Academic literature on the topic 'Apprentissage automatique guidé par la physique'

La complexité est facile à reconnaître mais difficile à définir : il existe de nombreuses mesures de complexité, chacune pertinente pour une application particulière.Dans le domaine de l'ingénierie des surfaces, l'auto-organisation entraîne la formation de motifs sur la matière par irradiation laser femtoseconde, ce qui a d'importantes applications biomédicales. Les détails de la formation des motifs ne sont pas entièrement compris. Dans des travaux menant à deux publications [1,2], grâce à un argument de complexité et un cadre d'apprentissage automatique guidé par la physique, nous montrons que le problème sévèrement contraint d'apprendre l'interaction laser-matière avec peu de données et une connaissance physique partielle est bien posé dans ce contexte. Notre modèle nous permet de faire des prédictions utiles et suggère des intuitions physiques.Dans une autre contribution [3], nous proposons une nouvelle formulation du principe de la Longueur Minimale de Description, définissant la complexité du modèle et des données en une seule étape, en tenant compte du signal et du bruit dans les données d'entraînement. Les expériences indiquent que les classificateurs de réseaux neuronaux qui généralisent bien suivent ce principe.Dans un travail non publié, nous proposons l'entropie de Taylor, une nouvelle mesure de la complexité des systèmes dynamiques qui peut être estimée via une seule image SEM. Cette approche pourrait faciliter l'apprentissage du processus physique dans de nouveaux matériaux grâce à l'adaptation de domaine.Cette thèse ouvre la voie à une représentation unifiée de la complexité dans les données et la connaissance physique, qui peut être utilisée dans le contexte de l'apprentissage automatique guidé par la physique.[1] Brandao, Eduardo, et al. "Learning PDE to model self-organization of matter." Entropy 24.8 (2022): 1096.[2] Brandao, Eduardo, et al. "Learning Complexity to Guide Light-Induced Self-Organized Nanopatterns." Physical Review Letters 130.22 (2023): 226201.[3] Brandao, Eduardo, et al. "Is My Neural Net Driven by the MDL Principle?." Joint European Conference on Machine Learning and Knowledge Discovery in Databases. Cham: Springer Nature Switzerland, 2023
Complexity is easy to recognize but difficult to define: there are a host of measures of complexity, each relevant for a particular application.In Surface engineering, self-organization drives the formation of patterns on matter by femtosecond laser irradiation, which have important biomedical applications. Pattern formation details are not fully understood. In work leading to two publications [1,2], via a complexity argument and a physics-guided machine learning framework, we show that the severely constrained problem of learning the laser-matter interaction with few data and partial physical knowledge is well-posed in this context. Our model allows us to make useful predictions and suggests physical insights.In another contribution [3] we propose a new formulation of the Minimum Description Length principle, defining model and data complexity in a single step, by taking into account signal and noise in training data. Experiments indicate that Neural Network classifiers that generalize well follow this principle.In unpublished work, we propose Taylor entropy, a novel measure of dynamical system complexity which can be estimated via a single SEM image. This approach could facilitate learning the physical process in new materials through domain adaptation.This thesis paves the way for a unified representation of complexity in data and physical knowledge, which can be used in the context of Physics-guided machine learning.[1] Brandao, Eduardo, et al. "Learning PDE to model self-organization of matter." Entropy 24.8 (2022): 1096.[2] Brandao, Eduardo, et al. "Learning Complexity to Guide Light-Induced Self-Organized Nanopatterns." Physical Review Letters 130.22 (2023): 226201.[3] Brandao, Eduardo, et al. "Is My Neural Net Driven by the MDL Principle?." Joint European Conference on Machine Learning and Knowledge Discovery in Databases. Cham: Springer Nature Switzerland, 2023

