Méthode de Fast Marching pour des équations de HJB:
|
|
- Pascale Émond
- il y a 8 ans
- Total affichages :
Transcription
1 Méthode de Fast Marching pour des équations de HJB: - dépendance en u, - fonction coût de signe arbitraire, - Application au Shape From Shading. Emmanuel Prados SÉMINAIRE DE CALCUL SCIENTIFIQUE DU CERMICS 07 Mars 2006, Champs sur Marne 1
2 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 2
3 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative 3
4 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative FMM 4
5 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative FMM 5
6 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative FMM 6
7 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative FMM 7
8 Méthode de Fast Marching (FMM) Résolution numérique d'edp (différences finies), Méthode à passage unique méthodes itératives: schéma d'approximation => mise à jour des valeurs de la solution Chemin => ordre de balayage des points. méthode Iterative method iterative FMM Avantages de la FMM: Absence de seuil (critère d'arrêt) Nombre de mises à jour optimal coût CPU faible Directement reliée à la propagation de front. 8
9 Méthode de Fast Marching (FMM) Applications (initiales déjà) nombreuses: Planification de trajectoires [KimmelSethian:01] Optique géométrique [WenwangBenamou:03] Traitement d'images et vision par ordinateur [L.Cohen:05] Liste exhaustive [Sethian:99]. 9
10 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 10
11 Equations considérées Méthode basique [Sethian:99, Dijkstra:59] u = g(x), (équation eikonale) Récente extension: OUM [Sethian-Vladimirsky:03] supa { f(x,a) a. u -1} = 0, (2) Nouvelle extension [Prados-Soatto:RFIA'06-VLSM'05] λ u +sup { f(x,a). u -l(x,a)} = 0, (3) a avec l(x,a) de signe quelconque; λ F(u) + H(x, u) = 0, (4) avec F strictement croissante* et H convexe*. Transformée de Legendre 11
12 Equations considérées Nouvelle extension [Prados-Soatto:RFIA'06-VLSM'05] λ u +supa { f(x,a). u -l(x,a)} = 0 [Sethian-Vladimirsky:03] supa { f(x,a) a. u -1} = 0, λ=0. l(x,a)=1 ne dépend pas de a et est positive. Positivité de l(x,a) H(x,0) 0. comportement de monotonie de la solution: croissance le long des trajectoires optimales. 12
13 Equations considérées Nouvelle extension [Prados-Soatto:RFIA'06-VLSM'05] λ u +supa { f(x,a). u -l(x,a)} = 0 [Sethian-Vladimirsky:03] supa { f(x,a) a. u -1} = 0, λ=0.... e é ax l e r l(x,a)=1 ne dépend pas de a et est positive. e t n i a Positivité detrl(x,a) n o C H(x,0) 0. comportement de monotonie de la solution: croissance le long des trajectoires optimales. 13
14 Equations considérées Nouvelle extension [Prados-Soatto:RFIA'06-VLSM'05] λ u +supa { f(x,a). u -l(x,a)} = 0. Élargissement des applications potentielles: Finance [Trojani-Vanini:02,Naicker-Andriopoulos:05], Animation [Amos:02], Vision par ordinateur: Shape From Shading [Prados-Soatto:RFIA'06]. 14
15 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 15
16 Description de la méthode [Prados-Soatto:RFIA'06] 1. Nouvelle causalité 2. Schéma numérique 3. Algorithme 16
17 Nouvelle causalité et réinterprétation Point clé : Distinction entre la causalité : propagation théorique de l'information solution calculée = solution de viscosité l'intégration simultanée stabilité numérique. 17
18 Causalité: L' information se propage le long de courbes spécifiques: les trajectoires optimales (1) A- Fonction valeur EDP λ u +supa { f(x,a). u -l(x,a)} = 0, u(x)= (x), x x Une dynamique : y'(t) = f(y(t), (t)), t>0, yx = trajectoire solution (x, )= 1ere instant où la trajectoire atteinte y(0)= x, Proposition: (x, ) u(x) = 0 l(yx(t), (t)) e-λt dt + (yx( (x, ))) est solution de l'équation (1). ( cas singularités + (x ) : cf. [Prados-Camilli-Faugeras:M2AN'06] ) 18
19 Causalité: L' information se propage le long de courbes spécifiques: les trajectoires optimales A- Trajectoires optimales: Proposition: (x, ) u(x) = inf 0 l(yx (t), (t)) e-λt dt + (yx ( (x, ))) (2) est solution de l'équation (1). Notations: * contrôle réalisant l'inf de (2) y*x = trajectoire associée à * contrôle optimal trajectoire optimale Solution calculable par une intégration directe le long de ces courbes: u(x) = 0 (x, *) l(y*x (t), *(t)) e-λt dt + (y*x( (x, *))) 19
