APRON: Analyse de PRogrammes Numérique
|
|
|
- Virginie Lefrançois
- il y a 8 ans
- Total affichages :
Transcription
1 Introduction APRON: Analyse de PRogrammes Numérique Projet 2004 François Irigoin École des Mines de Paris - Centre de Recherche en Informatique 17 novembre 2004
2 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
3 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
4 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
5 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
6 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
7 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
8 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Quelles sont les questions posées? Les tableaux sont-ils bien utilisés (buffer overflows)? Les variables sont-elles initialisées? L aliasing peut-il créer des problèmes de portabilité? La boucle critique s exécute-t-elle dans le temps alloué? Peut-on garantir l absence d exceptions? Ce programme parallèle est-il déterministe?...
9 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, les défis d APRON temps de l analyse? magnitude? espace? précision des analyses : nombre de points de contrôle? connaissance de l histoire du calcul? qualité des points fixes? domaines de valeurs : calculs flottants? structures de données? valeurs gardées?
10 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, les défis d APRON temps de l analyse? magnitude? espace? précision des analyses : nombre de points de contrôle? connaissance de l histoire du calcul? qualité des points fixes? domaines de valeurs : calculs flottants? structures de données? valeurs gardées?
11 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, les défis d APRON temps de l analyse? magnitude? espace? précision des analyses : nombre de points de contrôle? connaissance de l histoire du calcul? qualité des points fixes? domaines de valeurs : calculs flottants? structures de données? valeurs gardées?
12 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, les défis d APRON temps de l analyse? magnitude? espace? précision des analyses : nombre de points de contrôle? connaissance de l histoire du calcul? qualité des points fixes? domaines de valeurs : calculs flottants? structures de données? valeurs gardées?
13 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, les défis d APRON temps de l analyse? magnitude? espace? précision des analyses : nombre de points de contrôle? connaissance de l histoire du calcul? qualité des points fixes? domaines de valeurs : calculs flottants? structures de données? valeurs gardées?
14 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, le périmètre nature du programme à analyser : taille du programme : 100 à LOC nombre de procédures : 1000, 2000? les types de données : flottants, booléens, entiers, structures ressources disponibles : espace nécessaire à l analyse temps d exécution de l analyse précision numérique de l analyse (32, 64, 128 bits, gmp?) résultats attendus : preuve de propriétés critiques absence de certaines erreurs à l exécution localisation d erreurs précision des analyses : nouveaux domaines abstraits, adaptativité, points fixes
15 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, le périmètre nature du programme à analyser : taille du programme : 100 à LOC nombre de procédures : 1000, 2000? les types de données : flottants, booléens, entiers, structures ressources disponibles : espace nécessaire à l analyse temps d exécution de l analyse précision numérique de l analyse (32, 64, 128 bits, gmp?) résultats attendus : preuve de propriétés critiques absence de certaines erreurs à l exécution localisation d erreurs précision des analyses : nouveaux domaines abstraits, adaptativité, points fixes
16 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, le périmètre nature du programme à analyser : taille du programme : 100 à LOC nombre de procédures : 1000, 2000? les types de données : flottants, booléens, entiers, structures ressources disponibles : espace nécessaire à l analyse temps d exécution de l analyse précision numérique de l analyse (32, 64, 128 bits, gmp?) résultats attendus : preuve de propriétés critiques absence de certaines erreurs à l exécution localisation d erreurs précision des analyses : nouveaux domaines abstraits, adaptativité, points fixes
17 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L analyse statique de programmes, le périmètre nature du programme à analyser : taille du programme : 100 à LOC nombre de procédures : 1000, 2000? les types de données : flottants, booléens, entiers, structures ressources disponibles : espace nécessaire à l analyse temps d exécution de l analyse précision numérique de l analyse (32, 64, 128 bits, gmp?) résultats attendus : preuve de propriétés critiques absence de certaines erreurs à l exécution localisation d erreurs précision des analyses : nouveaux domaines abstraits, adaptativité, points fixes
18 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
19 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
20 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
21 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
22 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
