Дисертації: "Prédiction temporelle"

1

Hadjoudja, Abdelkader. "Macrogénération et prédiction temporelle sur les réseaux programmables CPLD." Grenoble INPG, 1997. http://www.theses.fr/1997INPG0177.

Повний текст джерела

Анотація:

Cette these a essentiellement consiste a etudier la synthese et la generation de macros sur les cibles programmables hierarchique de type cpld. Cette etude porte surtout sur les operateurs arithmetiques de base (additionneurs, comparateur,. . . ). Il s'agit de choisir les architectures appropriees, de generer des equations parametrees, de mettre en place une optimisation utilisant au maximum les ressources specifiques des produits recents de ces composants (mach5 de vantis, et atf1500 d'atmel). Une facette importante de ce travail a concerne les predictions et evaluations temporelles incluant le lien entre l'optimisation et le plan de masse lors de l'implantation physique sur ces composants. Les resultats sont particulierement originaux.

Стилі APA, Harvard, Vancouver, ISO та ін.

2

Deregnaucourt, Thomas. "Prédiction spatio-temporelle de surfaces issues de l'imagerie en utilisant des processus stochastiques." Thesis, Université Clermont Auvergne‎ (2017-2020), 2019. http://www.theses.fr/2019CLFAC088.

Повний текст джерела

Анотація:

La prédiction de surface est désormais une problématique importante dans de multiples domaines, tels que la vision par ordinateur, la simulation d'avatars en cinématographie ou dans les jeux vidéo, etc. Une surface pouvant être statique ou dynamique, c'est-à-dire évoluant dans le temps, le problème peut être séparé en deux catégories : un problème de prédiction spatial et un problème de prédiction spatio-temporel. Afin de proposer une nouvelle approche à chacune de ces problématiques, ce travail de thèse a été séparé en deux parties.Nous avons d'abord cherché à prédire une surface statique, qui est supposée cylindrique, en la connaissant partiellement sous la forme de courbes. L'approche que nous avons proposée consiste à déformer un cylindre sur les courbes connues afin de reconstruire la surface d'intérêt. Tout d'abord, une correspondance entre les courbes connues et le cylindre est générée à l'aide d'outils d'analyse de forme. Une fois cette étape effectuée, une interpolation du champ de déformation, qui a été supposé gaussien, a été estimée en se basant sur le maximum de vraisemblance d'une part, et par inférence bayésienne d'autre part. La méthodologie a par la suite été appliquée à des données réelles provenant de deux domaines de l'imagerie : l'imagerie médicale et l'infographie. Les divers résultats obtenus montrent que la méthode proposée surpasse les méthodes existantes dans la littérature, avec de meilleurs résultats en utilisant l'inférence bayésienne.Dans un second temps, nous nous sommes intéressés à la prédiction spatio-temporelle de surfaces dynamiques. L'objectif était de prédire entièrement une surface dynamique à partir de sa surface initiale. La prédiction nécessitant une phase d'apprentissage à partir d'observations connues, nous avons tout d'abord développé un outil d'analyse spatio-temporel de surfaces. Cette analyse se base sur des outils d'analyse de forme, et permet un meilleur apprentissage pour la prédiction. Une fois cette étape préliminaire effectuée, nous avons estimé la déformation temporelle de la surface dynamique à prédire. Plus précisément, une adaptation, applicable sur l'espace des surfaces, des estimateurs couramment utilisés en statistique a été utilisée. En appliquant la déformation estimée sur la surface initiale, une estimation de la surface dynamique a ainsi été créée. Cette méthodologie a par la suite été utilisée pour prédire des expressions 4D du visage, ce qui permet de générer des expressions visuellement convaincantes
The prediction of a surface is now an important problem due to its use in multiple domains, such as computer vision, the simulation of avatars for cinematography or video games, etc. Since a surface can be static or dynamic, i.e. evolving with time, this problem can be separated in two classes: a spatial prediction problem and a spatio-temporal one. In order to propose a new approach for each of these problems, this thesis works have been separated in two parts.First of all, we have searched to predict a static surface, which is supposed cylindrical, knowing it partially from curves. The proposed approach consisted in deforming a cylinder on the known curves in order to reconstruct the surface of interest. First, a correspondence between known curves and the cylinder is generated with the help of shape analysis tools. Once this step done, an interpolation of the deformation field, which is supposed Gaussian, have been estimated using maximum likelihood and Bayesian inference. This methodology has then been applied to real data from two domains of imaging: medical imaging and infography. The obtained results show that the proposed approach exceeds the existing methods in the literature, with better results using Bayesian inference.In a second hand, we have been interested in the spatio-temporal prediction of dynamic surfaces. The objective was to predict a dynamic surface based on its initial surface. Since the prediction needs to learn on known observations, we first have developed a spatio-temporal surface analysis tool. This analysis is based on shape analysis tools, and allows a better learning. Once this preliminary step done, we have estimated the temporal deformation of the dynamic surface of interest. More precisely, an adaptation, with is usable on the space of surfaces, of usual statistical estimators has been used. Using this estimated deformation on the initial surface, an estimation of the dynamic surface has been created. This process has then been applied for predicting 4D expressions of faces, which allow us to generate visually convincing expressions

Стилі APA, Harvard, Vancouver, ISO та ін.

3

Langlois, Sébastien. "Prédiction des vibrations éoliennes d'un système conducteur-amortisseur avec une méthode temporelle non linéaire." Thèse, Université de Sherbrooke, 2013. http://hdl.handle.net/11143/6133.

Повний текст джерела

Анотація:

Les vibrations éoliennes sont la cause principale de bris de conducteurs en fatigue des lignes aériennes de transport d'énergie électrique. Ces vibrations sont dues à des détachements tourbillonnaires produits dans le sillage du conducteur. Une méthode commune de réduction des vibrations est l'ajout d'amortisseurs de vibrations près des pinces de suspension. Contrairement aux essais en ligne expérimentale, la modélisation numérique permet d'évaluer rapidement et à faible coût la performance d'un amortisseur de vibration sur une portée de ligne aérienne. La technologie la plus fréquemment utilisée fait appel au principe de balance d'énergie (PBE) en évaluant le niveau de vibrations pour lequel la puissance injectée par le vent est égale à la puissance dissipée par le conducteur et l'amortisseur. Les méthodes actuelles pour la prédiction des vibrations reposent sur des hypothèses simplificatrices quant à la modélisation de l'interaction conducteur-amortisseur. Une approche prometteuse pour la prédiction des vibrations est l'utilisation d'un modèle numérique temporel non linéaire qui permet de mieux représenter la masse, la géométrie, la rigidité et l'amortissement du système. L'objectif principal de ce projet de recherche est de développer un modèle numérique avec intégration temporelle directe d'un conducteur et d'un amortisseur en vibration permettant de reproduire le comportement dynamique du système pour la gamme de fréquence et d'amplitude typique des vibrations éoliennes des conducteurs. Un modèle par éléments finis d'un conducteur seul en vibration résolu par intégration temporelle directe a d'abord été développé en considérant une rigidité de flexion variable. Comme une rigidité de flexion constante et égale à 50% de la rigidité de flexion maximale théorique ( EImax ) est jugée adéquate pour la modélisation du conducteur, c'est cette valeur qui a été utilisée pour la suite du projet. Ensuite, des modèles non-linéaires pour deux types d'amortisseur de vibrations (Stockbridge et Hydro-Québec) ont été développés. Ces modèles reproduisent adéquatement le comportement dynamique des amortisseurs pour une grande gamme de fréquences et d'amplitudes de déplacement. Finalement, les modèles d'amortisseur ont été intégrés au modèle de conducteur et uil nouvel outil de prédiction de vibrations éoliennes basé sur le principe de balance d'énergie (PBE) a été développé. Celui-ci permet de bien reproduire des àmplitudes de vibration mesurées sur une ligne expérimentale, en particulier dans la gamme 8 à 35 Hz. À plus long terme, un tel modèle pourrait servir de point de départ vers une modélisation temporelle complète du phénomène de vibrations éoliennes des conducteurs incluant l'excitation éolienne, l'auto-amortissement des conducteurs et des conditions limites réalistes pour les lignes aériennes.

Стилі APA, Harvard, Vancouver, ISO та ін.

4

Arrouet, Alana. "Exploration de la prédiction temporelle associée à la motricité chez les individus neurotypiques et neuro-atypiques." Electronic Thesis or Diss., Strasbourg, 2024. http://www.theses.fr/2024STRAJ067.

Повний текст джерела

Анотація:

L’objectif de la thèse était d’explorer l’impact de la prédiction temporelle sur la planification et l’exécution de mouvements. Nous avons utilisé des tâches où les participants arrêtaient un mouvement de l’index en réponse à un signal prédictible et étudié comment cette prédiction influençait la préparation et l'exécution de l'arrêt. Chez les neurotypiques, nos résultats ont révélé plusieurs prédictions temporelles opérant simultanément : une prédiction liée à la commande motrice influençant la préparation, une prédiction sensorimotrice affectant l'exécution et une prédiction indépendante de la commande motrice reflétant une attente cognitive. La prédiction temporelle sensorimotrice évolue avec le développement et semble altérée chez les individus à haut risque génétique de conversion psychotique. Chez les individus atteints de schizophrénie, des résultats préliminaires suggèrent que la réalisation d’un mouvement pourrait rétablir les capacités de prédiction temporelle. Cette thèse apporte des connaissances sur l’intégration des prédictions temporelles au programme moteur et questionne les mécanismes de l’intégration sensorimotrice
The aim of this thesis was to explore the impact of temporal prediction on movement planning and execution. We used motor tasks in which participants stopped an index finger movement in response to a predictable target signal and examined how this prediction influenced both movement preparation and stopping execution. In neurotypical individuals, our findings revealed multiple temporal prediction mechanisms operating simultaneously: one linked to motor commands affecting preparation, a sensorimotor prediction influencing execution, and an independent prediction reflecting cognitive anticipation. Sensorimotor temporal prediction evolves with development and appears to be impaired in individuals at high genetic risk of psychotic conversion. In people with schizophrenia, preliminary findings suggest that performing a movement may help restore temporal prediction abilities. This thesis provides insights into how temporal predictions are integrated into motor programs and raises questions about the mechanisms underlying sensorimotor integration

Стилі APA, Harvard, Vancouver, ISO та ін.

5

Lajugie, Rémi. "Prédiction structurée pour l’analyse de données séquentielles." Thesis, Paris, Ecole normale supérieure, 2015. http://www.theses.fr/2015ENSU0024/document.

Повний текст джерела

Анотація:

Dans cette thèse nous nous intéressons à des problèmes d’apprentissage automatique dans le cadre de sorties structurées avec une structure séquentielle. D’une part, nous considérons le problème de l’apprentissage de mesure de similarité pour deux tâches : (i) la détection de rupture dans des signaux multivariés et (ii) le problème de déformation temporelle entre paires de signaux. Les méthodes généralement utilisées pour résoudre ces deux problèmes dépendent fortement d’une mesure de similarité. Nous apprenons une mesure de similarité à partir de données totalement étiquetées. Nous présentons des algorithmes usuels de prédiction structuré, efficaces pour effectuer l’apprentissage. Nous validons notre approche sur des données réelles venant de divers domaines. D’autre part, nous nous intéressons au problème de la faible supervision pour la tâche d’alignement d’un enregistrement audio sur la partition jouée. Nous considérons la partition comme une représentation symbolique donnant (i) une information complète sur l’ordre des symboles et (ii) une information approximative sur la forme de l’alignement attendu. Nous apprenons un classifieur pour chaque symbole avec ces informations. Nous développons une méthode d’apprentissage fondée sur l’optimisation d’une fonction convexe. Nous démontrons la validité de l’approche sur des données musicales
In this manuscript, we consider structured machine learning problems and consider more precisely the ones involving sequential structure. In a first part, we consider the problem of similarity measure learning for two tasks where sequential structure is at stake: (i) the multivariate change-point detection and (ii) the time warping of pairs of time series. The methods generally used to solve these tasks rely on a similarity measure to compare timestamps. We propose to learn a similarity measure from fully labelled data, i.e., signals already segmented or pairs of signals for which the optimal time warping is known. Using standard structured prediction methods, we present algorithmically efficient ways for learning. We propose to use loss functions specifically designed for the tasks. We validate our approach on real-world data. In a second part, we focus on the problem of weak supervision, in which sequential data are not totally labeled. We focus on the problem of aligning an audio recording with its score. We consider the score as a symbolic representation giving: (i) a complete information about the order of events or notes played and (ii) an approximate idea about the expected shape of the alignment. We propose to learn a classifier for each note using this information. Our learning problem is based onthe optimization of a convex function that takes advantage of the weak supervision and of the sequential structure of data. Our approach is validated through experiments on the task of audio-to-score on real musical data

Стилі APA, Harvard, Vancouver, ISO та ін.