Le cancer du sein est le deuxième cancer le plus répandu dans le monde et la principale cause de décès due à un cancer chez les femmes. L'amélioration du pronostic du cancer a été l'une des principales préoccupations afin de permettre une meilleure gestion et un meilleur traitement clinique des patients. Avec l'avancement rapide des technologies de profilage génomique durant ces dernières décennies, la disponibilité aisée d'une grande quantité de données génomiques pour la recherche médicale a motivé la tendance actuelle qui consiste à utiliser des outils informatiques tels que l'apprentissage statistique dans le domaine de la science des données afin de découvrir les biomarqueurs moléculaires en lien avec l'amélioration du pronostic. Cette thèse est conçue suivant deux directions d'approches destinées à répondre à deux défis majeurs dans l'analyse de données génomiques pour le pronostic du cancer du sein d'un point de vue méthodologique de l'apprentissage statistique : les approches basées sur le classement pour améliorer le pronostic moléculaire et les approches guidées par un réseau donné pour améliorer la découverte de biomarqueurs. D'autre part, les méthodologies développées et étudiées dans cette thèse, qui concernent respectivement l'apprentissage à partir de données de classements et l'apprentissage sur un graphe, apportent une contribution significative à plusieurs branches de l'apprentissage statistique, concernant au moins les applications à la biologie du cancer et la théorie du choix social
Breast cancer is the second most common cancer worldwide and the leading cause of women's death from cancer. Improving cancer prognosis has been one of the problems of primary interest towards better clinical management and treatment decision making for cancer patients. With the rapid advancement of genomic profiling technologies in the past decades, easy availability of a substantial amount of genomic data for medical research has been motivating the currently popular trend of using computational tools, especially machine learning in the era of data science, to discover molecular biomarkers regarding prognosis improvement. This thesis is conceived following two lines of approaches intended to address two major challenges arising in genomic data analysis for breast cancer prognosis from a methodological standpoint of machine learning: rank-based approaches for improved molecular prognosis and network-guided approaches for enhanced biomarker discovery. Furthermore, the methodologies developed and investigated in this thesis, pertaining respectively to learning with rank data and learning on graphs, have a significant contribution to several branches of machine learning, concerning applications across but not limited to cancer biology and social choice theory

L'activité physique (AP) est primordiale pour la santé. La quantification de l'AP occupe une place majeure dans les recherches scientifiques qui étudient la relation entre l'AP et ses effets sur la santé. L'AP est quantifiée en termes de dépense énergétique (DE). Les techniques de référence pour mesurer DE sont encombrantes et invasives. Des nouveaux appareils portables non invasifs sont développés pour pallier les problèmes liés à l'utilisation des méthodes de référence. Parmi ces appareils, la pléthysmographie respiratoire par magnétométrie (PRM) a été récemment développées. PRM est basée sur la mesure des distances longitudinales et transversales thoraciques et abdominales.L'objectif de cette thèse est d'évaluer la capacité de PRM à estimer VE et DE au cours d'AP d'intensités faibles à élevées en utilisant des algorithmes d'apprentissage automatique.Les principaux résultats de nos travaux montrent :1) Que PRM permet d'estimer VE et DE pendant des AP faibles à élevées.2) Qu'un modèle non linéaire est plus pertinent qu'un modèle linéaire pour estimer VE.3) Que l'individualisation des modèles offre une meilleure performance pour l'estimation de VE et de DE.4) Que PRM estime avec précision DE pour n'importe quelle intensité même pour celles les plus élevées.5) Qu'une approche activité spécifique est plus pertinente pour estimer DE, et qu'une étape de reconnaissance de l'AP est nécessaire avant d'estimer DE.De nouvelles études doivent cependant être réalisées pour tester PRM sur une large population et dans des conditions de vie libre
Regular physical activity (PA) is essential to maintain and improve health. The quantification of PA has become a major focus in scientific research studying the relationship between PA and its effects on health. PA is generally quantified in terms of energy expenditure (EE). Reference methods used to measure EE are cumbersome and invasive. To overcome the problems associated with the use of reference methods, portable and non-invasive devices have been developed. Among these devices, respiratory magnetometer plethysmography (RMP) has recently developed. PRM is based on the measurement of the longitudinal and transversal thoracic and abdominal distances.The objective of this thesis is to evaluate the ability of PRM to estimate V˙E and EE during low to high intensity PA using machine learning algorithms. The main results of our work demonstrate 1) That RMP is suitable to estimate ˙VE and DE during low to high PA. 2) A nonlinear model is more relevant than a linear model to estimate V˙E. 3) The individualization of the models provides better performance for V˙E and EE estimation.4) RMP can accurately estimate EE at any intensity, including the highest ones. 4) An activity-specific approach is more relevant to estimate EE ,and a step of PA recognition is necessary before EE estimation.Further studies are still needed to evaluate RMP on a large population and under free-living conditions