23 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les approches possibles, autres projets interprétation abstraite Model Checking Analyseurs : Stanford, Berkeley Programmer Productivity Research Center (Microsoft) logiciels critiques embarqués approches adaptatives
24 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
25 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
26 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
27 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
28 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
29 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils L interprétation abstraite : un rappel? modélisation de l environnement (facultatif) modélisation des valeurs et de l état modélisation des commandes (facultatif) dérivation automatique et correcte du modèle résolution du systéme d équations modélisant le programme décidabilité : approximations
30 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
31 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
32 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
33 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
34 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
35 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les partenaires d APRON Patrick Cousot, ENS (LIENS) Radhia Cousot, Ecole polytechnique (STIX) Nicolas Halbwachs, VERIMAG François Irigoin, Ecole des mines de Paris(CRI) Bertrand Jeannet, IRISA (VERTECS)
36 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les outils utilisés par les partenaires d APRON ASTREE, l analyseur de code C développé au LIENS et au STIX PIPS, un analyseur interprocédural modulaire développé au CRI NBAC, un analyseur d applications LUSTRE développé à l IRISA et à VERIMAG
37 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les outils utilisés par les partenaires d APRON ASTREE, l analyseur de code C développé au LIENS et au STIX PIPS, un analyseur interprocédural modulaire développé au CRI NBAC, un analyseur d applications LUSTRE développé à l IRISA et à VERIMAG
38 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les outils utilisés par les partenaires d APRON ASTREE, l analyseur de code C développé au LIENS et au STIX PIPS, un analyseur interprocédural modulaire développé au CRI NBAC, un analyseur d applications LUSTRE développé à l IRISA et à VERIMAG
39 Introduction Pourquoi? Analyse statique de programmes : les défis d APRON L approche et son originalité Les partenaires et les outils Les outils utilisés par les partenaires d APRON ASTREE, l analyseur de code C développé au LIENS et au STIX PIPS, un analyseur interprocédural modulaire développé au CRI NBAC, un analyseur d applications LUSTRE développé à l IRISA et à VERIMAG
40 Description du projet Première partie Description du projet
41 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
42 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
43 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
44 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
45 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
46 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
47 Description du projet Les nouveaux domaines abstraits Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus Les nombres flottants Les calculs non linéaires Les domaines gardés (abstraction logico-numérique) Les structures de données (abstraction symbolico-numérique) Les produits de domaines abstraits Information d exactitude Abstraction robuste, opérateurs dégradés
48 Description du projet Les abstractions du contrôle Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus partitionnement de traces partitionnement dynamique
49 Description du projet Les abstractions du contrôle Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus partitionnement de traces partitionnement dynamique
50 Résolution itérative Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus stratégie d itération pour les analyses en avant et en arrière amélioration(s) de l élargissement accélération de point fixe
51 Résolution itérative Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus stratégie d itération pour les analyses en avant et en arrière amélioration(s) de l élargissement accélération de point fixe
52 Résolution itérative Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus stratégie d itération pour les analyses en avant et en arrière amélioration(s) de l élargissement accélération de point fixe
53 Description du projet Analyse interprocédurale modulaire Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus inlining temps d analyse linéaire avec la taille du programme précision de l abstraction des procédures? adaptativité et clônage appels récursifs
54 Description du projet Analyse interprocédurale modulaire Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus inlining temps d analyse linéaire avec la taille du programme précision de l abstraction des procédures? adaptativité et clônage appels récursifs
55 Description du projet Analyse interprocédurale modulaire Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus inlining temps d analyse linéaire avec la taille du programme précision de l abstraction des procédures? adaptativité et clônage appels récursifs