20 Causalité: L' information se propage le long de courbes spécifiques: les trajectoires optimales Solution calculable par une intégration directe le long de ces courbes: (x, *) u(x) = 0 l(y*x (t), *(t)) e-λt dt + (y*x( (x, *))) Idée suggérée: intégration de la solution courbe après courbe [Horn:85] instabilités numériques Idée: intégration simultanée... 20
21 Intégration simultanée: garanti la stabilité numérique 21
22 Intégration simultanée: garanti la stabilité numérique Propagation de fronts ; 22
23 Intégration simultanée: garanti la stabilité numérique 23
24 Intégration simultanée: garanti la stabilité numérique Problèmes: 1) Plusieurs front de propagation suivent les trajectoires optimales. Comment choisir ce front? 24
25 Intégration simultanée: garantit la stabilité numérique Problèmes: 2) Comment définir ces fronts de propagation? 25
26 Intégration simultanée: garantit la stabilité numérique Problèmes: 2) Comment définir ces fronts de propagation? introduction d'un coût C tel que les lignes de niveaux de C correspondent au front propagé. 26
27 Trajectoire optimale Méthodes précédentes de FMM C=u ( u = solution) incohérent avec la causalité pour solution non croissante le long des trajectoires optimales! Ligne de niveau de u Nous montrons comment définir un coût approprié C : - toujours cohérent avec les trajectoires optimales, - induit un ordre de mise à jour efficace et simple... Coût C basé sur la notion de sous solutions: ψ 27
28 Soit une sous-solution de l'équation (x, *) u(x) = (x) + 0 où (p,q) 0 (yx(t), *(t)) dt + (yx( (x, *)))- (yx( (x, *))) c.f. [prados-soatto:rfia'06] C(x) = u(x) - (x) (x, *) = 0 (yx(t), *(t)) dt. + (yx( (x, *)))- (yx( (x, *))). C(x) est donc croissant le long des trajectoires optimales. 28
29 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 29
30 Schéma numérique Approximation t u(x) si {+1, -1} Choix des (s1,..,sn) : simplexe qui contient la trajectoire optimale si = si(x,a) := sign fi(x,a), Schéma numérique: λ F(t) + 30
31 Schéma numérique Schéma consistent (cohérent) et monotone, Peut être aussi retrouvé par: [Prados:PhD'04] Programmation dynamique... Monotonie... Dépendance en u. 31
32 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 32
33 Méthode de Fast Marching Divise l'espace en trois sous ensembles: F = points éloignés C = points considérés A = points acceptés 33
34 Initialisation Algorithme A = points acceptés F = points éloignés C = points considérés (V est une super-solution; cf. article). numérique., 34
35 Initialisation Algorithme A = points acceptés F = points éloignés C = points considérés (V est une super-solution; cf. article). Lié à la présence du terme en u dans l'équation! numérique., 35
36 Initialisation Algorithme A = points acceptés F = points éloignés C = points considérés (V est une super-solution; cf. article). Aussi lié à la présence du terme en u... numérique., 36
37 Initialisation Algorithme A = points acceptés F = points éloignés C = points considérés (V est une super-solution; cf. article). numérique. Corrige la causalité quand, la fonction coût est de signe arbitraire. 37
38 Méthode de Fast Marching Choix du pixel causalité points adjacents + points éloignés et V Calcul des valeurs de mise à jour schéma numérique Domaine où la solution est connue 38
39 Plan de la présentation I. Introduction II. Equations considérées III. Causalité IV. Schéma numérique V. Algorithme VI. Application au Shape From Shading 39
40 Problème du «Shape From Shading» Données: une seule image. Données minimales, Problème mal posé. Information utilisée: Surface 3D observée l ombrage. Difficultés liées à la Image 2D Surface 3D reconstruite modélisation: illumination, réflectance, caméra. 40
41 Problème du «Shape From Shading» Ambiguités! Exemple: Changement d'éclairage... Belhumeur Et al. Ambiguité de bas-relief. Hypothèses: cadre expérimental connu: éclairage, réflectance. Problème: reconstruire la géométrie de la scène. 41