L'objet de cette thèse est l'étude de diverses propriétés d'apprentissage à partir d'exemples par des méthodes de Physique Statistique, notamment, par la méthode des répliques. Des tâches supervisées, correspondant à la classification binaire de données, ainsi que des tâches non supervisées, comme l'estimation paramétrique d'une densité de probabilité, sont considérées. Dans la première partie, une approche variationnelle permet de déterminer la performance de l'apprentissage optimal d'une direction d'anisotropie, et de déduire une fonction de coût permettant d'obtenir ces performances optimales. Dans le cas de l'apprentissage supervisé d'une tâche linéairement séparable, des simulations numériques confirmant nos résultats théoriques ont permis de déterminer les effets de taille finie. Dans le cas d'une densité de probabilité constituée de deux gaussiennes, la performance de l'apprentissage optimal présente de nombreuses transitions de phases en fonction du nombre de données. Ces résultats soulèvent une controverse entre la théorie variationnelle et l'approche bayesienne de l'apprentissage optimal. Dans la deuxième partie, nous étudions deux approches différentes de l'apprentissage de tâches de classification complexes. La première approche considérée est celle des machines à exemples supports. Nous avons étudié une famille de ces machines pour laquelle les séparateurs linéaire et quadratique sont deux cas particuliers. La capacité, les valeurs typiques de la marge et du nombre d'exemples supports, sont déterminées. La deuxième approche considérée est celle d'une machine de parité apprenant avec un algorithme incrémental. Cet algorithme construit progressivement un réseau de neurones à une couche cachée. La capacité théorique obtenue pour l'algorithme considéré est proche de celle de la machine de parité.

A l’heure de l’accroissement des maladies non transmissibles, l’activité physique et la sédentarité sont un enjeu sanitaire majeur. Evaluer les synergies des composantes du comportement de mouvement afin d’établir ses liens avec l’état de santé est un défi déterminant. Le développement de l’accélérométrie est venu révolutionner la compréhension de ces liens, traditionnellement étudiés sur la base de données déclaratives, dont les biais sont bien établis L’utilisation classique des accéléromètres permet une mesure continue sur de longues périodes en condition de vie libre mais se heurte à des problématiques inhérentes au traitement du signal et à la relation non-linéaire entre accélérométrie et dépense énergétique, pour caractériser le mouvement humain de façon satisfaisante. Mon premier objectif était de préciser les limites de l’approche actuelle et de contribuer à l’amélioration du phénotypage du comportement de mouvement grâce à de nouvelles techniques analytiques basées sur la reconnaissance automatique des postures et activités. Dans la 2ème partie de ma thèse, j’ai appliqué ces nouvelles approches à l’étude des Peuls du Sénégal, une population en cours de transition épidémiologique. Mes travaux ont permis de préciser les limites des approches classiques de l’accélérométrie et l’intérêt de la reconnaissance des activités par des algorithmes d’apprentissage automatique pour surmonter les difficultés rencontrées. Ils montrent, pour la première fois, l’apport de cette approche à la caractérisation fine de l’activité physique et des comportements sédentaires d’une population, en lien avec son environnement. Elle devrait contribuer de façon utile à l’établissement de futures recommandations plus adaptées à la population générale
Facing the rise of non-communicable diseases, physical activity and sedentary behavior are a major health issue. Evaluating the synergies of movement behavior dimensions in order to establish its link with health emerges is a key challenge. The development of accelerometry has revolutionized the understanding of these links, traditionally studied using declarative data, associated with well-established biases. The classical accelerometry approach allows continuous measurement over long periods in free living conditions but encounters limitations inherent in signal processing and in the non-linear relationship between accelerometry and energy expenditure to characterize human movement in a satisfactory way. My first objective was to clarify the limits of the current approach and to contribute to the improvement of the phenotyping of movement behavior through new analytic methods relying on the automatic activity recognition of postures and activities. In the second part of my thesis, I applied these new approaches to the study of the Fulani of Senegal, a population in epidemiological transition. My work has clarified the limitations of traditional approaches to accelerometry and the value of activities recognition through automatic learning algorithms to overcome the difficulties encountered. For the first time, they show the contribution of this approach to the detailed characterization of a population's physical activity and sedentary behaviors, in relation to its environment. It should contribute in a useful way to the development of future recommendations that are more appropriate for the general population