56 Description du projet Analyse interprocédurale modulaire Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus inlining temps d analyse linéaire avec la taille du programme précision de l abstraction des procédures? adaptativité et clônage appels récursifs
57 Description du projet Analyse interprocédurale modulaire Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus inlining temps d analyse linéaire avec la taille du programme précision de l abstraction des procédures? adaptativité et clônage appels récursifs
58 Le slicing abstrait Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus ne pas tout analyser précision? slicing du contrôle slicing des données
59 Le slicing abstrait Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus ne pas tout analyser précision? slicing du contrôle slicing des données
60 Le slicing abstrait Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus ne pas tout analyser précision? slicing du contrôle slicing des données
61 Le slicing abstrait Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus ne pas tout analyser précision? slicing du contrôle slicing des données
62 Le slicing abstrait Description du projet Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus ne pas tout analyser précision? slicing du contrôle slicing des données
63 Description du projet Au niveau fondamental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus de nouveaux domaines abstraits flottants non-linéaires logico-numériques symbolico-numériques avec partitionnement de trace avec partitionnement dynamique avec produits de domaines de nouvelles stratégies itératives avec élargissement et accélération des techniques de slicing abstrait mais précis
64 Description du projet Au niveau fondamental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus de nouveaux domaines abstraits flottants non-linéaires logico-numériques symbolico-numériques avec partitionnement de trace avec partitionnement dynamique avec produits de domaines de nouvelles stratégies itératives avec élargissement et accélération des techniques de slicing abstrait mais précis
65 Description du projet Au niveau fondamental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus de nouveaux domaines abstraits flottants non-linéaires logico-numériques symbolico-numériques avec partitionnement de trace avec partitionnement dynamique avec produits de domaines de nouvelles stratégies itératives avec élargissement et accélération des techniques de slicing abstrait mais précis
66 Description du projet Au niveau technologique Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus des interfaces communes l adaptation de bibliothèques existantes à ces interfaces le développement de nouvelles bibliothèques la prise en compte de la généricité dans les outils existants des comparaisons entre domaines abstraits
67 Description du projet Au niveau technologique Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus des interfaces communes l adaptation de bibliothèques existantes à ces interfaces le développement de nouvelles bibliothèques la prise en compte de la généricité dans les outils existants des comparaisons entre domaines abstraits
68 Description du projet Au niveau technologique Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus des interfaces communes l adaptation de bibliothèques existantes à ces interfaces le développement de nouvelles bibliothèques la prise en compte de la généricité dans les outils existants des comparaisons entre domaines abstraits
69 Description du projet Au niveau technologique Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus des interfaces communes l adaptation de bibliothèques existantes à ces interfaces le développement de nouvelles bibliothèques la prise en compte de la généricité dans les outils existants des comparaisons entre domaines abstraits
70 Description du projet Au niveau technologique Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus des interfaces communes l adaptation de bibliothèques existantes à ces interfaces le développement de nouvelles bibliothèques la prise en compte de la généricité dans les outils existants des comparaisons entre domaines abstraits
71 Description du projet Au niveau expérimental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus PIPS avec octogones : impact de la précision sur les résultats? PIPS avec librairie polyédrique de VERIMAG : vitesse? Amélioration des outils sur les benchmarks APRON
72 Description du projet Au niveau expérimental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus PIPS avec octogones : impact de la précision sur les résultats? PIPS avec librairie polyédrique de VERIMAG : vitesse? Amélioration des outils sur les benchmarks APRON
73 Description du projet Au niveau expérimental Les nouveaux domaines abstraits Abstractions et rafinements du contrôle Résolution itérative Analyse interprocédurale modulaire Slicing abstrait Les résultats attendus PIPS avec octogones : impact de la précision sur les résultats? PIPS avec librairie polyédrique de VERIMAG : vitesse? Amélioration des outils sur les benchmarks APRON
74 Organisation du projet Conclusion Deuxième partie Organisation du projet