6

Jiga-Boy, Gabriela-Maria. "Adaptative thinking about the future : temporal construal, health-related behaviour and perceived temporal distance." Grenoble 2, 2008. http://www.theses.fr/2008GRE29032.

Повний текст джерела

Анотація:

Cette thèse analyse le contraste entre l'importance d'être "orienté(e) vers le futur" et la qualité de nos pensées relatives au futur. Nous explorons les bases théoriques et apportons des preuves empiriques soutenant la valeur adaptative de l'orientation vers le futur et ses liens avec la motivation (Chapitre I). Notre démarche s'appuie sur la théorie des niveaux de représentation (Liberman & Trope, 1998). Nous avons d’abord répliqué le pattern de relation entre distance temporelle vers événements futurs et abstraction des représentations mentales (Chapitre II). Ensuite, nous avons tenté de répliquer ce pattern pour des comportements relatifs à la santé et montré qu'on se représente ces comportements de façon plus concrète ou plus abstraite indépendamment du moment où ils auront lieu. Ces résultats contradictoires ont motivé notre démarche d'explorer la nature des représentations cognitives des événements futurs (Chapitre III). Les individus se représentent des événements futurs en fonction de leur pertinence, des motivations, ou des actions dans lesquelles les individus sont impliqués. Nous avons aussi analysé la contribution des représentations futures aux prédictions futures trop confiantes. Pour finir, nous avons situé nos actions dans le temps et exploré comment on perçoit la distance temporelle vers événements futurs (Chapitre IV) : plus une tâche future demande de l’effort, plus tôt on perçoit le moment où elle a lieu. Globalement, cette thèse contribue à éclaircir la façon dont les individus situent leurs actions dans le temps et se représentent les actions futures. Plus généralement, ils offrent un regard sur nos capacités à anticiper le futur
This thesis investigated a "functional paradox" between the importance we ascribe to being future-oriented in order to function efficiently and the quality of our future outlooks. The underlying processes signal that one is most of the time wrong when predicting future behaviours. We explored the way individuals construe future events and act on the basis of these representations (Chapter I). Drawing on construal level theory (Liberman & Trope, 1998), we first replicated the relationship between temporal distance and concrete/abstract construal of future events (Chapter II). Next, we failed to characterize construal of health-related behaviour using this pattern. These events were construed more concretely/abstractly irrespective of temporal distance of their enactment. We further investigated the factors shaping construal level and found that it varies with the personal relevance of information, the individual’s goals, and the goal-related actions he (she) is engaged in (Chapter III). Finally, in order to situate our actions in time, we explored how individuals perceive temporal distance to future events (Chapter IV). We found that effort to be invested in a future event shapes the perception of when the event happens: more effortful events are felt to be happening earlier than less effortful events. Overall, the findings reported in this thesis bring information about what underlies our future outlooks. They suggest that the way we represent our future actions is grounded in their personal context – in other words that our interests, motivations, and actions' personal relevancies shape the concreteness of our future actions’ construal

Стилі APA, Harvard, Vancouver, ISO та ін.

7

Hafid, Mohamed. "Prédiction par transfert inverse de l'évolution temporelle du front de solidification : applications aux réacteurs métallurgiques et à la cryochirurgie." Thèse, Université de Sherbrooke, 2017. http://hdl.handle.net/11143/10581.

Повний текст джерела

Анотація:

Ce projet de recherche porte sur deux problématiques différentes, cependant, elles partagent les mêmes phénomènes physiques. Il s’agit de la prédiction inverse de l’évolution temporelle du front de solidification : (1) dans les réacteurs métallurgiques à haute température et (2) dans les tissus vivants pendant la cryochirurgie. Problématique #1 : Afin de réduire l’érosion et l’agression chimique des parois internes de briques réfractaires par la matière en fusion au sein des réacteurs métallurgiques, on laisse croître par changement de phase solide/liquide une couche protectrice sur leur surface interne. Cette couche joue un rôle extrêmement important, car elle assure l’intégrité de l’installation et prolonge sa durée de vie. Toutefois, une couche protectrice trop épaisse réduit le volume utile de réacteur et diminue ainsi la production industrielle. Le défi, pour l’industriel, consiste alors à exploiter ces réacteurs tout en maintenant une couche dont l’épaisseur est optimale. L’environnement hostile qui règne au cœur du réacteur interdit toutefois les mesures directes. Les sondes qu’on y plonge sont détruites. Pour remédier à ce problème, l’industriel recourt à la simulation numérique et, plus récemment, à une approche par transfert inverse. Cette thèse présente une procédure inverse de transfert de chaleur qui permet, à partir des mesures de température non invasives provenant d’un thermocouple situé dans les parois extérieures de briques, de prédire simultanément les paramètres thermiques inconnus ainsi que l’épaisseur de la couche protectrice au sein des réacteurs métallurgiques. La technique inverse repose sur la méthode de Levenberg-Marquardt (LMM) combinée avec la méthode de Broyden (BM). La Problématique #2 aborde quant à elle la cryochirurgie. C’est une technique récente, peu invasive, qui utilise le froid extrême pour détruire les tissus indésirables tels que les tumeurs. Elle s’adresse donc à des tumeurs internes et externes. L’objectif de la cryochirurgie est de détruire les tumeurs tout en minimisant les dommages des tissus sains adjacents. La fiabilité de cette technique dépend d'un certain nombre de paramètres thermiques tels que la température de la cryosonde, les propriétés thermiques des tissus, la durée de congélation, etc. Pour y parvenir, des méthodes expérimentales et numériques ont été développées. Cependant, chaque méthode a ses propres limites. En effet, le problème majeur est associé à la méconnaissance de certains paramètres thermiques, ce qui rend l’analyse de la transmission dans les tissus biologiques difficile. Pour pallier ces limites et améliorer la technique de cryochirurgie, une approche novatrice est retenue : il s’agit du transfert de chaleur inverse. À partir de mesures thermiques de températures provenant d’un thermocouple implanté dans la tumeur, cette approche permet de prédire les paramètres inconnus tels que la perfusion sanguine et, ensuite, de déterminer l’évolution temporelle de l’interface de congélation et la distribution de la température dans le tissu.

Стилі APA, Harvard, Vancouver, ISO та ін.

8

Bossavy, Arthur. "Caractérisation et prédiction probabiliste des variations brusques et importantes de la production éolienne." Phd thesis, Ecole Nationale Supérieure des Mines de Paris, 2012. http://pastel.archives-ouvertes.fr/pastel-00803234.

