Literatura científica selecionada sobre o tema "Classification des noeuds"

En milieu montagneux et forestier, la localisation de la route et ses caractéristiques géométriques sont des informations cruciale pour de nombreuses applications écologiques et liées à la gestion forestière. Par ailleurs, le lidar aéroporté topographique est devenu une technique de télédétection reconnue pour la caractérisation fine de la surface terrestre : les Modèles Numériques de Terrain (MNT) en sont le produit standard.Cet article aborde le problème de la détection de routes sur de grandes surfaces (>1000 km2) dans de tels environnements. Pour cela, nous avons proposé une méthode fondée sur l’hypothèse que les routes peuvent être modélisées par des objets planaires suivant une direction privilégiée et avec de fortes variations du relief dans la direction orthogonale. La connaissance seule du MNT lidar à 1 m de résolution est suffisante dans notre processus, qui ne requiert donc pas le traitement supplémentaire des nuages de points 3D lidar ni de données à retour d’onde complète. L’intégralité de l’analyse se fait donc en deux dimensions. Tout d’abord, trois attributs morphologiques sont extraits du MNT et introduits dans une classification supervisée par Forêts Aléatoires des zones potentiellement "routes". Ensuite, un graphe est créé à partir de ce masque de focalisation afin de combler les éventuels manques et occlusions dus principalement à la végétation. En particulier, les noeuds sont sélectionnés avec un Processus Ponctuel, puis le graphe est élagué en suivant le modèle de route initial. Enfin, la largeur et la pente des routes sont estimées grâce au MNT avec une analyse orientée-objet. D’une part, on obtient une qualité de détection convaincante, tant au niveau de l’exhaustivité (>80%) que de la précision géométrique, supérieure à celle des bases de données topographiques 2D existantes. De plus, de nouvelles routes sont détectées grâce à la capacité du lidar à restituer le terrain sous le couvert végétal. Cependant, en présence d’un trop faible nombre de mesures lidar au niveau du sol, des routes peuvent ne pas être restituées. Enfin, nous montrons que notre méthode est adaptée à une analyse sur de grandes surfaces puisqu’elle permet des rendements de moins de 2 minutes par km2.

Abstract Introduction Excessive daytime sleepiness (EDS) frequently presents as a secondary symptom, but some experience EDS in the absence of an explanatory medical condition, psychiatric illness, sleep disorder, or medication/substance use. The neurobiology underlying unexplained EDS (uEDS) is poorly understood, which contributes to the existing limitations in uEDS classification, assessment, and treatment. This investigation was designed to identify potential neuroanatomical and neurofunctional correlates of uEDS. Methods Data were acquired from the open-access Stockholm Sleepy Brain (SSB) Project, which included either young (20–30 years old) or older (65–75 years old) adults. SSB criteria ruled out common EDS explanations. A uEDS sample (N = 18; Percentage Female = 33%; Percentage Young = 33%) was established using Epworth Sleepiness Scale (ESS) ≥ 11. Age-and-sex matched controls without EDS (noEDS) were identified. T1-weighted MRI and resting-state fMRI (rs-fMRI) data were compiled for each subject, as well as depression, anxiety, and global health self-ratings. Processing pipelines were performed on T1-weighted and rs-fMRI data. Neuroanatomical analyses compared groups using voxel-based morphometry and across gray matter (GM), white matter (WM), and cerebral spinal fluid volume. Threshold free cluster enhancement was used across all neuroanatomical comparisons. For neurofunctional analyses, seed-based connectivity analysis was performed with a seed placed in the left hemisphere of the medial prefrontal cortex (MNI coordinates: 2 -46 12). Fischer Z-transformed functional connectivity maps were compared across groups. Depression, anxiety, and global health scores were included as covariates and corrections were applied for multiple comparisons, across all analyses. Results Group characteristics were comparable, except for ESS. Significantly increased GM volume (middle occipital gyrus and precuneus) was associated with uEDS, relative to noEDS. Robust, bilateral increases in WM matter (thalamus, cerebellum, and middle frontal gyrus) were observed for uEDS, relative to noEDS. No significant group differences were observed in rs-fMRI. Conclusion Significant neuroanatomical alterations were associated with uEDS that included increases in both GM and WM. These findings converge on previous research associating anatomical differences within the default mode network with uEDS. Future research using more sensitive quantitative measures of WM is warranted. Support (if any) This project was supported by a National Institute Nursing Research grant (NR018288).

