Descripteur
Documents disponibles dans cette catégorie (121)
![](./images/expand_all.gif)
![](./images/collapse_all.gif)
![Tris disponibles](./images/orderby_az.gif)
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 : Data science: Measuring uncertainties Type de document : Monographie Auteurs : Carlos Alberto De Bragança Pereira, Éditeur scientifique ; Adriano Polpo, Éditeur scientifique ; Agatha Rodrigues, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2021 Importance : 256 p. Format : 17 x 25 cm ISBN/ISSN/EAN : 978-3-0365-0793-4 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] algorithme espérance-maximisation
[Termes IGN] analyse de groupement
[Termes IGN] données massives
[Termes IGN] entropie maximale
[Termes IGN] équation de Riccati
[Termes IGN] estimation bayesienne
[Termes IGN] filtre de Kalman
[Termes IGN] inférence statistique
[Termes IGN] information sémantique
[Termes IGN] intelligence artificielle
[Termes IGN] logique floue
[Termes IGN] science des donnéesRésumé : (éditeur) With the increase in data processing and storage capacity, a large amount of data is available. Data without analysis does not have much value. Thus, the demand for data analysis is increasing daily, and the consequence is the appearance of a large number of jobs and published articles. Data science has emerged as a multidisciplinary field to support data-driven activities, integrating and developing ideas, methods, and processes to extract information from data. This includes methods built from different knowledge areas: Statistics, Computer Science, Mathematics, Physics, Information Science, and Engineering. This mixture of areas has given rise to what we call Data Science. New solutions to the new problems are reproducing rapidly to generate large volumes of data. Current and future challenges require greater care in creating new solutions that satisfy the rationality for each type of problem. Labels such as Big Data, Data Science, Machine Learning, Statistical Learning, and Artificial Intelligence are demanding more sophistication in the foundations and how they are being applied. This point highlights the importance of building the foundations of Data Science. This book is dedicated to solutions and discussions of measuring uncertainties in data analysis problems. Note de contenu : 1- An integrated approach for making inference on the number of clusters in a mixture model
2- Universal sample size invariant measures for uncertainty quantification in density estimation
3- Prior sensitivity analysis in a semi-parametric integer-valued time series model
4- The decomposition and forecasting of mutual investment funds using singular spectrum analysis
5- Channels’ confirmation and predictions’ confirmation: From the medical test to the raven paradox
6- On a class of tensor Markov fields
7- Objective Bayesian inference in probit models with intrinsic priors using variational approximations
8- A new multi-attribute emergency decision-making algorithm based on intuitionistic fuzzy cross-entropy and comprehensive grey correlation analysis
9- Cointegration and unit root tests: A fully Bayesian approach
10- A novel perspective of the Kalman filter from the Renyi entropy
11- Application of cloud model in qualitative forecasting for stock market trends
12- A novel comprehensive evaluation method for estimating the bank profile shape and dimensions of stable channels using the maximum entropy principleNuméro de notice : 28636 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE/SOCIETE NUMERIQUE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-0365-0793-4 En ligne : https://doi.org/10.3390/books978-3-0365-0793-4 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99694 Sensor tasking for search and catalog maintenance of geosynchronous space objects / Han Cai in Acta Astronautica, vol 175 (October 2020)
![]()
[article]
Titre : Sensor tasking for search and catalog maintenance of geosynchronous space objects Type de document : Article/Communication Auteurs : Han Cai, Auteur ; Yang Yang, Auteur ; Steve Gehly, Auteur ; Changyong He , Auteur ; Moriba Jah, Auteur
Année de publication : 2020 Projets : 1-Pas de projet / Article en page(s) : pp 234 - 248 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Techniques orbitales
[Termes IGN] catalogue
[Termes IGN] débris spatial
[Termes IGN] méthode des éléments finis
[Termes IGN] optimisation (mathématiques)
[Termes IGN] orbite géostationnaire
[Termes IGN] poursuite de cible
[Termes IGN] théorie de Dempster-ShaferRésumé : (auteur) The space object catalog provides orbital state and characteristic information of space objects for critical applications in space situational awareness. Maintaining accurate states for all objects in the catalog is essential, but it leads to large loads on sensors and limits the time available to search for new objects. This study proposes a novel sensor tasking method for search and catalog maintenance of space objects in Geosynchronous Earth Orbit (GEO). This new framework formulates sensor tasking as a multi-objective optimization problem. It seeks an optimal balance between sensor resources to search for new objects and to maintain precise state estimates for all objects in the catalog. In order to maintain custody of newly detected targets, an evidence-based decision-making method is used to effectively prompt follow-on tracking. The labeled multi-Bernoulli filter is employed to track existing and new space objects and provide refined orbital state estimation. Simulation results are presented, in which 100 cataloged GEO objects and 200 new GEO objects are tracked using a space-based sensor placed on a Sun-synchronous orbit. Numéro de notice : A2020-419 Affiliation des auteurs : ENSG+Ext (2012-2019) Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.actaastro.2020.05.063 Date de publication en ligne : 01/06/2020 En ligne : https://doi.org/10.1016/j.actaastro.2020.05.063 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95550
in Acta Astronautica > vol 175 (October 2020) . - pp 234 - 248[article]
Titre : Polynomials Type de document : Guide/Manuel Auteurs : Cheon-Seoung Ryoo, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 152 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-03943-315-5 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Mathématique
[Termes IGN] équation différentielle
[Termes IGN] équation polynomiale