42 Exemple concret: Équation de Rouy/Tourin Modèle associé: [Prados:PhD'04] Réflectance Lambertienne et homogène, Source de lumière unique, éloignée et oblique Projection orthographique. EDP: I(x) = image. Fonction coût associée est de SIGNE ARBITRAIRE Solutions non croissantes le long des trajectoires optimales, Les FMM classiques ne s'appliquent pas! Sous solution: 42
43 Focus sur l'amélioration due à la nouvelle causalité Reconstruction avec la causalité classique Reconstruction avec la nouvelle causalité Image originale Vue oblique Vue oblique Vue de profil Vue de profil groundtruth Solution calculée groundtruth 43
44 SFS avec atténuation de éclairage / distance Modèle associé : [Prados-Faugeras:CVPR'05] Réflectance Lambertienne et homogène, Unique source de lumière placée au centre optique, avec atténuation de l'intensité / distance de l'objet Projection en perspective. EDP résultante: I(x) = image et f = focale. et 44
45 SFS avec atténuation de éclairage / distance Modèle associé : [Prados-Faugeras:CVPR'05] Réflectance Lambertienne et homogène, Unique source de lumière placée au centre optique, avec atténuation de l'intensité / distance de l'objet Projection en perspective. EDP résultante: I(x) = image et f = focale. et 45
46 SFS avec atténuation de éclairage / distance Modèle associé : [Prados-Faugeras:CVPR'05] Réflectance Lambertienne et homogène, Unique source de lumière placée au centre optique, avec atténuation de l'intensité / distance de l'objet Projection en perspective. EDP résultante: I(x) = image et f = focale. et Méthodes de Fast Marching classiques ne s'appliquent pas... 46
47 SFS avec atténuation de éclairage / distance [Prados-Faugeras:CVPR'05] Modèle associé : Réflectance Lambertienne et homogène, Unique source de lumière placée au centre optique, avec atténuation de l'intensité / distance de l'objet Projection en perspective. EDP résultante: I(x) = image et f = focale. et Méthodes de Fast Marching classiques ne s'appliquent pas... Nos résultats: image reconstruction 47
48 Conclusion 1) Extension des méthodes de Fast Marching à une large classe EDP: - dépendant de u, - solutions non croissantes le long des trajectoires optimales, λ F(u) + H(x, u) = 0 2) Nouvelle causalité + nouvelle interprétation, 3) Application de la méthode au SFS. Perspectives et extensions prévues 1) Preuve de convergence, 2) Présence de singularités, 3) Extension à l'équation d'isaacs. 48
49 Références [Kimmel-Sethian:01] R. Kimmel and J.A. Sethian. Optimal algorithm for shape from shading and path planning. JMIV, 14(2): , May [L.Cohen:05] L. Cohen. Minimal paths and fast marching methods for image analysis. In Mathematical Models in Computer Vision: The Handbook, Springer, [Sethian:99] J.A. Sethian. Level Set Methods and Fast Marching Methods. Cambridge University Press,1999. [Sethian-Vladimirsky:03] J.A. Sethian and A. Vladimirsky. Ordered upwind methods for Hamilton Jacobi equations:theory and algorithms. SIAM J. on Num. Ana. 41(1), 2003 [Prados:PhD'04] E. Prados. Application of the theory of the viscosity solutions to the Shape From Shading problem. PhD thesis, [Prados-Faugeras:CVPR'05] E. Prados, O. Faugeras. Shapoe From Shading: a well-posed problem. CVPR, [Tsitsiklis:95] J.N. Tsitsiklis. Efficient algorithms for globally optimal trajectories. IEEE Trans. on Automatic Control, 40 : , [Rouy-Tourin:92] E. Rouy and A. Tourin. A Viscosity Solutions Approach to Shape-from-Shading. SIAM Journal of Numerical Analysis, 29(3) : , June POUR LES AUTRES REFERENCES, VOIR L'ARTICLE: [Prados-Soatto:RFIA06] E. Prados et S. Soatto, Méthode de ``Fast Marching'' générique pour le ``Shape From Shading'', Actes du 15ème Congrès de Reconnaissance des Formes et Intelligence Artificielle, Tours, France - RFIA
Synthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
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 détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en 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 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailChapitre 4: Dérivée d'une fonction et règles de calcul
DERIVEES ET REGLES DE CALCULS 69 Chapitre 4: Dérivée d'une fonction et règles de calcul Prérequis: Généralités sur les fonctions, Introduction dérivée Requis pour: Croissance, Optimisation, Études de fct.