Les robots intégrés aux chaînes de production sont généralement isolés des ouvriers et ne prévoient pas d'interaction physique avec les humains. Dans le futur, le robot humanoïde deviendra un partenaire pour vivre ou travailler avec les êtres humains. Cette coexistence prévoit l'interaction physique et sociale entre le robot et l'être humain. En robotique humanoïde les futurs progrès dépendront donc des connaissances dans les mécanismes cognitifs présents dans les interactions interpersonnelles afin que les robots interagissent avec les humains physiquement et socialement. Un bon exemple d'interaction interpersonnelle est l'acte de la poignée de la main qui possède un rôle social très important. La particularité de cette interaction est aussi qu'elle est basée sur un couplage physique et social qui induit une synchronisation des mouvements et des efforts. L'intérêt d'étudier la poignée de main pour les robots consiste donc à élargir leurs propriétés comportementales pour qu'ils interagissent avec les humains de manière plus habituelle.Cette thèse présente dans un premier chapitre un état de l'art sur les travaux dans les domaines des sciences humaines, de la médecine et de la robotique humanoïde qui sont liés au phénomène de la poignée de main. Le second chapitre, est consacré à la nature physique du phénomène de poignée de main chez l'être humain par des mesures quantitatives des mouvements. Pour cela un système de mesures a été construit à l'Université Nationale Technique de Donetsk (Ukraine). Il est composé d'un gant instrumenté par un réseau de capteurs portés qui permet l'enregistrement des vitesses et accélérations du poignet et les forces aux points de contact des paumes, lors de l'interaction. Des campagnes de mesures ont permis de montrer la présence d'un phénomène de synchronie mutuelle précédé d'une phase de contact physique qui initie cette synchronie. En tenant compte de cette nature rythmique, un contrôleur à base de neurones rythmiques de Rowat-Selverston, intégrant un mécanisme d'apprentissage de la fréquence d'interaction, est proposé et etudié dans le troisième chapitre pour commander un bras robotique. Le chapitre quatre est consacré aux expériences d'interaction physique homme/robot. Des expériences avec un bras robotique Katana montrent qu'il est possible d'apprendre à synchroniser la rythmicité du robot avec celle imposée par une per-sonne lors d'une poignée de main grâce à ce modèle de contrôleur bio-inspiré. Une conclusion générale dresse le bilan des travaux menés et propose des perspectives
Automated production lines integrate robots which are isolated from workers, so there is no physical interaction between a human and robot. In the near future, a humanoid robot will become a part of the human environment as a companion to help or work with humans. The aspects of coexistence always presuppose physical and social interaction between a robot and a human. In humanoid robotics, further progress depends on knowledge of cognitive mechanisms of interpersonal interaction as robots physically and socially interact with humans. An illustrative example of interpersonal interaction is an act of a handshake that plays a substantial social role. The particularity of this form of interpersonal interaction is that it is based on physical and social couplings which lead to synchronization of motion and efforts. Studying a handshake for robots is interesting as it can expand their behavioral properties for interaction with a human being in more natural way. The first chapter of this thesis presents the state of the art in the fields of social sciences, medicine and humanoid robotics that study the phenomenon of a handshake. The second chapter is dedicated to the physical nature of the phenomenon between humans via quantitative measurements. A new wearable system to measure a handshake was built in Donetsk National Technical University (Ukraine). It consists of a set of several sensors attached to the glove for recording angular velocities and gravitational acceleration of the hand and forces in certain points of hand contact during interaction. The measurement campaigns have shown that there is a phenomenon of mutual synchrony that is preceded by the phase of physical contact which initiates this synchrony. Considering the rhythmic nature of this phenomenon, the controller based on the models of rhythmic neuron of Rowat-Selverston, with learning the frequency during interaction was proposed and studied in the third chapter. Chapter four deals with the experiences of physical human-robot interaction. The experimentations with robot arm Katana show that it is possible for a robot to learn to synchronize its rhythm with rhythms imposed by a human during handshake with the proposed model of a bio-inspired controller. A general conclusion and perspectives summarize and finish this work