Objective - Accounting has been defined as the art of recording since it is trapped at a technical level. However, accounting as a symbol have different meanings for different people depending on one's interests, goals, knowledge, and perspectives. The aim of this study was to better understand the meaning of accounting in religious organizations, especially in pesantren (Indonesian Islamic boarding schools). Methodology/Technique - In the interpretive paradigm, this study uses Husserl's transcendental phenomenological theory. Data analysis begins with identifying noema (texture analysis), then obtaining noesis through bracketing (structural analysis). Furthermore, understanding the noema-noesis relationship results in deliberate analysis. Finally, the whole process of generating pure consciousness is called eidetic reduction. Findings - Each informant has a different meaning to accounting depending on individual experience. Beyond materialism, the meaning of accounting is fascinating. According to the findings of the study, accounting has two meanings: first, accounting is ikhlas (sincere), and second, accounting is a discipline. Novelty - Accounting will not be separated from theology and spirituality, especially accounting applied in religious organizations. Based on the experience of "I", accounting has a different meaning from conventional accounting. Type of Paper - Empirical. Keywords: Accounting; Interpretive; Pesantren; Transcendental Phenomenology. JEL Classification: M41, M49.

Les recherches menées au cours de cette thèse visent à améliorer la qualité de prédiction des structures secondaires d'ARN avec pseudo-nœuds par l'approche thermodynamique. Elles se sont focalisées sur ses deux composantes essentielles : le modèle d'énergie libre qui paramètre les repliements de l'ARN et l'algorithme qui propose les repliements les plus vraisemblables. Bien que la question du modèle d'énergie libre soit considérée comme close à l'heure actuelle, il m'est apparu nécessaire et possible de repenser la manière dont il est calibré. Le principe de TT2NE, un nouvel algorithme de prédiction, est également exposé. Son efficacité repose sur une nouvelle classification des pseudo-nœuds à l'aide du genre, un indice topologique dont j'illustre par ailleurs la pertinence par une analyse qualitative et quantitative des bases de données disponibles. Au final, sans être arrivé au terme de tous les développements possibles des travaux engagés, les résultats obtenus sont prometteurs et améliorent l'état de l'art de ce problème.

De nombreuses recherches ont constaté l'importance des molécules d'ARN, car ils jouent un rôle vital dans beaucoup de procédures moléculaires. Et il est accepté généralement que les structures des molécules d'ARN sont la clé de la découverte de leurs fonctions.Au cours de l'enquête de structures d'ARN, les chercheurs dépendent des méthodes bioinformatiques de plus en plus. Beaucoup de méthodes in silico de prédiction des structures secondaires d'ARN ont émergé dans cette grosse vague, y compris certains qui sont capables de prédire pseudonoeuds, un type particulier de structures secondaires d'ARN.Le but de ce travail est d'essayer de comparer les méthodes de l'état de l'art pour prédiction de pseudonoeud, et offrir aux collègues des idées sur le choix d’une méthode pratique pour la seule séquence donnée. En fait, beaucoup d'efforts ont été fait dans la prédiction des structures secondaires d'ARN parmi lesquelles le pseudonoeud les dernières décennies, contribuant à de nombreux programmes dans ce domaine. Certaines enjeux sont soulevées conséquemment. Comment est-elle la performance de chaque méthode, en particulier sur une classe de séquences d'ARN particulière? Quels sont leurs pour et contre? Que pout-on profiter des méthodes contemporaines si on veut développer de nouvelles? Cette thèse a la confiance dans l'enquête sur les réponses.Cette thèse porte sur très nombreuses comparaisons de la performance de prédire pseudonoeuds d'ARN par les méthodes disponibles. Une partie principale se concentre sur la prédiction de signaux de déphasage par deux méthodes principalement. La deuxième partie principale se concentre sur la prédiction de pseudonoeuds qui participent à des activités moléculaires beaucoup plus générale.Dans le détail, la deuxième partie du travail comprend 414 pseudonoeuds de Pseudobase et de la Protein Data Bank, ainsi que 15 méthodes dont 3 méthodes exactes et 12 heuristiques. Plus précisément, trois grandes catégories de mesures complexes sont introduites, qui divisent encore les 414 pseudonoeuds en une série de sous-classes respectivement.Les comparaisons se passent par comparer les prédictions de chaque méthode basée sur l'ensemble des 414 pseudonœuds, et les sous-ensembles qui sont classés par les deux mesures complexes et la longueur, le type de l'ARN et de l'organisme des pseudonœuds.Le résultat montre que les pseudo-noeuds portent une complexité relativement faible dans toutes les mesures. Et la performance des méthodes modernes varie de sous-classe à l’autre, mais diminue constamment lors que la complexité de pseudonoeuds augmente. Plus généralement, les méthodes heuristiques sont supérieurs globalement à celles exacts. Et les résultats de l'évaluation sensibles sont dépendants fortement de la qualité de structure de référence et le système d'évaluation. Enfin, cette partie du travail est fourni comme une référence en ligne pour la communauté bioinformatique
Lots of researches convey the importance of the RNA molecules, as they play vital roles in many molecular procedures. And it is commonly believed that the structures of the RNA molecules hold the key to the discovery of their functions.During the investigation of RNA structures, the researchers are dependent on the bioinformatical methods increasingly. Many in silico methods of predicting RNA secondary structures have emerged in this big wave, including some ones which are capable of predicting pseudoknots, a particular type of RNA secondary structures.The purpose of this dissertation is to try to compare the state-of-the-art methods predicting pseudoknots, and offer the colleagues some insights into how to choose a practical method for the given single sequence. In fact, lots of efforts have been done into the prediction of RNA secondary structures including pseudoknots during the last decades, contributing to many programs in this field. Some challenging questions are raised consequently. How about the performance of each method, especially on a particular class of RNA sequences? What are their advantages and disadvantages? What can we benefit from the contemporary methods if we want to develop new ones? This dissertation holds the confidence in the investigation of the answers.This dissertation carries out quite many comparisons of the performance of predicting RNA pseudoknots by the available methods. One main part focuses on the prediction of frameshifting signals by two methods principally. The second main part focuses on the prediction of pseudoknots which participate in much more general molecular activities.In detail, the second part of work includes 414 pseudoknots, from both the Pseudobase and the Protein Data Bank, and 15 methods including 3 exact methods and 12 heuristic ones. Specifically, three main categories of complexity measurements are introduced, which further divide the 414 pseudoknots into a series of subclasses respectively. The comparisons are carried out by comparing the predictions of each method based on the entire 414 pseudoknots, and the subsets which are classified by both the complexity measurements and the length, RNA type and organism of the pseudoknots.The result shows that the pseudoknots in nature hold a relatively low complexity in all measurements. And the performance of contemporary methods varies from subclass to subclass, but decreases consistently as the complexity of pseudoknots increases. More generally, the heuristic methods globally outperform the exact ones. And the susceptible assessment results are dependent strongly on the quality of the reference structures and the evaluation system. Last but not least, this part of work is provided as an on-line benchmark for the bioinformatics community