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en 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 détailIFT3355: Infographie Sujet 6: shading 7 (illumination globale 4)
IFT3355: Infographie Sujet 6: shading 7 (illumination globale 4) Derek Nowrouzezahrai Département d informatique et de recherche opérationelle Université de Montréal Ambient Occlusion expériment numérique
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 détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailRappels sur les suites - Algorithme
DERNIÈRE IMPRESSION LE 14 septembre 2015 à 12:36 Rappels sur les suites - Algorithme Table des matières 1 Suite : généralités 2 1.1 Déition................................. 2 1.2 Exemples de suites............................
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 détailLE PROBLEME DU PLUS COURT CHEMIN
LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
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 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 détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailGroupe Eyrolles, 2006, ISBN : 2-212-11959-3
Groupe Eyrolles, 2006, ISBN : 2-212-11959-3 annexe B Piano Corner, (c) 2005 par Zsolt Stefan : http://deeppixel.uw.hu/gallery.html YafRay, le moteur de rendu photoréaliste Dès sa création, par une équipe
Plus en détailModélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé
1 TGR Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé Simon Munier Institut des Sciences et Industries du Vivant et de l'environnement (AgroParisTech)
Plus en détailLa tarification d options
La tarification d options Proposition pour une approche déterministe Pierre Bernhard 1 Stéphane Thiery 2 Marc Deschamps 3 Nous proposons ici une théorie de la tarification d options sur la base d un modèle
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 détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailComment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite.
Comment tracer une droite représentative d'une fonction et méthode de calcul de l'équation d'une droite. Introduction : Avant de commencer, il est nécessaire de prendre connaissance des trois types de
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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en 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 détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
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 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 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 détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
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 détailLa méthode des éléments finis et le contrôle des calculs
Table des matières Techniques Avancées en Calcul des Structures Cours d option La méthode des éléments finis et le contrôle des calculs J.-P. Pelle ENS - Cachan Master MIS Parcours TACS Année universitaire
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailSommaire. Bertrand PECUCHET
Sommaire I. Introduction... 2 II. Présentation de la Kinect... 3 1. Caractéristiques :... 4 III. Focus sur les différents capteurs de la Kinect... 5 1. Le capteur RGB... 5 2. Capteur et émetteur Infrarouge...
Plus en détailRelation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices
Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation
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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
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 détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
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 détailFormation à la C F D Computational Fluid Dynamics. Formation à la CFD, Ph Parnaudeau
Formation à la C F D Computational Fluid Dynamics Formation à la CFD, Ph Parnaudeau 1 Qu est-ce que la CFD? La simulation numérique d un écoulement fluide Considérer à présent comme une alternative «raisonnable»
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
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 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 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 détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
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 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 détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
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 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 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 détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
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 détailÉlue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques
Odile Macchi Élue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques Odile Macchi est directeur de recherche émérite au CNRS. Formation
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 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 détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailDentiste Numérique Zfx. Un cabinet dentaire certifié avec la technologie innovante signée Zfx
Dentiste Numérique Zfx Un cabinet dentaire certifié avec la technologie innovante signée Zfx Dentiste Numérique Zfx Des technologies novatrices parfaitement adaptées Zfx offre aux dentistes des technologies
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailTP Blender n 2 : Importation d un modèle SketchUp et animation
TP Blender n 2 : Importation d un modèle SketchUp et animation Service de Conception Géométrique Université de Liège Aérospatiale et Mécanique Conçu avec Blender 2.66 et SketchUp 8 De SketchUp à Blender
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
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 détailComplexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation
Complexité Objectifs des calculs de complexité : - pouvoir prévoir le temps d'exécution d'un algorithme - pouvoir comparer deux algorithmes réalisant le même traitement Exemples : - si on lance le calcul
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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailSimulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré
Simulation de point de vue pour la localisation d une caméra à partir d un modèle non structuré Pierre Rolin Marie-Odile Berger Frédéric Sur LORIA, UMR CNRS 7503, Université de Lorraine INRIA Nancy Grand
Plus en détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
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 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 détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailC f tracée ci- contre est la représentation graphique d une
TLES1 DEVOIR A LA MAISON N 7 La courbe C f tracée ci- contre est la représentation graphique d une fonction f définie et dérivable sur R. On note f ' la fonction dérivée de f. La tangente T à la courbe
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 détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détail