75 Organisation du projet Conclusion Schéma général du projet Planning du projet Schéma général du projet DOMAINS TOOLS EXISTING NEW ADAPT SOLVER INTERFACE FLOAT CONTROL WIDENING INBAC EXISTING NON LINEAR DATA STACK ITERATION Multi Domain GUARD PRODUCT SPEEDUP Multi Domain STRUCT ROBUST Adaptive Tools EXPERIMENTS COMPARISONS CONTROL C SIMULATION CONTROL LUSTRE
76 Organisation du projet Conclusion Schéma général du projet Planning du projet Schéma détaillé du projet Tools (AstrØe, NBac, PIPS) Existing Abstract Domains New Abstract Domains Adaptativity Iterative Computations 6 months 12 months INBac Multi-Domains Tools 18 months Common Interfaces (Accuracy, Robustness) Existing Domains (Octagons, Polyhedra,...) Floating Point Numbers Non-Linear Abstractions Logico-Numerical Abstractions Symbolico-Numerical Abstractions Control Abstraction (path history, loop unrolling,...) Dynamic Partitionning (Data, Calling-context) Reduced Products Abstract Representation Size & Robustness Widening Iteration Strategies Acceleration Strategies 24 months Multi-Domains and Adapative Tools 30 months Experiments and Comparison on Challenging Case Studies 36 months RT CONTROL Cases Low-level C SIMULATIONS Cases FORTRAN, C Scade Cases Scade/Lustre Feedback
77 Organisation du projet Conclusion Schéma général du projet Planning du projet Planning du projet réunion de lancement : 28 octobre mois : interfaces génériques, avec support pour exactitude et robustesse définition des benchmarks 12 mois : bibliothèques C pour les domaines existants avec la nouvelle interface nouveaux algorithmes pour élargissement, itération, accélération et partitionnement dynamique 18 mois : bibliothèques C pour les nouveaux domaines abstraits version multidomaine de NBAC (polyèdre, octogone, intervalle) nouvel outil interprocédural, INBAC
78 Organisation du projet Conclusion Schéma général du projet Planning du projet Planning du projet (suite) 24 mois : intégration de la nouvelle API dans les outils existants pour certains domaines nouveaux algorithmes (slicing, élargissement, accélération, partitionnement) algorithmes adaptatifs : partitionnements dynamiques, partitionnement de traces, partitionnement du contrôle, listes de polyèdres 30 mois : INBAC and NBAC avec produits cartésiens et réduits PIPS avec un nouveau domaine abstrait et des algorithmes adaptatifs partitionnement de traces, partitionnement du contrôle, listes de polyèdres 36 mois : résultats expérimentaux avec les nouveaux domaines et les nouvelles strategies de resolution
79 Organisation du projet Conclusion Conclusion des objectifs ambitieux : fondamentaux, technologiques et expérimentaux mais largement découplés utilisation continue des retours expérimentaux une vraie collaboration un impact industriel : complexité des controleurs temps-réel, temps de développement
80 Questions & Remarques
Grandes 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
Des réels aux flottants : préservation automatique de preuves de stabilité de Lyapunov
Des réels aux flottants : préservation automatique de preuves de stabilité de Lyapunov Olivier Hermant et Vivien Maisonneuve CRI, MINES ParisTech, PSL Research University prenom.nom@mines-paristech.fr
Utilisation 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
Étude de l'analyse statique de programmes synchrones par interprétation abstraite
Stage de fin de L3 École Normale Supérieure Département d'informatique Étude de l'analyse statique de programmes synchrones par interprétation abstraite Rapport de stage Alex AUVOLAT alex.auvolat@ens.fr
Qualité du logiciel: Méthodes de test
Qualité du logiciel: Méthodes de test Matthieu Amiguet 2004 2005 Analyse statique de code Analyse statique de code Étudier le programme source sans exécution Généralement réalisée avant les tests d exécution
Introduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
Programmes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voies : Mathématiques, physique et sciences de l'ingénieur (MPSI) Physique, chimie et sciences de l ingénieur (PCSI) Physique,
I 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...................................
1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Introduction aux systèmes temps réel. Iulian Ober IRIT ober@iut-blagnac.fr
Introduction aux systèmes temps réel Iulian Ober IRIT ober@iut-blagnac.fr Définition Systèmes dont la correction ne dépend pas seulement des valeurs des résultats produits mais également des délais dans
Rencontre 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
Le Projet BINSEC. Automatiser l analyse de sécurité au niveau binaire. Airbus group, CEA, IRISA, LORIA, Uni. Joseph Fourier. p.
Le Projet BINSEC Automatiser l analyse de sécurité au niveau binaire Airbus group, CEA, IRISA, LORIA, Uni. Joseph Fourier p. 1/22 Introduction Panorama de BINSEC Cadre de travail Projet ANR INS, appel
Linux embarqué: une alternative à Windows CE?
embarqué: une alternative à Windows CE? : une alternative à Windows CE Présentation Mangrove Systems Distribution embarqué Perspective WinCe / Questions Mangrove systems Créé en 2001 Soutien Soutien Ministère
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.
Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante. Objectifs et formulation du sujet Le syndrome de l apnée du sommeil (SAS) est un problème de santé publique
Algorithmique et structures de données I
Algorithmique et structures de données I Riadh Ben Messaoud Université 7 novembre à Carthage Faculté des Sciences Économiques et de Gestion de Nabeul 1ère année Licence Fondamentale IAG 1ère année Licence
Aspects théoriques et algorithmiques du calcul réparti L agglomération
Aspects théoriques et algorithmiques du calcul réparti L agglomération Patrick CIARLET Enseignant-Chercheur UMA patrick.ciarlet@ensta-paristech.fr Françoise LAMOUR franc.lamour@gmail.com Aspects théoriques
Catalogue des stages Ercom 2013
Catalogue des stages Ercom 2013 Optimisations sur Modem LTE Poste basé à : Caen (14) Analyse et optimisation des performances des traitements réalisés dans un modem LTE. - Profiling et détermination des
physicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Évaluation et implémentation des langages
Évaluation et implémentation des langages Les langages de programmation et le processus de programmation Critères de conception et d évaluation des langages de programmation Les fondations de l implémentation
Objets et Programmation. origine des langages orientés-objet
Objets et Programmation origine des langages orientés-objet modularité, encapsulation objets, classes, messages exemples en Java héritage, liaison dynamique G. Falquet, Th. Estier CUI Université de Genève
Rapport de Synthèse. Création d un Générateur de modèle PADL pour le langage C++ Sébastien Colladon
L Y O N Département Informatique Année 2011/2012 Rapport de Synthèse Création d un Générateur de modèle PADL pour le langage C++ Sébastien Colladon Laboratoire Ptidej de L Ecole Polytechnique de Montréal
Figure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
La Certification de la Sécurité des Automatismes de METEOR
1 La Certification de la Sécurité des Automatismes de METEOR 2 un mot sur METEOR 3 Le projet METEOR, c'est... un système automatique complexe fortement intégré matériel roulant, équipements électriques,
Cours intensif Java. 1er cours: de C à Java. Enrica DUCHI LIAFA, Paris 7. Septembre 2009. Enrica.Duchi@liafa.jussieu.fr
. Cours intensif Java 1er cours: de C à Java Septembre 2009 Enrica DUCHI LIAFA, Paris 7 Enrica.Duchi@liafa.jussieu.fr LANGAGES DE PROGRAMMATION Pour exécuter un algorithme sur un ordinateur il faut le
Gestion hybride de la mémoire dynamique dans les systèmes Java temps-réel
Gestion hybride de la mémoire dynamique dans les systèmes Java temps-réel Nicolas Berthier Stage de Magistère M encadré par Christophe Rippert et Guillaume Salagnac Laboratoire Vérimag Septembre 007 Résumé
Complexité. 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
1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
INTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Structure d un programme et Compilation Notions de classe et d objet Syntaxe
Cours1 Structure d un programme et Compilation Notions de classe et d objet Syntaxe POO 1 Programmation Orientée Objet Un ensemble d objet qui communiquent Pourquoi POO Conception abstraction sur les types
Sanity Check. bgcolor mgcolor fgcolor
Sanity Check bgcolor mgcolor fgcolor 0 1 2 3 4 5 6 7 8 9 10 Compilation pour cibles hétérogènes: automatisation des analyses, transformations et décisions nécessaires, François Irigoin et Ronan Keryell
Une bibliothèque de templates pour CUDA
Une bibliothèque de templates pour CUDA Sylvain Collange, Marc Daumas et David Defour Montpellier, 16 octobre 2008 Types de parallèlisme de données Données indépendantes n threads pour n jeux de données
Programmer en JAVA. par Tama (tama@via.ecp.fr( tama@via.ecp.fr)
Programmer en JAVA par Tama (tama@via.ecp.fr( tama@via.ecp.fr) Plan 1. Présentation de Java 2. Les bases du langage 3. Concepts avancés 4. Documentation 5. Index des mots-clés 6. Les erreurs fréquentes
Calculer avec Sage. Revision : 417 du 1 er juillet 2010
Calculer avec Sage Alexandre Casamayou Guillaume Connan Thierry Dumont Laurent Fousse François Maltey Matthias Meulien Marc Mezzarobba Clément Pernet Nicolas Thiéry Paul Zimmermann Revision : 417 du 1
Travaux soutenus par l ANR. Jean-François CAPURON (DGA) Bruno LEGEARD (Smartesting)
Travaux soutenus par l ANR Jean-François CAPURON (DGA) Bruno LEGEARD (Smartesting) 03 Avril 2012 1. Test de sécurité et génération de tests à partir de modèle 2. Le projet SecurTest à DGA Maîtrise de l