Повний текст джерела

Анотація:

L'énergie éolienne est aujourd'hui la source d'énergie renouvelable en plus forte expansion. Le caractère variable et partiellement contrôlable de sa production complexifie la gestion du système électrique. L'utilisation dans divers processus de décision, de prédictions du niveau de production à des horizons de 2-3 jours, permet une meilleure intégration de cette ressource. Certaines situations donnent néanmoins lieu à des performances de prédiction insatisfaisantes. Des erreurs dans la prédiction de l'instant d'apparition de variations brusques et importantes de la production, peuvent être responsables d'importants déséquilibres énergétiques, et avoir un impact négatif sur la gestion du système électrique. L'objectif de cette thèse est de proposer des approches permettant d'une part de caractériser ces variations, et d'autre part de prédire et d'estimer l'incertitude dans l'instant de leur apparition. Dans un premier temps, nous étudions différentes formes de caractérisation de ces variations. Nous proposons un modèle de rupture permettant de représenter le caractère aléatoire dans la proximité des ruptures d'un signal, tout en tenant compte des aspects borné et non-stationnaire du processus de production. A partir de simulations issues de ce modèle, nous réalisons une étude paramétrique destinée à évaluer et comparer les performances de différents filtres et approches multi-échelles de détection. Dans un deuxième temps, nous proposons une approche de prédiction probabiliste de l'instant d'apparition d'une rupture, reposant sur l'utilisation de prévisions météorologiques ensemblistes. Leur conversion en puissance fournit différents scénarii de la production, à partir desquels sont agrégées les prédictions de l'instant d'apparition d'une rupture. L'incertitude associée est représentée à l'aide d'intervalles de confiance temporels et de probabilités estimées conditionnellement. Nous évaluons la fiabilité et la finesse de ces estimations sur la base de mesures de production provenant de différentes fermes éoliennes.

Стилі APA, Harvard, Vancouver, ISO та ін.

9

Behlouli, Hassan. "Apprentissages auto-améliorants et modélisation de la dynamique temporelle de données évolutives par réseaux de neurones : application au diagnostic et la prédiction en électrocardiologie quantitative." Lyon, INSA, 1998. http://www.theses.fr/1998ISAL0034.

Повний текст джерела

Анотація:

Nous présentons dans ce mémoire diverses méthodologies visant à améliorer le SUIVI décisionnel de patients et leur validation dans le domaine de l'électrocardiologie quantitative. Dans une première partie, nous proposons une extension au classique modèle d'apprentissage avec professeur de la Reconnaissance de Formes en introduisant le concept d'apprentissage auto-améliorant basé sur l'extraction de connaissances à partir de bases de données non documentées. Ensuite nous appliquons ce concept au cas particulier de l'apprentissage supervisé par réseaux de neurones et nous proposons une méthodologie d'apprentissage auto améliorant intégrant itérativement dans l'ensemble d'apprentissage de départ des données non expertisées extraites de bases de données non validées par des experts. Cette méthode fait intervenir les concepts de combinaison de réseaux de neurones, la notion de rejet de cas ambigus et le contrôle du processus d'apprentissage par validation croisée. Appliquée au classement de pathologies cardiaques, nous montrons que, dans la plupart des cas, une amélioration des performances des classifieurs est observée. Dans une deuxième partie, nous avons mis au point une méthodologie à base de réseaux de neurones pour modéliser le comportement dynamique du cœur, en particulier pour prédire un des principaux descripteurs de la repolarisation ventriculaire, l'intervalle QT, en fonction de RR, l'inverse de la fréquence cardiaque. Une première évaluation sur des séquences l'Electrocardiogrammes 3D (ECG-3D) enregistrés en continu sur 24 heures a permis de démontrer la pertinence des modèles élaborés et d'étudier le rôle de différents paramètres (notamment l'effet mémoire et le niveau de bruit) sur la qualité de prédiction des modèles. Enfin, ce travail s'est concrétisé par une série d'outils d'analyse et de traitement génériques que nous avons intégrés dans l'environnement MATIS (MAthematical Tools Integration Software), système qui est l'un des pivots de la future station de travail du chercheur cardiologue
We present various methodologies to improve decision making on follow-up patient data and their validation in the field of quantitative electrocardiology. First, we propose an extension to the classical Pattern Recognition supervised learning model by introducing a self-improving concept based on information min. Ing from undocumented datasets. Then we apply this concept to the particular case of neural networks based supervised learning and we propose a self-improving learning methodology integrating iteratively, in the initial learning set, undocumented data that are extracted from databases not validated by experts. This method involves different concepts such as neural network combination, rejection of ambiguous cases and control of the learning process by cross-validation. Using this approach for the categorisation of cardiac diseases we could significantly improve the performance of the original classifiers. Secondly, we developed a methodology based on neural networks to model the dynamic behavior of the heart particularly for predicting one of the main descriptors of the ventricular repolarisation, i. E. : the QT interval as a function of the RR interval that represents the inverse of heart rate. An initial evaluation on a series of sequences of 30 electrocardiograms (3D ECG) continuously '1 recorded over 24 hours allowed to demonstrate the pertinence of the models and to study the ray of some parameters (e. G. Memory effect and noise level) on the prediction quality of this model We conclude by presenting another outcome of our work, a series of generic analysis processing tool s that were integrated into the MATIS environment (Mathematical Tools Integration Software), which is a fundamental building black for the future workstation of the research cardiologist

Стилі APA, Harvard, Vancouver, ISO та ін.

10

Idir, Mohamed Yacine. "Analyse et développement de modèles statistiques pour l'estimation et la prédiction spatiale et temporelle de la pollution atmosphérique à partir de données issues de capteurs mobiles." Electronic Thesis or Diss., université Paris-Saclay, 2023. http://www.theses.fr/2023UPASG107.