[Termes IGN] formule d'Euler
[Termes IGN] interpolation polynomiale
[Termes IGN] Ploynôme
[Termes IGN] polynôme d'Hermite
[Termes IGN] transformation polynomialeRésumé : (éditeur) Polynomial and its applications are well known for their proven properties and excellent applicability in interdisciplinary fields of science. Until now, research on polynomial and its applications has been done in mathematics, applied mathematics, and sciences. This book is based on recent results in all areas related to polynomial and its applications. This book provides an overview of the current research in the field of polynomials and its applications. The following papers have been published in this volume: ‘A Parametric Kind of the Degenerate Fubini Numbers and Polynomials’; ‘On 2-Variables Konhauser Matrix Polynomials and Their Fractional Integrals’; ‘Fractional Supersymmetric Hermite Polynomials’; ‘Rational Approximation for Solving an Implicitly Given Colebrook Flow Friction Equation’; ‘Iterating the Sum of Möbius Divisor Function and Euler Totient Function’; ‘Differential Equations Arising from the Generating Function of the (r, β)-Bell Polynomials and Distribution of Zeros of Equations’; ‘Truncated Fubini Polynomials’; ‘On Positive Quadratic Hyponormality of a Unilateral Weighted Shift with Recursively Generated by Five Weights’; ‘Ground State Solutions for Fractional Choquard Equations with Potential Vanishing at Infinity’; ‘Some Identities on Degenerate Bernstein and Degenerate Euler Polynomials’; ‘Some Identities Involving Hermite Kampé de Fériet Polynomials Arising from Differential Equations and Location of Their Zeros.’ Note de contenu : 1- A parametric kind of the degenerate fubini numbers and polynomials
2- On 2-variables konhauser matrix polynomials and their fractional integrals
3- Fractional supersymmetric hermite polynomials
4- Rational approximation for solving an implicitly given colebrook flow friction equation
5- Iterating the sum of mobius divisor function and Euler Totient function
6- Differential equations arising from the generating function of the (r, β)-bell polynomials and
distribution of zeros of equations
7- Truncated Fubini polynomials
8- On positive quadratic hyponormality of a unilateral weighted shift with recursively
generated by five weights
9- Ground state solutions for fractional Choquard equations with potential vanishing at infinity
10- Some identities on degenerate Bernstein and degenerate Euler polynomials
11- Some identities involving Hermite Kampé de Fériet polynomials arising from differential
equations and location of their zerosNuméro de notice : 28496 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.3390/books978-3-03943-315-5 En ligne : https://doi.org/10.3390/books978-3-03943-315-5 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99245
Titre : Programming for Computations - Python Type de document : Guide/Manuel Auteurs : Svein Linge, Éditeur scientifique ; Hans Petter Langtangen, Éditeur scientifique Editeur : Springer Nature Année de publication : 2020 Importance : 332 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-030-16877-3 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Langages informatiques
[Termes IGN] codage
[Termes IGN] équation différentielle
[Termes IGN] programmation informatique
[Termes IGN] Python (langage de programmation)Index. décimale : 26.04 Langages informatiques Résumé : (éditeur) This second edition of the book presents computer programming as a key method for solving mathematical problems and represents a major revision: all code is now written in Python version 3.6 (the first edition was based on Python version 2.7). The first two chapters of the previous edition have been extended and split up into
five new chapters, thus expanding the introduction to programming from 50 to 150 pages. Throughout, explanations are now more complete, previous examples have been modified, and new sections, examples, and exercises have been added. Also, errors and typos have been corrected. The book was inspired by the Springer book TCSE 6, A Primer on Scientific Programming with Python (by Langtangen), but the style is more accessible and concise in keeping with the needs of engineering students. The book outlines the shortest possible path from no previous experience with programming to a set of skills that allows the students to write simple programs for solving common mathematical problems with numerical methods in engineering and science courses. The emphasis is on generic algorithms, clean design of programs, use of functions, and automatic tests for verification.Note de contenu : 1- The First Few Steps
2- A Few More Steps
3- Loops and Branching
4- Functions and the Writing of Code
5- Some More Python Essentials
6- Computing Integrals and Testing Code
7- Solving Nonlinear Algebraic Equations
8- Solving Ordinary Differential Equations
9- Solving Partial Differential EquationsNuméro de notice : 28461 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE Nature : Manuel informatique DOI : 10.1007/978-3-030-16877-3 En ligne : https://doi.org/10.1007/978-3-030-16877-3 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99072 PermalinkComparing finite and infinitesimal map distortion measures / Krisztian Kerkovits in International journal of cartography, vol 5 n° 1 (March 2019)
PermalinkA generalized theory of the figure of the Earth : formulae / Chengli Huang in Journal of geodesy, vol 93 n° 3 (March 2019)
PermalinkOptimization of deformation monitoring networks using finite element strain analysis / M. Amin Alizadeh-Khameneh in Journal of applied geodesy, vol 12 n° 2 (April 2018)
PermalinkAuscultation par GPS d'un barrage en enrochement : modélisation en 3D du comportement du barrage par l'utilisation du logiciel ANSYS / Nadia Bouhouche in XYZ, n° 154 (mars - mai 2018)
PermalinkNumerical solution to the oblique derivative boundary value problem on non-uniform grids above the Earth topography / Matej Medl’a in Journal of geodesy, vol 92 n° 1 (January 2018)
PermalinkGlobal, dense multiscale reconstruction for a billion points / Benjamin Ummenhofer in International journal of computer vision, vol 125 n° 1-3 (December 2017)
PermalinkPermalinkPermalinkMagnetic induction-based positioning in distorted environments / Orfeas Kypris in IEEE Transactions on geoscience and remote sensing, vol 54 n° 8 (August 2016)
Permalink