Descripteur
Documents disponibles dans cette catégorie (69)
![](./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
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 A generalized theory of the figure of the Earth : formulae / Chengli Huang in Journal of geodesy, vol 93 n° 3 (March 2019)
![]()
[article]
Titre : A generalized theory of the figure of the Earth : formulae Type de document : Article/Communication Auteurs : Chengli Huang, Auteur ; Yu Liu, Auteur ; Chenjun Liu, Auteur ; Mian Zhang, Auteur Année de publication : 2019 Article en page(s) : pp 297 - 317 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géodésie
[Termes IGN] croute terrestre
[Termes IGN] ellipticité (géométrie)
[Termes IGN] équation de Clairaut
[Termes IGN] figure de la Terre
[Termes IGN] surface de référenceRésumé : (Auteur) Traditionally a laterally homogeneous and spherical base Earth model (e.g., the PREM model) is considered as input when computing the Earth’s equipotential surfaces, which are then resulted to be in symmetric shape. However, the Earth, known with a complex distribution of interior material and density, especially in the upper mantle and the crust, cannot be treated as a symmetric sphere. Recently, a CRUST1.0 model of crust layer is published and well accepted. But the effect caused by the asymmetric crust (and mantle) on equilibrium figures of the Earth cannot be analyzed by the traditional theories. A generalized theory of the figure of the Earth to third-order precision is firstly proposed in this paper, as well as the iterative calculation strategy to solve the complex equation system. In order to validate this generalized theory, the degeneration of this generalized theory with the PREM model is made and is compared with traditional theories, and it is shown that the result of this generalized theory, after degeneration, is consistent very well with traditional theory. Meanwhile, the effect (including both the direct and indirect effects) of the crust layer, from the CRUST1.0 model, on the figures of equipotential surfaces of the Earth’s interior, as well as their effects on the global dynamics flattening, will be presented as an application of this theory in accompanying paper. Numéro de notice : A2019-150 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s00190-018-1159-6 Date de publication en ligne : 15/06/2018 En ligne : https://doi.org/10.1007/s00190-018-1159-6 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92488
in Journal of geodesy > vol 93 n° 3 (March 2019) . - pp 297 - 317[article] PermalinkPermalinkA synergy method to improve ensemble weather predictions and differential SAR interferograms / Franz-Georg Ulmer in ISPRS Journal of photogrammetry and remote sensing, vol 109 (November 2015)
PermalinkPermalinkPermalinkPermalinkPermalinkTransformation of amplitudes and frequencies of precession and nutation of the earth’s rotation vector to amplitudes and frequencies of diurnal polar motion / Bernd Richter in Journal of geodesy, vol 84 n° 1 (January 2010)
PermalinkSingularity free formulations of the geodetic boundary value problem in gravity-space / G. Austen in Journal of geodesy, vol 83 n° 7 (July 2009)
PermalinkAirborne LaCoste & Romberg gravimetry: a space domain approach / M. Abbasi in Journal of geodesy, vol 81 n° 4 (April 2007)
Permalink