Повний текст джерела

Анотація:

La pollution atmosphérique urbaine, fléau mondial causant des millions de décès par an, rend les cartographies précises de ce phénomène non seulement pertinente mais vitale pour la santé publique.Actuellement, la surveillance de la qualité de l'air est assurée par des stations fixes de surveillance de la qualité de l'air. Ces stations de référence fournissent une mesure très précise de la qualité de l'air au prix d'une couverture spatiale limitée.L'idée d'utiliser de nouveaux capteurs à faible coût développés à partir de récentes avancées technologiques, plus petits, intégrant un système de positionnement global (GPS) a rapidement émergée. Les scientifiques disposent ainsi d'outils supplémentaires pour affiner les cartes spatio-temporelles de la pollution atmosphérique et créer de nouveaux ensembles de données fournissant des informations sur la qualité de l'air qui n'étaient pas disponibles auparavant.La génération de cartographies précises de la qualité de l'air à l'aide de ces capteurs bas coût présente plusieurs défis majeurs. Ces défis sont principalement liés à la nature du phénomène étudié, à la précision et au volume des données.Compte tenu de ces difficultés, il est essentiel de savoir comment combiner toutes ces sources de données floues pour obtenir une image claire de la pollution urbaine.C'est dans ce contexte que s'inscrit cette thèse dont le but est l'analyse et le développement de modèles statistiques qui exploitent les données acquises par des capteurs mobiles bas coût. Elle contribue à l'objectif de fournir des estimations et des prévisions spatiales et temporelles plus précises de la pollution de l'air urbain, en combinant modèles mathématiques et avancées technologiques
Urban air pollution, a global health crisis causing millions of deaths every year, makes accurate mapping of this phenomenon not only relevant, but vital to public health.Currently, air quality is measured by fixed air quality monitoring stations. These reference stations provide a highly accurate measure of air quality, at the cost of limited spatial coverage.The idea of using new low-cost sensors developed from recent technological advances, smaller in size and incorporating a global positioning system (GPS), quickly emerged. This gives scientists additional tools to refine spatio-temporal maps of air pollution and create new datasets providing information on air quality that was previously unavailable.Generating precise air quality maps using these low-cost sensors presents several major challenges. These challenges are mainly related to the nature of the phenomenon being studied, and to the accuracy and volume of the data.Given these difficulties, it is important to know how to combine all these fuzzy data sources to obtain a clear picture of urban pollution.The aim of this thesis is to analyze and develop statistical models that exploit data acquired by low-cost mobile sensors. It contributes to the objective of providing more accurate spatial and temporal estimates and forecasts of urban air pollution, by combining mathematical models and technological advances

Стилі APA, Harvard, Vancouver, ISO та ін.

11

Faye, Papa Abdoulaye. "Planification et analyse de données spatio-temporelles." Thesis, Clermont-Ferrand 2, 2015. http://www.theses.fr/2015CLF22638/document.

Повний текст джерела

Анотація:

La Modélisation spatio-temporelle permet la prédiction d’une variable régionalisée à des sites non observés du domaine d’étude, basée sur l’observation de cette variable en quelques sites du domaine à différents temps t donnés. Dans cette thèse, l’approche que nous avons proposé consiste à coupler des modèles numériques et statistiques. En effet en privilégiant l’approche bayésienne nous avons combiné les différentes sources d’information : l’information spatiale apportée par les observations, l’information temporelle apportée par la boîte noire ainsi que l’information a priori connue du phénomène. Ce qui permet une meilleure prédiction et une bonne quantification de l’incertitude sur la prédiction. Nous avons aussi proposé un nouveau critère d’optimalité de plans d’expérience incorporant d’une part le contrôle de l’incertitude en chaque point du domaine et d’autre part la valeur espérée du phénomène
Spatio-temporal modeling allows to make the prediction of a regionalized variable at unobserved points of a given field, based on the observations of this variable at some points of field at different times. In this thesis, we proposed a approach which combine numerical and statistical models. Indeed by using the Bayesian methods we combined the different sources of information : spatial information provided by the observations, temporal information provided by the black-box and the prior information on the phenomenon of interest. This approach allowed us to have a good prediction of the variable of interest and a good quantification of incertitude on this prediction. We also proposed a new method to construct experimental design by establishing a optimality criterion based on the uncertainty and the expected value of the phenomenon

Стилі APA, Harvard, Vancouver, ISO та ін.

12

Hmamouche, Youssef. "Prédiction des séries temporelles larges." Electronic Thesis or Diss., Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Повний текст джерела

Анотація:

De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment

Стилі APA, Harvard, Vancouver, ISO та ін.

13

Hmamouche, Youssef. "Prédiction des séries temporelles larges." Thesis, Aix-Marseille, 2018. http://www.theses.fr/2018AIXM0480.

Повний текст джерела

Анотація:

De nos jours, les systèmes modernes sont censés stocker et traiter des séries temporelles massives. Comme le nombre de variables observées augmente très rapidement, leur prédiction devient de plus en plus compliquée, et l’utilisation de toutes les variables pose des problèmes pour les modèles classiques.Les modèles de prédiction sans facteurs externes sont parmi les premiers modèles de prédiction. En vue d’améliorer la précision des prédictions, l’utilisation de multiples variables est devenue commune. Ainsi, les modèles qui tiennent en compte des facteurs externes, ou bien les modèles multivariés, apparaissent, et deviennent de plus en plus utilisés car ils prennent en compte plus d’informations.Avec l’augmentation des données liées entre eux, l’application des modèles multivariés devient aussi discutable. Le challenge dans cette situation est de trouver les facteurs les plus pertinents parmi l’ensemble des données disponibles par rapport à une variable cible.Dans cette thèse, nous étudions ce problème en présentant une analyse détaillée des approches proposées dans la littérature. Nous abordons le problème de réduction et de prédiction des données massives. Nous discutons également ces approches dans le contexte du Big Data.Ensuite, nous présentons une méthodologie complète pour la prédiction des séries temporelles larges. Nous étendons également cette méthodologie aux données très larges via le calcul distribué et le parallélisme avec une implémentation du processus de prédiction proposé dans l’environnement Hadoop/Spark
Nowadays, storage and data processing systems are supposed to store and process large time series. As the number of variables observed increases very rapidly, their prediction becomes more and more complicated, and the use of all the variables poses problems for classical prediction models.Univariate prediction models are among the first models of prediction. To improve these models, the use of multiple variables has become common. Thus, multivariate models and become more and more used because they consider more information.With the increase of data related to each other, the application of multivariate models is also questionable. Because the use of all existing information does not necessarily lead to the best predictions. Therefore, the challenge in this situation is to find the most relevant factors among all available data relative to a target variable.In this thesis, we study this problem by presenting a detailed analysis of the proposed approaches in the literature. We address the problem of prediction and size reduction of massive data. We also discuss these approaches in the context of Big Data.The proposed approaches show promising and very competitive results compared to well-known algorithms, and lead to an improvement in the accuracy of the predictions on the data used.Then, we present our contributions, and propose a complete methodology for the prediction of wide time series. We also extend this methodology to big data via distributed computing and parallelism with an implementation of the prediction process proposed in the Hadoop / Spark environment

Стилі APA, Harvard, Vancouver, ISO та ін.

14

Ravel, Sabrina. "Implication des neurones à activité tonique du stiatum dans les processus cognitifs et motivationnels : Etude électrophysiologique de l'influence de la prédiction temporelle et de la signification affective des stimuli chez le singe." Aix-Marseille 2, 2001. http://www.theses.fr/2001AIX22004.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

15

Cherdo, Yann. "Détection d'anomalie non supervisée sur les séries temporelle à faible coût énergétique utilisant les SNNs." Electronic Thesis or Diss., Université Côte d'Azur, 2024. http://www.theses.fr/2024COAZ4018.

Повний текст джерела

Анотація:

Dans le cadre de la maintenance prédictive du constructeur automobile Renault, cette thèse vise à fournir des solutions à faible coût énergétique pour la détection non supervisée d'anomalies sur des séries temporelles. Avec l'évolution récente de l'automobile, de plus en plus de données sont produites et doivent être traitées par des algorithmes d'apprentissage automatique. Ce traitement peut être effectué dans le cloud ou directement à bord de la voiture. Dans un tel cas, la bande passante du réseau, les coûts des services cloud, la gestion de la confidentialité des données et la perte de données peuvent être économisés. L'intégration d'un modèle d'apprentissage automatique dans une voiture est un défi car elle nécessite des modèles frugaux en raison des contraintes de mémoire et de calcul. Dans ce but, nous étudions l'utilisation de réseaux de neurones impulsionnels (SNN) pour la detection d'anomalies, la prédiction et la classification sur des séries temporelles. Les performances et les coûts énergétiques des modèles d'apprentissage automatique sont évalués dans un scénario Edge à l'aide de modèles matériels génériques qui prennent en compte tous les coûts de calcul et de mémoire. Pour exploiter autant que possible l'activité neuronale parcimonieuse des SNN, nous proposons un modèle avec des connexions peu denses et entraînables qui consomme la moitié de l'énergie de sa version dense. Ce modèle est évalué sur des benchmarks publics de détection d'anomalies, un cas d'utilisation réel de détection d'anomalies sur les voitures de Renault Alpine, les prévisions météorologiques et le dataset Google Speech Command. Nous comparons également ses performances avec d'autres modèles d'apprentissage automatique existants. Nous concluons que, pour certains cas d'utilisation, les modèles SNN peuvent atteindre les performances de l'état de l'art tout en consommant 2 à 8 fois moins d'énergie. Pourtant, d'autres études devraient être entreprises pour évaluer ces modèles une fois embarqués dans une voiture. Inspirés par les neurosciences, nous soutenons que d'autres propriétés bio-inspirées telles que l'attention, l'activité parcimonieuse, la hiérarchie ou la dynamique des assemblées de neurons pourraient être exploités pour obtenir une meilleure efficacité énergétique et de meilleures performances avec des modèles SNN. Enfin, nous terminons cette thèse par un essai à la croisée des neurosciences cognitives, de la philosophie et de l'intelligence artificielle. En plongeant dans les difficultés conceptuelles liées à la conscience et en considérant les mécanismes déterministes de la mémoire, nous soutenons que la conscience et le soi pourraient être constitutivement indépendants de la mémoire. L'objectif de cet essai est de questionner la nature de l'humain par opposition à celle des machines et de l'IA
In the context of the predictive maintenance of the car manufacturer Renault, this thesis aims at providing low-power solutions for unsupervised anomaly detection on time-series. With the recent evolution of cars, more and more data are produced and need to be processed by machine learning algorithms. This processing can be performed in the cloud or directly at the edge inside the car. In such a case, network bandwidth, cloud services costs, data privacy management and data loss can be saved. Embedding a machine learning model inside a car is challenging as it requires frugal models due to memory and processing constraints. To this aim, we study the usage of spiking neural networks (SNNs) for anomaly detection, prediction and classification on time-series. SNNs models' performance and energy costs are evaluated in an edge scenario using generic hardware models that consider all calculation and memory costs. To leverage as much as possible the sparsity of SNNs, we propose a model with trainable sparse connections that consumes half the energy compared to its non-sparse version. This model is evaluated on anomaly detection public benchmarks, a real use-case of anomaly detection from Renault Alpine cars, weather forecasts and the google speech command dataset. We also compare its performance with other existing SNN and non-spiking models. We conclude that, for some use-cases, spiking models can provide state-of-the-art performance while consuming 2 to 8 times less energy. Yet, further studies should be undertaken to evaluate these models once embedded in a car. Inspired by neuroscience, we argue that other bio-inspired properties such as attention, sparsity, hierarchy or neural assemblies dynamics could be exploited to even get better energy efficiency and performance with spiking models. Finally, we end this thesis with an essay dealing with cognitive neuroscience, philosophy and artificial intelligence. Diving into conceptual difficulties linked to consciousness and considering the deterministic mechanisms of memory, we argue that consciousness and the self could be constitutively independent from memory. The aim of this essay is to question the nature of humans by contrast with the ones of machines and AI

Стилі APA, Harvard, Vancouver, ISO та ін.

16

Tengku, Mohd Azahar Tuan Dir. "Génération de prédiction par la combinaison de fusion de données et de modélisation spatio-temporelle : application à la localisation de la répartition de la maladie basal stem rot dans les plantations de palmiers à huile." Thesis, La Rochelle, 2012. http://www.theses.fr/2012LAROS386.

Повний текст джерела

Анотація:

Cette thèse constitue une nouvelle approche pour la prédiction des maladies des plantes dans une plantation par combinaison de fusion de données et modélisation spatio-temporelle. La maladie des plantes est un problème majeur dans le monde de l'agriculture. Par exemple en Malaisie, la maladie de la pourriture de basal de la tige (BSR) causée par le champignon Ganoderma Boninense est la maladie la plus grave pour les plantations de palmiers à huile. Le champignon infecte les palmiers à huile,causant des pertes de rendement et détruisant au final les arbres. Divers facteurs ont été précédemment signalés, qui influencent l'incidence de la BSR, tels que les cultures précédentes, les techniques de replantation, les types de sols et l'âge des arbres. Une gestion efficace et durable des stratégies pour contrôler le BSR se heurte principalement à un manque de compréhension des mécanismes d'établissement de la maladie, de son développement et de sa propagation. La présente recherche est une tentative d'appliquer la technique de fusion de données et la modélisation temporelle en système d'Information géographique (SIG) pour étudier le comportement des maladies des plantes dans un domaine particulier (zone artisanale). Cette recherche portera sur comment les SIG peuvent aider à évaluer la distribution des maladies des plantes dans une plantation de petite échelle. Avec les progrès simultanés dans les systèmes de positionnement global (GPS) et l'utilisation des systèmes d'Information géographique, ces techniques ont fourni de puissants outils d'analyse pour l'agriculture de précision. Les données pour l'analyse proviennent de palmiers à huile des expériences de densité de plantation aux stations de recherche MPOB à Teluk Intan, Perak, Malaisie.Dans le cas de la maladie de la BSR, les résultats de l'émission de modélisation prédictive ont observé une corrélation entre les maladies BSR prédites avec celles visuellement données par le BSR. Il a été constaté que la modélisation prédictive proposée a bien prédit la présence de la maladie de la BSR. Même si au début d'infection des maladies BSR, le modèle n'a pas fixé exactement la distribution de la maladie, la performance du modèle sera améliorée avec la sélection de la source de données. Dans l'ensemble, le modèle a bien prédit la présence de maladies avec une précision allant jusqu'à 98,9 %
This thesis represents a new approach for predicting plant disease in a plantation through combination of data fusion and spatio-temporal modelling. Plant disease is a major problem in the world of agriculture. Example in Malaysia, basalstem rot disease (BSR) caused by Ganoderma Boinense is the most serious disease for oil palm plantation in Malaysia. The fungus infects oil palm trees, initially causing yield loss and finally killing the trees. Various factors were previously reported to influence incidence of BSR, such as previous crops, techniques for replanting, types of soils and the age of trees. At present effective and sustainable management strategies to control BSR are hampered mainly by a lack of understanding of mechanisms of disease establishment, development and spread. The present research is an attempt to apply data fusion technique and temporal modelling in Geographical Information System (GIS) to investigate the behaviour of plant disease in a specific area (small skill area). This research will focus on how GIS can help to assess the distribution plant disease in a small scale plantation. With concurrent advances in global positioning systems (GPS) and the use of geographical Information Systems(GIS) techniques have provided powerful analysis tools for precision agriculture. Data for analysis were obtained from oil palm planting density experiments at MPOB research stations at Teluk Intan, Perak, Malaysia. In the case of BSR disease, the results of the predictive modelling show a significance correlation between predicted BSR diseases with visually observed BSR data. It found that the proposed predictive modelling has well predicted the presence of BSR disease. Although at the beginning stage of BSR diseases infection, the model has not fitted exactly the distribution of the disease, we believe that with the proper selection of the source of data, the performance of the model will be improved.Overall, the model has well predicted the presence of diseases with accuracy up to 98.9%

Стилі APA, Harvard, Vancouver, ISO та ін.

17

Es-Seddiqi, Mouna. "Le rôle de la voie amygdalo-nigro-striée dans les processus attentionnels dans les apprentissages instrumentaux, classiques et temporels." Thesis, Paris 6, 2017. http://www.theses.fr/2017PA066072/document.

Повний текст джерела

Анотація:

L’apprentissage associatif est un mécanisme d’une grande complexité, faisant appel à plusieurs processus à la fois. Le processus attentionnel est un des premiers à être mobilisé lors d’une association, il serait même impliqué pour extraire les paramètres temporels associés à un stimulus inconditionnel biologiquement signifiant avant même toute association effective (Balsam, Drew, and Yang, 2002). Certains travaux ont montré l’implication de certaines structures neurobiologiques à travers lesquelles les effets du processus attentionnel pourraient se mettre en place. Pour l’équipe de Holland PC, par exemple, les réponses d’orientation vers un stimulus conditionné (attention top-down)(Lee et al., 2005), impliquent le noyau central de l’amygdale ainsi que les projections dopaminergiques nigro-striées tandis qu’une présentation d’un nouveau stimulus de façon imprévue lors d’une association (attention bottom-up) mobilisera plutôt la substancia inominata qui serait modulé par le noyau central de l’amygdale (CeA) et le cortex pariétal (Holland and Gallagher, 2006). Parallèlement, le processus attentionnel dans une discrimination temporelle, dans lequel l’apprentissage associatif nécessite, outre des stimuli sensoriels discrets, des performances liées au jugement des durées. Dans ce dernier cas, le mécanisme du processus attentionnel mobilise d’autres modèles conceptuels qui gravitent principalement autour du modèle d’horloge interne et en particulier le modèle du striatal beat frequency pour l’explication neurobiologique (Matell and Meck, 2004).Dans le présent travail, nous avions pour ambition de comprendre le rôle de la voie Amygdalo-nigro-striée (ANS) dans la mise en place du processus attentionnel dans un apprentissage associatif orienté vers un stimulus sensoriel discret comme temporel chez le rat. Nous voulions également examiner le rôle de cette voie dans l’évolution du processus attentionnel après surentraînement ou automatisation. Pour la réalisation de cet objectif, nous avons comparé les effets des lésions croisées du CeA dans un hémisphère et la voie nigro-striée dans l’autre hémisphère (disconnection de la voie amygdalo-nigro-striée ; groupe Contra), avec des lésions du CeA et de la voie nigro-striée dans le même hémisphère (groupe Ipsi). Un troisième groupe a fait l’objet d’une lésion bilatérale du CeA seulement (groupe Amy) et un quatrième groupe n’est pas lésé. A travers nos trois groupes expérimentaux (Contra, Ipsi et Amy) et notre groupe contrôle (Sham), nous avons montré l’implication du CeA dans la modulation du processus attentionnel au moment d’un changement dans la situation expérimentale (surprise), aussi bien en présence d’un stimulus sensoriel discret appétitif que d’un stimulus temporel dans un contexte aversif. Nous avons également montré que la voie ANS est impliquée dans la mise en place de l’automatisation et que probablement il y a un effet différenciel entre la partie postérieure et antérieure du CeA. Nos travaux ont mis également en évidence l’implication de la voie nigro-striée dans la discrimination temporelle et de la voie ANS dans le traitement attentionnel dans des tâches de perception temporelle. Ce traitement est différent selon si le jugement concerne des durées courtes ou durées longues
Associative learning is a highly complex mechanism, involving several processes at the same time. The attentional process is one of the first to be mobilized during an association; it would also be involved to extract the temporal parameters associated with an unconditional biologically meaningful stimulus even before any effective association (Balsam, Drew, and Yang 2002). Some studies have shown the involvement of certain neurobiological structures, which may underlie attentional processes. For the Holland PC team, for example, orientation responses to a conditioned stimulus (top-down attention) (Lee et al., 2005) involve the central nucleus and nigro-striatal dopaminergic projections, whereas presentation of a new stimulus during an association (bottom-up attention) would rather imply the substancia inominata which would be modulated by the central nucleus of amygdala (CeA) and the parietal cortex (Holland and Gallagher 2006). At the same time, in temporal discrimination in which associative learning requires, besides discrete sensory stimuli, performances related to the judgment of durations, the mechanism of the attentional process mobilizes other conceptual models that gravitate mainly around the internal clock model and, in particular, the striatal beat frequency model which propose also neurobiological explanations (Matell & Meck, 2004). In this work, we aimed at understanding the role of the Amygdalo-nigro-striatal (ANS) circuit in the development of the attentional process in associative learning oriented towards discrete and temporal sensory stimuli in the rat. We also aimed at examining the role of this circuit in the evolution of the attentional process after over-training permitting the development of habits. In order to achieve this objective, we compared performance of rats with cross-lesion by altering the CeA in one hemisphere and the nigro-striatal circuit in the other hemisphere (Amygdalo-nigro-striatal disconnection; Contra group) to rats with lesions in the same hemisphere (CeA and nigro-striatal circuit: group Ipsi). A third group was submitted to bilateral lesions of the CeA (Amy group). A control group had pseudo lesions (groupe Sham).Through our three experimental groups (Contra, Ipsi and Amy) and the control group (Sham), we have shown the involvement of the CeA in the modulation of the attentional process when a novelty was introduced in the experimental situation (surprise) both in the presence of an appetitive discrete sensory stimulus and of a temporal stimulus in an aversive context. We have also shown that the ANS circuit is involved in habit formation and that there is probably a differential effect between the posterior and anterior part of the CeA. Our work also highlighted the implication of the nigro-striatal circuit in temporal discrimination and of the ANS circuit in the attentional treatment in temporal perception tasks, this effect being different depending on whether the discrimination concerns short or long durations