Chapitre 10 Arithmétique réelle
Chapitre 10 Arithmétique réelle Jean Privat Université du Québec à Montréal INF2170 Organisation des ordinateurs et assembleur Automne 2013 Jean Privat (UQAM) 10 Arithmétique réelle INF2170 Automne 2013
Erreur statique. Chapitre 6. 6.1 Définition
Chapitre 6 Erreur statique On considère ici le troisième paramètre de design, soit l erreur statique. L erreur statique est la différence entre l entrée et la sortie d un système lorsque t pour une entrée
Mathématique 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
L ANALYSE COUT-EFFICACITE
L ANALYSE COUT-EFFICACITE 1 Pourquoi utiliser cet outil en évaluation? L analyse coût-efficacité est un outil d aide à la décision. Il a pour but d identifier la voie la plus efficace, du point de vue
UE Programmation Impérative Licence 2ème Année 2014 2015
UE Programmation Impérative Licence 2 ème Année 2014 2015 Informations pratiques Équipe Pédagogique Florence Cloppet Neilze Dorta Nicolas Loménie prenom.nom@mi.parisdescartes.fr 2 Programmation Impérative
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
Bases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
Sujet 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
Performances et optimisations
Performances et optimisations Outils pour le calcul scientifique à haute performance École doctorale sciences pour l ingénieur juin 2001 Philippe MARQUET phm@lifl.fr Laboratoire d informatique fondamentale
1 de 46. Algorithmique. Trouver et Trier. Florent Hivert. Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert
1 de 46 Algorithmique Trouver et Trier Florent Hivert Mél : Florent.Hivert@lri.fr Page personnelle : http://www.lri.fr/ hivert 2 de 46 Algorithmes et structures de données La plupart des bons algorithmes
Caches web. Olivier Aubert 1/35
Caches web Olivier Aubert 1/35 Liens http://mqdoc.lasat.com/online/courses/caching/ (prise en compte des caches dans la conception de sites) http://mqdoc.lasat.com/online/courses/proxyserver http://www.web-caching.com/mnot_tutorial/
TABLE DES MATIÈRES. Bruxelles, De Boeck, 2011, 736 p.
STATISTIQUE THÉORIQUE ET APPLIQUÉE Tome 2 Inférence statistique à une et à deux dimensions Pierre Dagnelie TABLE DES MATIÈRES Bruxelles, De Boeck, 2011, 736 p. ISBN 978-2-8041-6336-5 De Boeck Services,
La 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
Les 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).............
Cours d Algorithmique et de Langage C 2005 - v 3.0
Cours d Algorithmique et de Langage C 2005 - v 3.0 Bob CORDEAU cordeau@onera.fr Mesures Physiques IUT d Orsay 15 mai 2006 Avant-propos Avant-propos Ce cours en libre accès repose sur trois partis pris
Optimisation 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
Université du Québec à Chicoutimi. Département d informatique et de mathématique. Plan de cours. Titre : Élément de programmation.
Université du Québec à Chicoutimi Département d informatique et de mathématique Plan de cours Titre : Élément de programmation Sigle : 8inf 119 Session : Automne 2001 Professeur : Patrice Guérin Local
Apprentissage 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
Processus d Informatisation
Processus d Informatisation Cheminement de la naissance d un projet jusqu à son terme, deux grandes étapes : Recherche ou étude de faisabilité (en amont) L utilisateur a une idée (plus ou moins) floue
Contrôle 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
Exemple d application en CFD : Coefficient de traînée d un cylindre
Exemple d application en CFD : Coefficient de traînée d un cylindre 1 Démarche générale Avec Gambit Création d une géométrie Maillage Définition des conditions aux limites Avec Fluent 3D Choix des équations
Introduction au génie logiciel
Introduction au génie logiciel Guillaume Laurent ENSMM 2007 G. Laurent (ENSMM) Introduction au génie logiciel 2007 1 / 36 Plan du cours 1 Problématique du génie logiciel 2 Méthodes de développement logiciel
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION
Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION Classe de terminale de la série Sciences et Technologie du Management et de la Gestion Préambule Présentation Les technologies de l information
BUSINESS INTELLIGENCE. Une vision cockpit : utilité et apport pour l'entreprise
