Descripteur
Documents disponibles dans cette catégorie (9104)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi (2022)
Titre : Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques Type de document : Thèse/HDR Auteurs : Jean-Yves Franceschi, Auteur ; Sylvain Lamprier, Directeur de thèse ; Patrick Gallinari, Directeur de thèse Editeur : Paris : Sorbonne Université Année de publication : 2022 Importance : 304 p. Format : 21 x 30 cm Note générale : Bibliographie
Thèse soutenue pour obtenir le grade de Docteur en Informatique de Sorbonne UniversitéLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage profond
[Termes IGN] classification non dirigée
[Termes IGN] données spatiotemporelles
[Termes IGN] équation différentielle
[Termes IGN] processus stochastique
[Termes IGN] réseau antagoniste génératif
[Termes IGN] réseau neuronal récurrent
[Termes IGN] série temporelle
[Termes IGN] système dynamiqueIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L'essor de l'apprentissage profond trouve notamment sa source dans les avancées scientifiques qu'il a permises en termes d'apprentissage de représentations et de modèles génératifs. Dans leur grande majorité, ces progrès ont cependant été obtenus sur des données textuelles et visuelles statiques, les données temporelles demeurant un défi pour ces méthodes. Compte tenu de leur importance pour l'automatisation croissante de multiples tâches, de plus en plus de travaux en apprentissage automatique s'intéressent aux problématiques d'évolution temporelle. Dans cette thèse, nous étudions ainsi plusieurs aspects de la temporalité et des systèmes dynamiques dans les réseaux de neurones profonds pour l'apprentissage non supervisé de représentations et de modèles génératifs. Premièrement, nous présentons une méthode générale d'apprentissage de représentations non supervisée pour les séries temporelles prenant en compte des besoins pratiques d'efficacité et de flexibilité. Dans un second temps, nous nous intéressons à l'apprentissage pour les séquences structurées de nature spatio-temporelle, couvrant les vidéos et phénomènes physiques. En les modélisant par des équations différentielles paramétrisées par des réseaux de neurones, nous montrons la corrélation entre la découverte de représentations pertinentes d'un côté, et de l'autre la fabrique de modèles prédictifs performants sur ces données. Enfin, nous analysons plus généralement dans une troisième partie les populaires réseaux antagonistes génératifs dont nous décrivons la dynamique d'apprentissage par des équations différentielles, nous permettant d'améliorer la compréhension de leur fonctionnement. Note de contenu : 1- Motivation
2- Time series representation learning
3- State-space predictive models for spatiotemporal data
4- Analysis of GANs’ training dynamics
5- ConclusionNuméro de notice : 15203 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Paris : 2022 DOI : sans En ligne : https://tel.hal.science/tel-03591720 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100472
Titre : Archaeological 3D GIS Type de document : Monographie Auteurs : Nicolo Dell’Unto, Auteur ; Giacomo Landeschi, Auteur Editeur : Londres : Routledge Année de publication : 2022 Importance : 176 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-1-00-303413-1 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Systèmes d'information géographique
[Termes IGN] ArcGIS
[Termes IGN] archéologie
[Termes IGN] contour
[Termes IGN] géoréférencement
[Termes IGN] GRASS
[Termes IGN] modèle numérique de surface
[Termes IGN] modélisation 3D
[Termes IGN] SIG 3D
[Termes IGN] système de gestion de base de donnéesRésumé : (éditeur) Archaeological 3D GIS provides archaeologists with a guide to explore and understand the unprecedented opportunities for collecting, visualising, and analysing archaeological datasets in three dimensions. With platforms allowing archaeologists to link, query, and analyse in a virtual, georeferenced space information collected by different specialists, the book highlights how it is possible to re-think aspects of theory and practice which relate to GIS. It explores which questions can be addressed in such a new environment and how they are going to impact the way we interpret the past. By using material from several international case studies such as Pompeii, Çatalhöyük, as well as prehistoric and protohistoric sites in Southern Scandinavia, this book discusses the use of the third dimension in support of archaeological practice. This book will be essential for researchers and scholars who focus on archaeology and spatial analysis, and is designed and structured to serve as a textbook for GIS and digital archaeology courses. Note de contenu : 1- Geographical information systems in archaeology
2- 3D models and knowledge production
3- 3D GIS in archaeology
4- Deploying 3D GIS at the Trowel's edge
5- Surface and subsurface analysis
6- 3D visibility analysis
7- Volumes
8- Future developmentsNuméro de notice : 28663 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Monographie DOI : 10.4324/9781003034131 En ligne : https://doi.org/10.4324/9781003034131 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99844 Architecture for semantic web service composition in spatial data infrastructures / Deniztan Ulutaş Karakol in Survey review, vol 54 n° 382 (January 2022)
[article]
Titre : Architecture for semantic web service composition in spatial data infrastructures Type de document : Article/Communication Auteurs : Deniztan Ulutaş Karakol, Auteur ; Cetin Cömert, Auteur Année de publication : 2022 Article en page(s) : pp 1 - 16 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Infrastructure de données
[Termes IGN] accès aux données localisées
[Termes IGN] conception orientée utilisateur
[Termes IGN] langage naturel (informatique)
[Termes IGN] ontologie
[Termes IGN] OWL
[Termes IGN] web sémantiqueRésumé : (auteur) The importance of geospatial data has rendered it to be used in decision-making in both public and private sectors. The purpose of this study was to employ Semantic Web Technology (SWT) for the problems of Web Service Composition (WSC) in the context of Spatial Data Infrastructures (SDI). Some of these problems are identifying the workflow sequence and the user goal, discovering services according to service parameters, and matching these parameters. As a suggestion for the solution of all these problems a semi-automated WSC architecture was proposed in this study. In terms of architecture, users state their ‘goal’ with a natural language sentence. By semantically matching this sentence with a Spatial Services Ontology (SSO), the corresponding ‘abstract’ WSC was ‘located’ and the ‘concrete’ WSC was formed. Although there are still problems waiting to be solved due to the scope of the work, this study makes a valuable contribution to the area. Numéro de notice : A2022-110 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/00396265.2020.1858255 Date de publication en ligne : 25/12/2020 En ligne : https://doi.org/10.1080/00396265.2020.1858255 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99627
in Survey review > vol 54 n° 382 (January 2022) . - pp 1 - 16[article]
Titre : ATLANTIS : Une ontologie pour représenter les Instructions nautiques Type de document : Article/Communication Auteurs : Helen Mair Rawsthorne , Auteur ; Nathalie Abadie , Auteur ; Eric Kergosien, Auteur ; Cécile Duchêne , Auteur ; Eric Saux, Auteur Editeur : Orsay, Chambéry : Association Française de l'Intelligence Artificielle AFIA Année de publication : 2022 Projets : 1-Pas de projet / Conférence : IC 2022, 33es journées francophones d'Ingénierie des connaissances 27/06/2022 01/07/2022 Saint-Étienne France OA Proceedings Importance : pp 154 - 163 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] base de connaissances
[Termes IGN] ingénierie des connaissances
[Termes IGN] intelligence artificielle
[Termes IGN] navigation maritime
[Termes IGN] ontologie
[Termes IGN] représentation des connaissances
[Termes IGN] thesaurusMots-clés libres : Simplified Agile Methodology for Ontology Development (SAMOD) Résumé : (Auteur) Les Instructions nautiques sont une série d’ouvrages produits et publiés par le Service hydrographique et océanographique de la Marine (SHOM) qui donnent aux navigateurs les informations nécessaires pour naviguer près des côtes et accéder aux ports. Dans cet article, nous présentons l’ontologie ATLANTIS (coAsTaL mAritime NavigaTion InstructionS) que nous avons développée pour modéliser les connaissances contenues dans ces ouvrages, ainsi qu’un retour d’expérience et des adaptations que nous avons apportées à la Simplified Agile Methodology for Ontology Development (SAMOD), la méthodologie de développement d’ontologies que nous avons employée. Numéro de notice : C2022-029 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Thématique : GEOMATIQUE/INFORMATIQUE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésNat DOI : sans Date de publication en ligne : 14/06/2022 En ligne : https://hal.science/hal-03695242v2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101029 Documents numériques
peut être téléchargé
ATLANTIS : Une ontologie ... - pdf éditeurAdobe Acrobat PDF ATONTE: towards a new methodology for seed ontology development from texts and experts / Helen Mair Rawsthorne (2022)
Titre : ATONTE: towards a new methodology for seed ontology development from texts and experts Type de document : Article/Communication Auteurs : Helen Mair Rawsthorne , Auteur ; Nathalie Abadie , Auteur ; Eric Kergosien, Auteur ; Cécile Duchêne , Auteur ; Eric Saux, Auteur Editeur : Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-) Année de publication : 2022 Projets : 1-Pas de projet / Conférence : EKAW 2022, 23rd international conference on knowledge engineering and knowledge management 26/09/2022 29/09/2022 Bozen-Bolzano Italie Proceedings Springer Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] connaissance thématique
[Termes IGN] corpus
[Termes IGN] ontologie
[Termes IGN] réseau sémantiqueRésumé : (auteur) ATONTE (ATlantis methodology for ONtology development from Texts and Experts) is a methodology for the manual development of low-level seed ontologies. The modelling process is based on a combination of knowledge from non-fiction text corpora such as manuals, information guides or sets of instructions, and the knowledge of domain experts. This article presents the five key steps of the ATONTE process. Seed ontologies created with ATONTE can be used to develop and populate knowledge graphs for use in specific applications within given technical domains. Numéro de notice : C2022-010 Affiliation des auteurs : UGE-LASTIG+Ext (2020- ) Autre URL associée : texte de soumission Thématique : GEOMATIQUE Nature : Poster nature-HAL : Poster-avec-CL DOI : sans En ligne : https://hal.science/hal-03794323v1 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=102120 Automatic identification of addresses: A systematic literature review / Paula Cruz in ISPRS International journal of geo-information, vol 11 n° 1 (January 2022)PermalinkAutomatic structuring of photographic collections for spatio-temporal monitoring of restoration sites: problem statement and challenges / Laura Willot (2022)PermalinkA benchmark of named entity recognition approaches in historical documents : application to 19th century French directories / Nathalie Abadie (2022)PermalinkBuyTheDips : PathLoss for improved topology-preserving deep learning-based image segmentation / Minh On Vu Ngoc (2022)PermalinkCalibration radiométrique et géométrique d'une caméra fish-eye pour la mesure de l'hémisphère de luminance incidente / Manchun Lei (2022)PermalinkCaractérisation de la ville du futur dans des corpus de science-fiction et de fiction climatique / Sami Guembour (2022)PermalinkCIME: Context-aware geolocation of emergency-related posts / Gabriele Scalia in Geoinformatica, vol 26 n° 1 (January 2022)PermalinkPermalinkClassification of mediterranean shrub species from UAV point clouds / Juan Pedro Carbonell-Rivera in Remote sensing, vol 14 n° 1 (January-1 2022)PermalinkCombining a class-weighted algorithm and machine learning models in landslide susceptibility mapping: A case study of Wanzhou section of the Three Gorges Reservoir, China / Huijuan Zhang in Computers & geosciences, vol 158 (January 2022)PermalinkA constraint-based approach for identifying the urban–rural fringe of polycentric cities using multi-sourced data / Jing Yang in International journal of geographical information science IJGIS, vol 36 n° 1 (January 2022)PermalinkConstruction d’un plugin QGIS de détection d’îlots de chaleur urbains à partir d’images satellitaires de type optique / Houssayn Meriche (2022)PermalinkContextual location recommendation for location-based social networks by learning user intentions and contextual triggers / Seyyed Mohammadreza Rahimi in Geoinformatica, vol 26 n° 1 (January 2022)PermalinkContribution to object extraction in cartography : A novel deep learning-based solution to recognise, segment and post-process the road transport network as a continuous geospatial element in high-resolution aerial orthoimagery / Calimanut-Ionut Cira (2022)PermalinkConventional and neural network-based water vapor density model for GNSS troposphere tomography / Chen Liu in GPS solutions, vol 26 n° 1 (January 2022)PermalinkCréation d’un indicateur de qualité de la desserte des transports pour des parcelles à une échelle locale / Nick Lin (2022)PermalinkPermalinkCrossroadsDescriber, automatic textual description of OpenStreetMap intersections / Jérémy Kalsron (2022)PermalinkCultivating historical heritage area vitality using urban morphology approach based on big data and machine learning / Jiayu Wu in Computers, Environment and Urban Systems, vol 91 (January 2022)PermalinkDART: An efficient 3D Monte Carlo vector radiative transfer model for remote sensing applications / Yingjie Wang (2022)Permalink