L'objectif principal de l'Apprentissage de Représentations sur Graphes est de plonger les nœuds dans un espace vectoriel de petite dimension. Dans cette thèse, nous abordons plusieurs enjeux dans le domaine. Tout d'abord, nous étudions comment exploiter l'existence de communautés structurelles locales inhérentes aux graphes tout en apprenant les représentations. Nous apprenons des représentations améliorées de la communauté en combinant les informations latentes avec les représentations. De plus, nous nous concentrons sur l'expressivité des représentations. Nous mettons l'accent sur les distributions de familles exponentielles pour saisir des modèles d'interaction riches. Nous proposons un modèle qui combine les marches aléatoires avec une matrice de factorisation sous forme de noyau. Dans la dernière partie de la thèse, nous étudions des modèles permettant un bon compromis entre efficacité et précision. Nous proposons un modèle évolutif qui calcule des représentations binaires
Graph Representation Learning aims to embed nodes in a low-dimensional space. In this thesis, we tackle various challenging problems arising in the field. Firstly, we study how to leverage the inherent local community structure of graphs while learning node representations. We learn enhanced community-aware representations by combining the latent information with the embeddings. Moreover, we concentrate on the expressive- ness of node representations. We emphasize exponential family distributions to capture rich interaction patterns. We propose a model that combines random walks with kernelized matrix factorization. In the last part of the thesis, we study models balancing the trade-off between efficiency and accuracy. We propose a scalable embedding model which computes binary node representations

Nous avons cherché à enrichir l'Analyse Relationnelle (développée par Marcotorchino et Michaud) de différents outils (algèbre relationnelle, logique multivalente, analyse et optimisation combinatoire). Cette approche nous a permis d'étendre l'AR et ses champs d'application. Outre les applications classiques (classification automatique et agrégation multicritère), nous nous sommes intéressés à la théorie du choix social et à la théorie des tresses. Les contributions que nous présentons sont : Définition d'un nouvel algorithme de classification automatique; Unification de certains indices de similarité, et critères d'association entre variables qualitatives et ordonnées; Définition d'une nouvelle méthode d'agrégation, fondée sur une règle majoritaire et des approches combinatoires (Poincaré et Jordan); Généralisation des résultats de Black, d'Inada et de Sen en théorie du choix social; Modélisation originale des mouvements des brins d'une tresse et applications.

Cette thèse de doctorat porte sur l’analyse de réseaux pondérés, graphes finis où chaque arête est associée à un poids représentant l’intensité de sa force. Nous introduisons une extension du modèle à blocs stochastiques (SBM) binaire, appelée modèle à blocs stochastiques binomial (bSBM). Cette question est motivée par l’étude des réseaux de co-citations dans un contexte de fouille de textes où les données sont représentées par un graphe. Les noeuds sont des mots et chaque arête joignant deux mots est pondérée par le nombre de documents inclus dans le corpus citant simultanément cette paire de mots. Nous développons une méthode d’inférence basée sur l’algorithme espérance maximisation variationnel (EMV) pour estimer les paramètres du modèle proposé ainsi que pour classifier les mots du réseau. Puis nous adoptons une méthode qui repose sur la maximisation d’un critère ICL (en anglais integrated classification likelihood) pour sélectionner le modèle optimal et le nombre de clusters. D’autre part, nous développons une approche variationnelle pour traiter le réseau et nous comparons les deux approches. Des applications à des données réelles sont adoptées pour montrer l’efficacité des deux méthodes ainsi que pour les comparer. Enfin, nous développons un SBM avec plusieurs attributs pour traiter les réseaux ayant des poids associés aux noeuds. Nous motivons cette méthode par une application qui vise au développement d’un outil d’aide à la spécification de différents traitements cognitifs réalisés par le cerveau lors de la préparation à l’écriture
This PhD thesis focuses on the analysis of weighted networks, where each edge is associated to a weight representing its strength. We introduce an extension of the binary stochastic block model (SBM), called binomial stochastic block model (bSBM). This question is motivated by the study of co-citation networks in a context of text mining where data is represented by a graph. Nodes are words and each edge joining two words is weighted by the number of documents included in the corpus simultaneously citing this pair of words. We develop an inference method based on a variational maximization algorithm (VEM) to estimate the parameters of the modelas well as to classify the words of the network. Then, we adopt a method based on maximizing an integrated classification likelihood (ICL) criterion to select the optimal model and the number of clusters. Otherwise, we develop a variational approach to analyze the given network. Then we compare the two approaches. Applications based on real data are adopted to show the effectiveness of the two methods as well as to compare them. Finally, we develop a SBM model with several attributes to deal with node-weighted networks. We motivate this approach by an application that aims at the development of a tool to help the specification of different cognitive treatments performed by the brain during the preparation of the writing

J'ai principalement étudié la classification des champs de vecteurs holomorphes Z , ayant une singularité isolée en (0,0) de type noeud-col, sous l'action des changements de coordonnées holomorphes locaux. On montre comment celle-ci se réduit à l'étude de deux équations homologiques, une pour la classification du feuilletage sous-jacent et l'autre pour la classification du flot à feuilletage fixé. On complète ainsi les invariants fonctionnels dégagés par Martinet/Ramis pour les feuilletages. Les invariants de classification expriment les obstructions à l'existence d'une fonction holomorphe F solution d'une équation du type Z(F)=G . En intégrant le second membre selon des chemins tangents à Z , on localise ces obstructions dans la non-nullité de certaines intégrales le long de cycles asymptotiques. Cette approche géométrique se distingue des méthodes utilisées par Meshcheryakova/Voronin pour obtenir indépendament et à la même époque un résultat similaire, en particulier puisqu'elle permet de donner une représentation intégrale "naturelle" aux invariants de Martinet/Ramis. En estimant ces quantités on dégage finalement de nombreuses classes explicites de champs (et d'équations différentielles) mutuellement non conjugué(e)s, alors que dans d'autre cas on peut donner des formes normales.

Nous étudions les champs de vecteurs holomorphes au voisinage de l'origine du plan complexe bi-dimensionnel, ayant en ce point une singularité isolée de type noeud-col. Premièrement, nous analysons leur action comme dérivation sur les séries formelles: l'équation homologique correspond à la recherche des primitives. Nous montrons le caractère Gevrey des solutions de l'équation à second membre convergent. Les obstructions à la convergence se lisent dans la topologie asymptotique du feuilletage sous-jacent. Ensuite nous caractérisons les champs mutuellement conjugués par un changement de coordonnées (formel ou local). La construction des changements de coordonnées se réduit à deux équations homologiques. Les invariants de classification sont alors mis en correspondance univoque avec les obstructions de nature homologiques dégagées ci-avant, complétant effectivement les travaux de Martinet et Ramis pour la classification des feuilletages.