BUSINESS INTELLIGENCE Une vision cockpit : utilité et apport pour l'entreprise 1 Présentation PIERRE-YVES BONVIN, SOLVAXIS BERNARD BOIL, RESP. SI, GROUPE OROLUX 2 AGENDA Définitions Positionnement de la
DATASET / NETREPORT, propose une offre complète de solutions dans les domaines suivants:
Présentation Société DATASET / NETREPORT, propose une offre complète de solutions dans les domaines suivants: Outils d aide à la décision Gamme DATASET Solutions de gestion temps réel du système d information
DELTA. Technologie XRF portable pour les applications PMI
Analyseur à fluorescence X DELTA Technologie XRF portable pour les applications PMI Identification des métaux et des alliages Contrôle et assurance qualité Sécurité et entretien Analyse exceptionnelle
Info0101 Intro. à l'algorithmique et à la programmation. Cours 3. Le langage Java
Info0101 Intro. à l'algorithmique et à la programmation Cours 3 Le langage Java Pierre Delisle, Cyril Rabat et Christophe Jaillet Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique
palais des congrès Paris 7, 8 et 9 février 2012
palais des congrès Paris 7, 8 et 9 février 2012 Analysis Services 2012 BI Personnelle, couche sémantique, cube, quelle(s) solution(s) pour un nouveau projet décisionnel? 08/02/2012 Aurélien KOPPEL Microsoft
Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre. Partie I : Introduction
Informatique industrielle A7-19571 Systèmes temps-réel J.F.Peyre Partie I : Introduction Plan de la première partie Quelques définitions Caractéristiques communes des applications temps-réel Exemples d
Principes des langages de programmation INF 321. Eric Goubault
Principes des langages de programmation INF 321 Eric Goubault 24 mars 2014 2 Table des matières 1 Introduction 7 2 Programmation impérative 11 2.1 Variables et types........................... 11 2.2 Codage
Rappels 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............................
Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Cours d introduction à l informatique. Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions
Cours d introduction à l informatique Partie 2 : Comment écrire un algorithme? Qu est-ce qu une variable? Expressions et instructions Qu est-ce qu un Une recette de cuisine algorithme? Protocole expérimental
Les solutions National Instruments pour le Model In-The-Loop (MIL) et le prototypage rapide (RCP)
Les solutions National Instruments pour le Model In-The-Loop (MIL) et le prototypage rapide (RCP) Karine Rouelle Business Development Manager Real-Time Testing Au programme Mise en œuvre du Model-In-the-Loop
Conférence sur les microcontroleurs.
Conférence sur les microcontroleurs. Le microcontrôleur Les besoins et le développement. Vers 1970, pour des calculs (calculatrice). Le premier est le 4004 de Intel, 90K. La technologie. Les 2 principales
Utilisation de l analyse statique comme outil d aide au développement. par. Yves Gauthier
Utilisation de l analyse statique comme outil d aide au développement par Yves Gauthier essai présenté au Département d'informatique en vue de l'obtention du grade de maître en technologies de l information
Plan global Outils de développement et compilation. Plan. Objectifs des outils présentés. IDE, GCC/Clang, ASAN, perf, valgrind, GDB.
global Outils de développement et compilation IDE, GCC/Clang, ASAN, perf, valgrind, GDB Timothée Ravier LIFO, INSA-CVL, LIPN 1 re année cycle ingénieur STI 2013 2014 1 / 36 Objectifs des outils présentés
Algorithmique et systèmes répartis
Algorithmique et systèmes répartis Tendances et avenir Gérard Padiou Département Informatique et Mathématiques appliquées ENSEEIHT 30 novembre 2012 Gérard Padiou Algorithmique et systèmes répartis 1 /
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Conditions : stage indemnisé, aide au logement possible, transport CEA en Ile-de-France gratuit.
Proposition de stage de BAC+4 ou BAC+5 Pro ou Recherche Etude comparative des outils de vérification d'algorithmes parallèles Logiciels (LSL), localisé à Palaiseau (Essonne), développe les outils d'aide
Surveillance et maintenance prédictive : évaluation de la latence de fautes. Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG)
Surveillance et maintenance prédictive : évaluation de la latence de fautes Zineb SIMEU-ABAZI Univ. Joseph Fourier, LAG) SURVEILLANCE Analyser une situation et fournir des indicateurs! Détection de symptômes!
