Descripteur
Documents disponibles dans cette catégorie (417)
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
Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs / Yann Méneroux (2019)
Titre : Méthodes d'apprentissage statistique pour la détection de la signalisation routière à partir de véhicules traceurs Type de document : Thèse/HDR Auteurs : Yann Méneroux , Auteur ; Sébastien Mustière , Directeur de thèse ; Guillaume Saint Pierre, Directeur de thèse Editeur : Champs/Marne : Université Paris-Est Année de publication : 2019 Importance : 292 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Paris Est dans le cadre de l'Ecole Doctorale Mathématiques et STIC, Signal, Image, AutomatiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Géomatique
[Termes IGN] appariement de cartes
[Termes IGN] autocorrélation spatiale
[Termes IGN] classification par forêts d'arbres décisionnels
[Termes IGN] décomposition empirique du signal
[Termes IGN] détection automatique
[Termes IGN] données GPS
[Termes IGN] modèle mathématique
[Termes IGN] navigation pédestre
[Termes IGN] ondelette de Haar
[Termes IGN] récepteur GPS
[Termes IGN] régression par quantile
[Termes IGN] réseau neuronal convolutif
[Termes IGN] sécurité routière
[Termes IGN] segmentation d'image
[Termes IGN] signalisation routière
[Termes IGN] trace GPS
[Termes IGN] vitesse de déplacementIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Avec la démocratisation des appareils connectés équipés d'un récepteur GPS, de grandes quantités de trajectoires de véhicules deviennent disponibles, notamment via les flottes de véhicules professionnels et les applications mobiles collaboratives de navigation et d'assistance à la conduite. Récemment, les techniques dites de map inference, visant à dériver de l'information cartographique à partir de ces traces GPS, tendent à compléter, voire à remplacer les techniques traditionnelles. Initialement restreintes à la construction de la géométrie des routes, elles sont progressivement utilisées pour enrichir les réseaux existants, et en particulier pour construire une base de données numérique de la signalisation verticale. La connaissance fine et exhaustive de l'infrastructure routière est un prérequis indispensable dans de nombreux domaines : pour les gestionnaires de réseaux et les décideurs dans le cadre de travaux d'aménagement, pour les usagers avec le calcul précis des temps de parcours, mais aussi, plus récemment, dans le cadre du véhicule autonome. Dans ce contexte, les méthodes d'apprentissage statistique apportent une perspective intéressante et garantissent l’adaptabilité de l'approche aux différents cas d'utilisation et à la grande variabilité des données rencontrées en pratique. L'objectif de ce travail de thèse est d'étudier le potentiel de cette classe de méthodes, pour la détection automatique de la signalisation routière, en temps différé, à partir d'un ensemble de profils de vitesse GPS. Le premier cas d'application est celui de la détection des feux de circulation, étendu par la suite a d'autre types de signalisation comme les passages piétons. En premier lieu, nous travaillons sur un jeu de données expérimental de haute qualité, à l'aide duquel nous étudions les performances de plusieurs classifieurs et nous comparons deux représentations mathématiques des données : une approche classique de reconnaissance d'image et une approche fonctionnelle consistant à agréger et à décomposer les signaux de profils de vitesses sur une base d'ondelettes de Haar. Les résultats obtenus montrent la pertinence de l'approche fonctionnelle, en particulier lorsqu'elle est combinée à l'algorithme des forêts aléatoires, en termes de fiabilité de détection et de temps de calcul. L'approche est alors appliquée sur d'autres types d'éléments de l'infrastructure. Dans un second temps, nous tentons d'adapter la méthode proposée sur le cas de données observationnelles, i.e. acquises en environnement non-contrôlé, pour lesquelles nous cherchons également à estimer la position des feux de signalisation par régression statistique. Les résultats montrent la sensibilité de l'approche axe sur l'apprentissage face à des données fortement bruitées ainsi que la difficulté liée à la définition de l'emprise spatiale des instances individuelles sur un réseau routier complexe. Nous tentons de lever ce second verrou à l'aide d'approches globales fondées sur une segmentation d'image par réseau de neurones convolutionnel. Enfin, nous expérimentons une approche permettant d'exploiter. L'autocorrélation spatiale des variables cibles sur les instances individuelles à l'aide de la topologie du graphe routier et en modélisant la zone d'étude sous forme d'un champ de Markov conditionnel. Les résultats obtenus montrent une amélioration des performances de détection par rapport à l'apprentissage non-structuré. Ces travaux de thèse ont également suscité le développement de méthodes originales de prétraitement des trajectoires GPS (filtrage, interpolation, débiaisage et recalage sur un réseau routier de référence) ainsi que l'élaboration de critères objectifs d'évaluation de la qualité de ces pré-traitements. Note de contenu : 1- Cadre général et enjeux de la thèse
2- Méthodes et algorithmes pour le pré-traitement des trajectoires GPS
3- Comparaison des approches image et fonctionnelle en conditions expérimentale
4- Etude du potentiel des méthodes d'apprentissage sur un cas opérationnel
5- Approches globales : réseaux de neurones artificiels et apprentissage structuréNuméro de notice : 25687 Affiliation des auteurs : LASTIG COGIT (2012-2019) Thématique : GEOMATIQUE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Automatique : Paris-Est : 2019 Organisme de stage : LaSTIG (IGN) nature-HAL : Thèse DOI : sans Date de publication en ligne : 28/02/2020 En ligne : https://theses.hal.science/tel-02493936 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94716
Titre : Natural hazards Type de document : Monographie Auteurs : John P. Tiefenbacher, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2019 Importance : 276 p. Format : 19 x 27 cm ISBN/ISSN/EAN : 978-1-78984-086-5 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications de télédétection
[Termes IGN] barrage
[Termes IGN] distribution spatiale
[Termes IGN] environnement
[Termes IGN] gestion des risques
[Termes IGN] inondation
[Termes IGN] modèle de simulation
[Termes IGN] prévention des risques
[Termes IGN] risque naturel
[Termes IGN] risque technologique
[Termes IGN] sécurité nucléaire
[Termes IGN] séisme
[Termes IGN] surveillance d'ouvrage
[Termes IGN] viaducRésumé : (éditeur) Natural Hazards - Risk, Exposure, Response, and Resilience demonstrates advanced techniques to measure risks, exposures, responses, and solutions to hazards in an array of communities. Eleven original research reports by international scholars on hazard assessment and management are organized into four sections: studies assessing risk using in-depth modeling and technological detection to provide insight into problems associated with earthquakes, torrential rains, and nuclear power plant safety; studies revealing the spatial distributions of exposure and impacts from an assortment of hazards; studies examining human response to increased awareness of the patterns of hazard; and a study demonstrating assessment of resilience of sociotechnological systems to natural hazards. This volume contributes new conceptual and practical commentaries to assess, mitigate, and plan for disasters. Note de contenu : 1- Assessing seismic hazard in Chile using deep neural networks
2- Strong rainfall in Mato Grosso do Sul, Brazil: Synoptic analysis and numerical simulation
3- Natural hazards and nuclear power plant safety
4- Estimation of shear wave velocity profiles employing genetic algorithms and the diffuse field approach on microtremors array: Implications on liquefaction hazard at Port of Spain, Trinidad
5- Long-wave generation due to atmospheric-pressure variation and harbor oscillation in harbors of various shapes and countermeasures against meteotsunamis
6- Identification and assessment of hazard of development in gypsum karst regions: Examples from Turkey
7- Dam retirement and decision-making
8- Seismic hazard of viaduct transportation infrastructure
9- Determinants of coping strategies to floods and droughts in multiple geo-Ecological zones
10- Emergency communications network for disaster management
11- Interview of natural hazards anresilience of sociotechnological systems to natural hazardsNuméro de notice : 25944 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.77841 En ligne : https://doi.org/10.5772/intechopen.77841 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=96333
Titre : Optimization in control applications Type de document : Monographie Auteurs : Guillermo Valencia-Palomo, Éditeur scientifique ; Francisco Ronay Lopez-Estrada, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 256 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-3-03897-448-2 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Mathématique
[Termes IGN] modèle mathématique
[Termes IGN] optimisation (mathématiques)
[Termes IGN] programmation stochastiqueRésumé : (auteur) Mathematical optimization is the selection of the best element in a set with respect to a given criterion. Optimization has become one of the most-used tools in modern control theory for computing the control law, adjusting the controller parameters (tuning), model fitting, and finding suitable conditions in order to fulfill a given closed-loop property, among others. In the simplest case, optimization consists of maximizing or minimizing a function by systematically choosing input values from a valid input set and computing the function value. Nevertheless, real-world control systems need to comply with several conditions and constraints that have to be taken into account in the problem formulation—these represent challenges in the application of the optimization algorithms.The aim of this Special Issue is to offer the state-of-the-art of the most advanced optimization techniques (online and offline) and their applications in control engineering.] Note de contenu : 1- Rapid solution of optimal control problems by a functional spreadsheet paradigm: A practical method for the non-programme
2- Novel spreadsheet direct method for optimal control problems
3- Time needed to control an epidemic with restricted resources in SIR model with short-term controlled population: A fixed point method for a free isoperimetric optimal control problem
4- Optimal strategies for psoriasis treatment
5- Optimal control analysis of a mathematical model for breast cancer
6- Cost-effective analysis of control strategies to reduce the prevalence of cutaneous
leishmaniasis, based on a mathematical model
7- Optimal control and computational method for the resolution of isoperimetric problem in a discrete-time SIRS system
8- Solution of optimal harvesting problem by finite difference approximations of
size-structured population model
9- Solution of fuzzy differential equations using fuzzy Sumudu transforms
10- A simple spectral observer
11- Differential evolution algorithm for multilevel assignment problem: A case study in chicken transportation
12- Modeling and simulation of a hydraulic network for leak diagnosisNuméro de notice : 28503 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Monographie DOI : 10.3390/books978-3-03897-448-2 En ligne : https://doi.org/10.3390/books978-3-03897-448-2 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97002
Titre : Process modelling and simulation Type de document : Monographie Auteurs : Cesar De Prada, Éditeur scientifique ; Costas Pantelides, Éditeur scientifique ; Jose Luis Pitarch, Éditeur scientifique Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2019 Importance : 298 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 9783039214556 9783039214563 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Informatique
[Termes IGN] estimation statistique
[Termes IGN] modèle conceptuel de données
[Termes IGN] modèle de simulation
[Termes IGN] modèle géométrique
[Termes IGN] modèle mathématique
[Termes IGN] modélisation
[Termes IGN] optimisation (mathématiques)Résumé : (éditeur) Since process models are nowadays ubiquitous in many applications, the challenges and alternatives related to their development, validation, and efficient use have become more apparent. In addition, the massive amounts of both offline and online data available today open the door for new applications and solutions. However, transforming data into useful models and information in the context of the process industry or of bio-systems requires specific approaches and considerations such as new modelling methodologies incorporating the complex, stochastic, hybrid and distributed nature of many processes in particular. The same can be said about the tools and software environments used to describe, code, and solve such models for their further exploitation. Going well beyond mere simulation tools, these advanced tools offer a software suite built around the models, facilitating tasks such as experiment design, parameter estimation, model initialization, validation, analysis, size reduction, discretization, optimization, distributed computation, co-simulation, etc. This Special Issue collects novel developments in these topics in order to address the challenges brought by the use of models in their different facets, and to reflect state of the art developments in methods, tools and industrial applications. Note de contenu : 1- Data-mining for processes in chemistry, materials, and engineering
2- Incremental parameter estimation under rank-deficient measurement conditions
3- Sequential parameter estimation for mammalian cell model based on In Silico design
of experiments
4- Toward a comprehensive and efficient robust optimization framework for (Bio)chemical
processes
5- A systematic grey-box modeling methodology via data reconciliation and SOS constrained regression
6- Toward a distinct and quantitative validation method for predictive process extracts
7- GEKKO optimization suite
8- Modelling condensation and simulation for wheat germ drying in fluidized bed dryer
9- Model development and validation of fluid bed wet granulation with dry binder addition using a population balance model methodology
10- Modeling on-site combined heat and power systems coupled to main process operation
11- Mathematical modelling forecast on the idling transient characteristic of reactor
coolant pump