La radiomique propose de combiner des caractéristiques images avec celles issues de la clinique, de la génomique, de la protéomique, etc . . .afin de mettre en place une médecine personnalisée dans la prise en charge du cancer. L’objectif est d’anticiper, à partir d’un examen initial, les chances de survie du patient ou la probabilité de la maladie de répondre à un traitement. En médecine, des méthodes statistiques classiques sont généralement utilisées comme l’analyse de Mann-Whitney pour les études prédictives et l’analyse des courbes de survie de Kaplan-Meier pour les études pronostiques. Cependant, l’augmentation du nombre de caractéristiques étudiées pose des problèmes pour l’utilisation de ces statistiques. C’est pour cela que nous nous sommes orientés vers l’utilisation des algorithmes d’apprentissage automatique et des méthodes de sélectionde caractéristiques. Ces méthodes sont résistantes aux grandes dimensions, ainsi qu’aux relations non-linéaires entre caractéristiques. Nous avons proposé 2 méthodes de sélection des caractéristiques basées sur la méthode d’apprentissage automatique des forêts aléatoires. Nos méthodes ont permis la sélection de sous-ensembles de caractéristiques prédictives et pronostiques sur 2 bases de données (cancer de l’oesophage et du poumon). Nos algorithmes ont montré les meilleures performances de classification comparées aux méthodes statistiques classiques et aux autres méthodes de sélection des caractéristiques étudiées
Radiomics proposes to combine image features with those extracted from other modalities (clinical, genomic, proteomic) to set up a personalized medicine in the management of cancer. From an initial exam, the objective is to anticipate the survival rate of the patient or the treatment response probability. In medicine, classical statistical methods are generally used, such as theMann-Whitney analysis for predictive studies and analysis of Kaplan-Meier survival curves for prognostic studies. Thus, the increasing number of studied features limits the use of these statistics. We have focused our works on machine learning algorithms and features selection methods. These methods are resistant to large dimensions as well as non-linear relations between features. We proposed two features selection strategy based on random forests. Our methods allowed the selection of subsets of predictive and prognostic features on 2 databases (oesophagus and lung cancers). Our algorithms showed the best classification performances compared to classical statistical methods and other features selection strategies studied

Dans une optique d'adaptation aux nouveaux usages de consultation d'archives audiovisuelles, nous souhaitons aider un utilisateur issu du grand public à organiser des contenus audiovisuels, c'est-à-dire les classifier, les caractériser, les identifier ou les ordonner. Pour ce faire, nous proposons d'utiliser un vocabulaire autre que ce que l'on pourrait trouver dans une notice documentaire de l'Ina, afin de répondre à des envies qui ne sont pas facilement définissables avec des mots. Nous avons conçu pour cela une interface graphique qui s'appuie sur un formalisme de graphe dédié à l'expression d'une tâche organisationnelle. La similarité numérique est un bon outil au regard des éléments que nous manipulons, à savoir des objets informationnels présentés sur un écran d'ordinateur et des valeurs descriptives de " bas niveau " audio et vidéo extraites de manière automatique. Nous avons choisi de prédire la similarité entre ces éléments grâce à un modèle statistique. Parmi les nombreux modèles existants, la prédiction statistique basée sur la régression univariée et fondée
In the perspective of new usages in the field of the access to audiovisual archives, we have created a semi-automatic system that helps a user to organize audiovisual contents while performing tasks of classification, characterization, identification and ranking. To do so, we propose to use a new vocabulary, different from the one already available in INA documentary notices, to answer needs which can not be easily defined with words. We have conceived a graphical interface based on graph formalism designed to express an organisational task. The digital similarity is a good tool in respect with the handled elements which are informational objects shown on the computer screen and the automatically extracted audio and video low-level features. We have made the choice to estimate the similarity between those elements with a predictive process through a statistical model. Among the numerous existing models, the statistical prediction based on the univaried regression and on support vectors has been chosen. H)

La propagation d'impulsions laser ultra-courtes et ultra-intenses dans l'atmosphère est de plus en plus étudiée. Un contrôle précis de la focalisation du champ laser et de la distribution des filaments de lumière qui s’étendent au-delà du foyer est nécessaire pour de nombreuses applications, comme la mission d'exploration de Mars qui comprend l'analyse des éléments chimiques à l'aide de la spectroscopie de désintégration induite par laser (LIBS), l'analyse de la composition de l'atmosphère par des techniques de détection et de télémétrie lumineuses (LIDAR), le déclenchement et le guidage de décharges électriques entre les nuages, ou la génération de lasers à lumière blanche par filamentation laser. Un contrôle quantitatif des propriétés de l'impulsion laser est très difficile en raison de l'interaction non-linéaire complexe entre l'impulsion laser intense et le milieu. Actuellement, les méthodes couramment utilisées reposent sur le contrôle des paramètres initiaux de l’impulsion laser en fonction du champ laser observé sur la cible. La grande dimension de l'espace des paramètres et la sensibilité des résultats aux conditions initiales rendent l'ajustement du champ laser hors du laboratoire difficile et inefficace pour répondre aux exigences des applications pratiques. Dans ce contexte, cette thèse propose une réponse à quelques-uns des défis de la propagation d’impulsions laser femtoseconde à longue portée, basée sur des scénarios de modulation de l'impulsion laser qui garantissent d'atteindre un champ laser sur cible avec les propriétés souhaitées. Ces scénarios ont été obtenus en associant méthodes d'ingénierie inverse et simulations numériques. Nous montrons que différents champs cibles peuvent être facilement et efficacement atteints en modulant le champ en sortie du laser. Chaque fois que cela est possible, la modulation est obtenue par simulation de la propagation inverse du champ cible vers le laser. Cette thèse se concentre sur deux objectifs différents de contrôle du champ laser : la projection à longue distance dans l'air (1) d'un filament de longueur prédéfinie, et (2) d’une intensité élevée.(1) Pour atteindre le premier objectif, une des innovations de cette thèse consiste à introduire un faisceau intermédiaire contrôlable proche de la cible, de type Bessel-Gauss, et à utiliser un algorithme numérique pour propager ce champ électrique en avant afin d’obtenir la distribution des filaments au point cible ainsi que rétropropager le champ intermédiaire pour obtenir la sortie laser souhaitée. Les paramètres de sortie laser obtenus sont ensuite liés aux caractéristiques du filament (point de départ, longueur, densité), fournissant une carte des paramètres clés définissant l'impulsion laser modulée qui peut être projetée sur le champ cible et le filament désirés.(2) Pour l'objectif de transmission d’intensités élevées à des distances kilométriques, nous examinons la propagation non-linéaire de faisceaux d'Airy circulaires et montrons qu'une puissance laser de quelques dizaines de GW est suffisante pour ioniser l'air et former un filament court à une distance de 1 km, ce qui pourrait faciliter les conditions de fonctionnement du laser par rapport aux lasers de classe TW utilisés dans les solutions conventionnelles pour projeter des intensités élevées à ces distances.Dans une étude séparée, nous proposons une amélioration de l'algorithme d'analyse élémentaire du spectre LIBS. L’algorithme est appliqué à la détection en ligne de la teneur en KCl et H[dollar]_2[dollar]O dans les engrais potassiques par LIBS, dans lequel la modélisation de régression de corrélation des spectres LIBS est combinée à un algorithme d'apprentissage automatique qui extrait efficacement les informations liées aux changements de contenu élémentaire à partir des spectres en ligne complexes, ce qui améliore considérablement la vitesse de détection tout en garantissant la précision de la détection et renforce encore la compétitivité