Brique BDL Gestion de Projet Logiciel
Brique BDL Gestion de Projet Logiciel Processus de développement pratiqué à l'enst Sylvie.Vignes@enst.fr url:http://www.infres.enst.fr/~vignes/bdl Poly: Computer elective project F.Gasperoni Brique BDL
Cours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
INITIATIVE FORMATION Volet : Création et Reprise d Entreprise
INITIATIVE FORMATION Volet : Création et Reprise d Entreprise Foire aux questions (FAQ) Dispositif mis en œuvre à compter du 25 juin 2013 (délibération du 24 juin 2013) Le dispositif Initiative Formation
Alexandre Buge Epitech 5 Promo 2004. Soutenance de stage du 01/03/2004 au 31/08/2004
Alexandre Buge Epitech 5 Promo 2004 Soutenance de stage du 01/03/2004 au 31/08/2004 15 Septembre 2004 Sommaire 1 Introduction : présentation de l entreprise 2 Développement au sein de Skyrecon Les API
Contrôle 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
1. Structure d un programme C. 2. Commentaire: /*..texte */ On utilise aussi le commentaire du C++ qui est valable pour C: 3.
1. Structure d un programme C Un programme est un ensemble de fonctions. La fonction "main" constitue le point d entrée pour l exécution. Un exemple simple : #include int main() { printf ( this
Modèles système, modèles logiciel et modèles de code dans les applications spatiales
GÉNIE LOGICIEL N o 97 JUIN 2011 Modèles système, modèles logiciel et modèles de code dans les applications spatiales É RIC C ONQUET, FRANÇOIS-XAVIER D ORMOY, IULIA D RAGOMIR, A LAIN L E G UENNEC, DAVID
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.
PRECISION - REJET DE PERTURBATIONS T.D. G.E.I.I.. Donner les erreurs en position, en vitesse et en accélération d un système de transfert F BO = N(p) D(p) (transfert en boucle ouverte) bouclé par retour
BANC D ETALONNAGE EN TEMPERATURE
BANC D ETALONNAGE EN TEMPERATURE Nicolas Lavenant¹, Martine Ollitrault², Yannick Hamon³, Nicolas Gilliet³, Yannick Fauvel ³, Mickael Faucheux ³ ¹ CNRS/ Université UMR6118 Géosciences (Beaulieu Université
Ordonnancement 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
Assurance Qualité. Cours de génie logiciel. Renaud Marlet. LaBRI / INRIA http://www.labri.fr/~marlet. (d'après A.-M. Hugues) màj 23/04/2007
1 Cours de génie logiciel (d'après A.-M. Hugues) Assurance Qualité Renaud Marlet LaBRI / INRIA http://www.labri.fr/~marlet màj 23/04/2007 2 Les deux facettes de la qualité Conformité avec la définition
Etude d Algorithmes Parallèles de Data Mining
REPUBLIQUE TUNISIENNE MINISTERE DE L ENSEIGNEMENT SUPERIEUR, DE LA TECHNOLOGIE ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS DEPARTEMENT DES SCIENCES DE L INFORMATIQUE
Chp. 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
Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Exercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
as Architecture des Systèmes d Information
Plan Plan Programmation - Introduction - Nicolas Malandain March 14, 2005 Introduction à Java 1 Introduction Présentation Caractéristiques Le langage Java 2 Types et Variables Types simples Types complexes
Programmation 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
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile
TP n 2 Concepts de la programmation Objets Master 1 mention IL, semestre 2 Le type Abstrait Pile Dans ce TP, vous apprendrez à définir le type abstrait Pile, à le programmer en Java à l aide d une interface
Logiciel Libre Cours 3 Fondements: Génie Logiciel
Logiciel Libre Cours 3 Fondements: Génie Logiciel Stefano Zacchiroli zack@pps.univ-paris-diderot.fr Laboratoire PPS, Université Paris Diderot 2013 2014 URL http://upsilon.cc/zack/teaching/1314/freesoftware/
Souad 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
Calcul des pertes de pression et dimensionnement des conduits de ventilation
Calcul des pertes de pression et dimensionnement des conduits de ventilation Applications résidentielles Christophe Delmotte, ir Laboratoire Qualité de l Air et Ventilation CSTC - Centre Scientifique et
Les outils de simulation. Myriam HUMBERT CETE Ouest
Les outils de simulation Myriam HUMBERT CETE Ouest Outils de simulation pour la GPE Objectif Ø Recommandations pour la mise en œuvre des calculs dans le cadre d une GPE ü Analyse qualitative des outils
Synergies entre Artisan Studio et outils PLM
SysML France 13 Novembre 2012 William Boyer-Vidal Regional Sales Manager Southern Europe Synergies entre Artisan Studio et outils PLM 2012 2012 Atego. Atego. 1 Challenges & Tendances Complexité des produits
Solution A La Gestion Des Objets Java Pour Des Systèmes Embarqués
International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des
Automatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe