud, INRIA Équipe
Plus en détailLA PHYLLOTAXIE SPIRALE
ALBERTIN Thierry - CAVALLARO Jean-Sébastien - MARCHESE Emilie 1 ère S 3 LA PHYLLOTAXIE SPIRALE Lycée Thierry MAULNIER Année Scolaire : 2004-2005 Professeurs : M. Gouy (S.V.T.) M. Martinez (Mathématiques)
Plus en détail4.2 Unités d enseignement du M1
88 CHAPITRE 4. DESCRIPTION DES UNITÉS D ENSEIGNEMENT 4.2 Unités d enseignement du M1 Tous les cours sont de 6 ECTS. Modélisation, optimisation et complexité des algorithmes (code RCP106) Objectif : Présenter
Plus en détailViviane Planchon (1), Jean-Jacques Claustriaux (2), Jacques Crabbé (3) B A S E Biotechnol. Agron. Soc. Environ. 2003 7 (2), 99 110 1.
B A S E Biotechnol. Agron. Soc. Environ. 23 7 (2), 99 11 Description et modélisation de la croissance et du développement du pommier (Malus x domestica Borkh.) II. Caractéristiques et distribution spatiale
Plus en détailEnjeux mathématiques et Statistiques du Big Data
Enjeux mathématiques et Statistiques du Big Data Mathilde Mougeot LPMA/Université Paris Diderot, mathilde.mougeot@univ-paris-diderot.fr Mathématique en Mouvements, Paris, IHP, 6 Juin 2015 M. Mougeot (Paris
Plus en détailPopulation responses to environmental forcing : approaches to model and monitor habitat characteristics
Approche systémique des pêches Boulogne-sur sur-mer 2008 Population responses to environmental forcing : approaches to model and monitor habitat characteristics Pierre Petitgas (1), M. Huret (1), B. Planque
Plus en détailCerea. Centre d enseignement et de recherche en environnement atmosphérique
Cerea Centre d enseignement et de recherche en environnement atmosphérique Laboratoire commun École des Ponts ParisTech / EDF R&D Université Paris-Est Le Cerea : une cinquantaine de chercheurs sur trois
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 détailMesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme
TFE Ingénieur Civil Mathématiques Appliquées 24 juin 2010 Mesures de Risque Multipériodes Cohérentes Appliquées au Compte à Terme Auteur Christophe Pochet Promoteur Pierre Devolder Comment garantir la
Plus en détailRapport de mission au Bénin. Formation à l exploitation de données avec QGIS 2.2.0 Valmiera
Rapport de mission au Bénin (Cotonou 21-28 novembre 2014) Formation à l exploitation de données avec QGIS 2.2.0 Valmiera Application à l écologie et à la gestion des bio-agresseurs Campus IITA/AfricaRice
Plus en détailModélisation du comportement habituel de la personne en smarthome
Modélisation du comportement habituel de la personne en smarthome Arnaud Paris, Selma Arbaoui, Nathalie Cislo, Adnen El-Amraoui, Nacim Ramdani Université d Orléans, INSA-CVL, Laboratoire PRISME 26 mai
Plus en détailAgrégation des portefeuilles de contrats d assurance vie
Agrégation des portefeuilles de contrats d assurance vie Est-il optimal de regrouper les contrats en fonction de l âge, du genre, et de l ancienneté des assurés? Pierre-O. Goffard Université d été de l
Plus en 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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailEvaluation de cépages résistants ou tolérants aux principales maladies cryptogamiques de la vigne
VITICULTURE 27 Evaluation de cépages résistants ou tolérants aux principales maladies cryptogamiques de la vigne Marc Chovelon Grab Mathieu Combier Chambre d Agriculture du Var Gilles Masson Centre du
Plus en détailCollaborations avec la Thaïlande Enseignement, Recherche
Collaborations avec la Thaïlande Enseignement, Recherche (non exhaustif ) Un pays économiquement avancé Un réseau d'universités, des centres de recherche Des structures de coopération en place (CIRAD,
Plus en détailNathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences
Nathalie Bulle (1998), Compte-rendu de Rainer Hegselmann, Ulrich Mueller, Klaus G. Troitzsch (eds.).- Modelling and simulation in the social sciences from the philosophy of science point of view. - Dordrecht/
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 détailRétablissement d un réseau cellulaire après un désastre
Rétablissement d un réseau cellulaire après un désastre Anaïs Vergne avec Laurent Decreusefond, Ian Flint, et Philippe Martins Journées MAS 2014 29 août 2014 Rétablissement d un réseau cellulaire après
Plus en détailModélisation de bases de données : Le modèle relationnel
Modélisation de bases de données : Le modèle relationnel Rappel chapitre 1 C est quoi un modèle? Type de modèle : Modèle hiérarchique Modèle réseau Modèle objet Modèle relationnel Cours BD Dr REZEG K 1
Plus en détailChristophe SANNIER christophe.sannier@sirs-fr.com
Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010
Plus en détailMASTER (LMD) GESTION DE DONNEES ET SPATIALISATION EN ENVIRONNEMENT (GSE)
MASTER (LMD) GESTION DE DONNEES ET SPATIALISATION EN ENVIRONNEMENT (GSE) RÉSUMÉ DE LA FORMATION Type de diplôme : Master (LMD) Domaine ministériel : Sciences, Technologies, Santé Mention : STIC POUR L'ECOLOGIE
Plus en détailChristophe Le Page CIRAD - UPR Green
Christophe Le Page CIRAD - UPR Green Combiner jeux de rôles et simulation informatique pour modéliser avec les acteurs les interactions entre dynamiques écologiques et dynamiques sociales dans les agro-écosystèmes
Plus en détailRaisonnement probabiliste
Plan Raisonnement probabiliste IFT-17587 Concepts avancés pour systèmes intelligents Luc Lamontagne Réseaux bayésiens Inférence dans les réseaux bayésiens Inférence exacte Inférence approximative 1 2 Contexte
Plus en détailLes risques liés à l activité de l entreprise : quels outils pour les identifier?
Les risques liés à l activité de l entreprise : quels outils pour les identifier? Alger, le 23-24 Novembre 2009 Présentée par: Mlle Amina NADJI Doctorante en 3ème année sciences économiques (CRIISEA, Centre
Plus en détailGénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010
GénoToul 2010, Hôtel de Région Midi Pyrénées, Toulouse, 10 décembre 2010 Analyse de la diversité moléculaire des régions génomiques de 30 gènes du développement méristématique dans une core collection
Plus en détailINAUGURATION Labex SIGNALIFE 30 Avril 2013
INAUGURATION Labex SIGNALIFE 30 Avril 2013 Réseau d innovation sur les voies de signalisation en sciences du vivant Network for Innovation on Signal Transduction Pathways in Life Sciences TUTELLES et PARTENAIRES
Plus en détailPlateforme IST Agropolis
Plateforme IST Agropolis Etude préalable à la mise en œuvre d un projet collectif Présentation au Bureau d Agropolis 4 mai 2005 D. Fournier, L. Grasset et M.A. Mannucci Historique du projet Février 2004
Plus en détailRattachement recherche à I3M (Institut de Mathématiques et Modélisation de Montpellier) - Université Montpellier 2 (UMR CNRS 5149).
Catherine TROTTIER Maître de Conférences - Classe Normale Université Paul Valéry - Montpellier 3 Section CNU : 26 Née le 10 avril 1971 à Tours (Indre-et-Loire) Nationalité française adresses professionnelles
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
Plus en détailLe VDI et les solutions SaaS : Des outils puissants pour les DSI au service des utilisateurs. Château de Montchat, 7 octobre 2013
Le VDI et les solutions SaaS : Des outils puissants pour les DSI au service des utilisateurs Château de Montchat, 7 octobre 2013 De la virtualisation à la VDI hébergée Jan GABRIEL Directeur Alliances &
Plus en détailInfluence des données aérauliques sur le comportement d un bâtiment pourvu d une façade double-peau.
Influence des données aérauliques sur le comportement d un bâtiment pourvu d une façade double-peau. Gondre Damien 1, Savoyat Jérôme 1, Johannes Kévyn 1, Virgone Joseph 1 1 CETHIL, UMR 5008, Université
Plus en détailDossier justificatif des travaux de R&D déclarés au titre du CIR
Dossier justificatif des travaux de R&D déclarés au titre du CIR I PRÉSENTATION DE LA SOCIETE Présenter l activité de la société en quelques lignes ou au moyen d une plaquette publicitaire et replacer
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 détailPrésentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée
Présentation du Master Ingénierie Informatique et du Master Science Informatique 2007-2008, Année 2 Université Paris-Est Marne-la-Vallée Responsable du Master Informatique : Marc Zipstein Responsable de
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détail29 écoles d Ingénieurs publiques post bac
acoustique aéronautique agroalimentaire Terminales S devenez Ingénieur automobile biologie électronique énergie environnement finance génie civil informatique 29 écoles d Ingénieurs publiques post bac
Plus en détailMise en place d un réseau d Arboretums pour une valorisation coordonnée des ressources ligneuses ex situ
ENGREF. Mise en place d un réseau d Arboretums pour une valorisation coordonnée des ressources ligneuses ex situ Stéphanie BRACHET Chargée des missions scientifiques ENGREF - Arboretum national des Barres
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
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 détailBILAN HYDRIQUE ET BESOIN D IRRIGATION DE LA CEREALICULTURE EN REGION SEMI-ARIDE.
Résumé Des travaux de recherches combinant les précipitations annuelles et les températures, classent la zone d étude dans le climat méditerranéen de l étage semi-aride (Seltzer, 1949; Emberger, 1955).
Plus en détailPour chaque projet est indiqué son titre, le ou les laboratoires participants ainsi que le coordinateur
Pour chaque projet est indiqué son titre, le ou les laboratoires participants ainsi que le coordinateur ARROWS Structures de données avec pointeurs sûres : une approche déclarative de leur spécification
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailLes mathématiques du XXe siècle
Itinéraire de visite Les mathématiques du XXe siècle Tous publics de culture scientifique et technique à partir des classes de 1ères Temps de visite : 1 heure 30 Cet itinéraire de visite dans l exposition
Plus en détailRencontre sur la thématique du Calcul Haute Performance - 13 juin 2012. Better Match, Faster Innovation
Better Match, Faster Innovation Rencontre sur la thématique du Calcul Haute Performance - 13 juin 2012 Meeting on the theme of High Performance Computing TABLE DES MATIÈRES Qu est ce qu un imatch? STI
Plus en détailJoint AAL Information and Networking Day. 21 mars 2012
Joint AAL Information and Networking Day 21 mars 2012 Présentation TéSA a pour objet : la mise en commun de moyens permettant de : rassembler et accueillir des doctorants ou post-doctorants dont les thèses
Plus en détailASPIB Approche Systémique pour appréhender les communautés de bioagresseurs : application à la Protection Intégrée du Blé
ASPIB Approche Systémique pour appréhender les communautés de bioagresseurs : application à la Protection Intégrée du Blé Jean-Noël Aubertot, INRA APR 2009 Marie-Hélène Robin, Célia Cholez, Adèle Magnard,
Plus en détailUniversité Paris Saclay De quoi parle t-on?
Université Paris Saclay De quoi parle t-on? Présentation L Université Paris-Saclay regroupe un potentiel scientifique exceptionnel. 20 établissements : - 2 universités, - 10 grandes écoles, - 7 organismes
Plus en détailLe programme. @Reseau3D #Colloque3D
Le programme @Reseau3D #Colloque3D 1 Les parcours thématiques A Les données et leurs utilisations avancées Partant d une base existante, les données se construisent ou s obtiennent auprès de ceux qui les
Plus en détailPrésenté par : Dr Asmae Nouira. Novembre Hanoi -2007. Journées Scientifiques Inter-Réseaux AUF
Efficacité du semis direct à contrer l érosion hydrique en milieu agricole : mise en évidence à l'aide des techniques de radioéléments, de modélisation et de mesures aux champs (MAROC-CANADA) Présenté
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 détail