The propagation of ultrashort and ultra-intense laser pulses in the atmosphere is increasingly studied.Precise control of the focusing of the laser field and the distribution of light filaments extending beyond the focus is required for many applications, such as the Mars exploration mission on the analysis of chemical elements using Laser Induced Breakdown Spectroscopy (LIBS), the analysis of the composition of air by Light Detection and Ranging (LIDAR) techniques, the triggering and guiding of electric discharges between clouds, or the generation of white light laser by filamentation. A quantitative control of the light pulse properties is very difficult due to the complex nonlinear interaction between the intense laser pulse and the medium. At present, commonly used methods rely on the parameter control of the initial laser output and the feedback of the field at the target position. The high-dimension of the parameter space and the high sensitivity of the results to the initial conditions make the adjustment of the laser field outside the laboratory difficult and inefficient to meet the requirements of practical applications.In this context, this thesis proposes an answer to some of the challenges of long-range femtosecond laser pulse propagation, based on laser pulse modulation scenarios that guarantee to reach an on-target laser field with the desired properties. These scenarios were obtained by combining reverse engineering methods and numerical simulations. We show that different target fields can be easily and efficiently achieved by modulating the laser output field. Whenever possible, the modulation is obtained by simulating the reverse propagation of the target field towards the laser.This thesis focuses on two different objectives of laser field control: the long-range projection in the air of (1) a filament of predefined length, and (2) high intensity.(1) To achieve the first objective, one of the innovations of this thesis consists in introducing a controllable intermediate Bessel-Gauss beam close to the target, and in using a numerical algorithm to propagate this electric field forward in order to obtain the distribution of the filaments at the target point as well as back-propagate the intermediate field to obtain the desired laser output. The obtained laser output parameters are then related to filament features (starting point, length, density), providing a map for the key parameters defining the modulated laser pulse that can be projected onto the desired target field and filament.(2) For the objective of transmitting high intensities at kilometric distances, we examine the nonlinear propagation of circular Airy beams and show that a laser power of a few tens of GW is sufficient to ionize the air and form a short filament at a distance of 1 km, which could facilitate laser operating conditions compared to TW-class lasers used in conventional solutions to project high intensities at these distances.In a separate study, we propose an improvement of the elemental analysis algorithm of LIBS spectrum. The algorithm is applied to the extit{in situ} online detection of KCl and H[dollar]_2[dollar]O content in potash fertilizer by LIBS, in which correlation regression modeling of LIBS spectra is combined with a machine learning algorithm that efficiently extracts the information related to elemental content changes from the complex online collected spectra, which greatly improves the detection speed while ensuring the detection accuracy and further enhances the competitiveness

Ce projet de thèse s’inscrit dans le cadre de l’enseignement du FOS (Français sur Objectifs Spécifiques) à des cuisiniers étrangers venus travailler dans des restaurants français ou ayant choisi la restauration comme spécialité. L’objectif de notre recherche est donc d’enseigner les phrasèmes NAdj du domaine culinaire auprès d’apprenants étrangers niveau A2. L’enseignement/apprentissage de la phraséologie s’avère nécessaire dans les langues de spécialités et la haute fréquence des phrasèmes NAdj a attiré notre attention. Plusieurs questions sont alors abordées : où trouver ce lexique spécifique ? Comment les extraire ? Par quelle approche enseignons-nous les phrasèmes sélectionnés ? Pour répondre à ces questions, nous avons fabriqué notre propre corpus Cuisitext – écrit et oral – puis nous avons utilisé NooJ pour extraire les phrasèmes NAdj du corpus. Enfin, nous avons proposé les trois approches d’utilisation des corpus pour l’enseignement/apprentissage des phrasèmes NAdj : approche inductive guidée, approche déductive, approche inductive pure
This thesis project aims to study the teaching method of FOS (French on Specific Objectives) catering to foreign cooks who come to work in French restaurants or who have chosen catering as a specialty. The objective of our research is therefore to teach the culinary NAdj phrasemas to foreign A2 level learners. The teaching/learning of phraseology is required in specialty languages and the high frequency of NAdj phrasems has caught our attention. Several questions are then addressed: where to find this specific lexicon? How to extract them? By which approach do we teach the selected phrasems? To answer these questions, we made our own corpus Cuisitext - written and oral - and then used NooJ to extract the NAdj phrasems from the corpus. Finally, we have proposed the three approaches to the use of corpora for the teaching/learning of NAdj phrasems: guided inductive approach, deductive approach, pure inductive approach