12- Numerical simulation of water absorption and swelling in dehulled barley grains during canned porridge cooking
13- Wave characteristics of coagulation bath in dry-jet wet-spinning process for polyacrylonitrile fiber production using computational fluid dynamics
14- Evaluation of the influences of scrap melting and dissolution during dynamic Linz–Donawitz (LD) converter modellingNuméro de notice : 28502 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/MATHEMATIQUE Nature : Monographie DOI : 10.3390/books978-3-03921-456-3 En ligne : https://doi.org/10.3390/books978-3-03921-456-3 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97001 Projection sur l’évolution de la distribution future de la population en utilisant du Machine Learning et de la géosimulation / Julie Grosmaire (2019)
Titre : Projection sur l’évolution de la distribution future de la population en utilisant du Machine Learning et de la géosimulation Type de document : Mémoire Auteurs : Julie Grosmaire, Auteur Editeur : Champs-sur-Marne : Ecole nationale des sciences géographiques ENSG Année de publication : 2019 Importance : 27 p. Format : 21 x 30 cm Note générale : Bibliographie
Rapport de projet pluridisciplinaire, cycle ING2Langues : Français (fre) Descripteur : [Vedettes matières IGN] Intelligence artificielle
[Termes IGN] apprentissage automatique
[Termes IGN] conteneur
[Termes IGN] Docker
[Termes IGN] données démographiques
[Termes IGN] estimation statistique
[Termes IGN] Europe (géographie politique)
[Termes IGN] modèle de simulation
[Termes IGN] réseau neuronal artificielIndex. décimale : PROJET Mémoires : Rapports de projet - stage des ingénieurs de 2e année Résumé : (Auteur) Ce rapport est le résultat d’un stage de trois mois fait à l’Université Aalborg (CPH, Danemark) dans le cadre d’une deuxième année de formation à ENSG. Le travail exécuté pendant ce stage était le développement et l’optimisation d’outils et de méthodes informatiques pour PopNet (Population Neural Network), un code permettant la prédiction et estimation des évolutions démographiques en Europe dans les siècles à venir. Ce rapport traite d’analyse, de développement, de conteneurisation et d’optimisation de logiciel ainsi que d’apprentissage automatique par réseaux neuronaux Note de contenu : Introduction
1. Généralités
1.1 Présentation de l’université
1.2 Objectifs du stage
1.3 Présentation du programme PopNet
2. Optimisation de l’installation du code existant
2.1 Installation avec Anaconda
2.2 Installation avec Docker sans la base de données
2.3 Installation avec Docker avec la base de données
3. Modifications du code
3.1 Qualification des différentes modifications
3.2 Retrait de la base de données
3.3 Optimisation du temps
3.4 Modifications du réseau neuronal
4. Résultats du stage
4.1 Comparaison des résultats de Machine Learning
4.2 Exemples de rendus
4.3 Développements futurs possibles
ConclusionNuméro de notice : 26188 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/INFORMATIQUE Nature : Mémoire de projet pluridisciplinaire Organisme de stage : Aalborg University Copenhgen Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94142 Documents numériques
peut être téléchargé
Projection sur l’évolution de la distribution future de la population... - pdf auteurAdobe Acrobat PDF PermalinkValidating and comparing GNSS antenna calibrations / Ulla Kallio in Journal of geodesy, vol 93 n° 1 (January 2019)PermalinkDesigning an integrated urban growth prediction model: a scenario-based approach for preserving scenic landscapes / Sepideh Saeidi in Geocarto international, vol 33 n° 12 (December 2018)PermalinkPerformance analysis of PPP positioning method by using IGS real-time service / Tatjana Kuzmić in Geodetski vestnik, vol 62 n° 4 (December 2018 - February 2019)PermalinkLa filiera foresta-legno francese tra potenziale di mitigazione dei cambiamenti climatici e necessità di adattamento / Philippe Delacote in Agriregionieuropa, anno 14 n° 54 (2018)PermalinkFuzzy modelling of growth potential in forest development simulation / Damjan Strnad in Ecological Informatics, vol 48 (November 2018)PermalinkEstimation of forest above-ground biomass by geographically weighted regression and machine learning with Sentinel imagery / Lin Chen in Forests, vol 9 n° 10 (October 2018)PermalinkA new algorithm predicting the end of growth at five evergreen conifer forests based on nighttime temperature and the enhanced vegetation index / Huanhuan Yuan in ISPRS Journal of photogrammetry and remote sensing, vol 144 (October 2018)PermalinkFine-grained prediction of urban population using mobile phone location data / Jie Chen in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkEstimating storm damage with the help of low-altitude photographs and different sampling designs and estimators / Pekka Hyvönen in Silva fennica, vol 52 n° 3 ([01/08/2018])Permalink