Стилі APA, Harvard, Vancouver, ISO та ін.

18

Ben, Soussia Amal. "Analyse prédictive des données d’apprentissage, en situation d’enseignement à distance." Electronic Thesis or Diss., Université de Lorraine, 2022. http://www.theses.fr/2022LORR0216.

Повний текст джерела

Анотація:

Pendant les dernières décennies, l'adoption de l'apprentissage en ligne a rapidement évolué et son utilisation a été encore plus poussée avec la pandémie de la COVID-19. L'objectif de ce mode d'enseignement est de garantir la continuité du processus d'apprentissage. Cependant, ce mode d'apprentissage connaît plusieurs défis, dont le plus répandu est les taux élevés d'échec. Ce problème est dû à de nombreuses raisons comme l'hétérogénéité des apprenants et la diversité de leurs comportements d'apprentissage, leur totale autonomie, le manque et/ou l'inefficacité du suivi pédagogique fourni. Par conséquent, les enseignants ont besoin d'un système basée sur des méthodes analytiques et intelligentes leur permettant une prédiction précise et au plus tôt des apprenants à risque d'échec. Cette solution est communément adaptée dans l'état de l'art. Cependant, les travaux réalisés ne répondent pas à certaines particularités de l'apprentissage (la continuité et l'évolution de l'apprentissage, la diversité des apprenants et leur totale autonomie) et certaines attentes des enseignants comme la génération d'alerte. Cette thèse s'inscrit dans le domaine de l'analyse de l'apprentissage et exploite les traces numériques des apprenants en ligne pour concevoir un système prédictif (Early Warning Systems (EWS)) dédié aux enseignants des établissements en ligne. L'objectif de ce EWS est d'identifier au plus tôt les apprenants à risque pour alerter les enseignants de ces derniers. Afin d'atteindre cet objectif, nous avons traité plusieurs sous-problématiques qui ont permis l'élaboration de quatre contributions scientifiques. Nous commençons par proposer une méthodologie en profondeur qui repose sur les étapes de l'apprentissage automatique (ML) et qui permet l'identification de quatre indicateurs d'apprentissage parmi : la performance, l'engagement, la réactivité et la régularité. Cette méthodologie met aussi en valeur l'importance des données temporelles pour l'amélioration des performances de prédiction. De plus, cette méthodologie a permis de définir le modèle avec la meilleure capacité à identifier les apprenants à risque. La 2ème contribution consiste à proposer une évaluation temporelle des EWS à l'aide des métriques temporelles qui mesurent la précocité des prédictions et la stabilité des systèmes. À partir de ces deux métriques, nous étudions les compromis qui existent entre les métriques de précision de ML et les métriques temporelles. Les apprenants en ligne se caractérisent par la diversité de comportements d'apprentissage. Ainsi, un EWS doit répondre à cette diversité en assurant un fonctionnement équitable entre les différents profils d'apprenants. Nous proposons une méthodologie d'évaluation qui se base sur l'identification des profils d'apprenants et utilise un large spectre de métriques temporelles et de précision. En utilisant un EWS, les enseignants s'attendent à une génération d'alerte. C'est pour cette raison,nous concevons un algorithme qui s'appuie sur les résultats de prédiction, les métriques temporelles et la notion des règles d'alerte pour proposer une méthode automatique de génération d'alerte. Le contexte applicatif de cette thèse est le Centre National d'Enseignement à Distance (CNED). Nous exploitons les traces numériques d'une population de collégiens inscrits en classe 3ème pendant les années scolaires 2017-2018 et 2018-2019
Over the past few decades, the adoption of e-learning has evolved rapidly and its use has been pushedeven further with the COVID-19 pandemic. The objective of this learning mode is to guarantee thecontinuity of the learning process. However, the online learning is facing several challenges, and themost widespread is the high failure rates among learners. This issue is due to many reasons such asthe heterogeneity of the learners and the diversity of their learning behaviors, their total autonomy, thelack and/or the inefficiency of the pedagogical provided follow-up. . .. Therefore, teachers need a systembased on analytical and intelligent methods allowing them an accurate and early prediction of at-risk offailure learners. This solution is commonly adopted in the state of the art. However, the work carried outdoes not respond to some particularities of the learning process (the continuity and evolution of learning,the diversity of learners and their total autonomy) and to some teachers expectations such as the alertgeneration.This thesis belongs to the field of learning analytics and uses the numeric traces of online learnersto design a predictive system (Early Warning Systems (EWS)) dedicated to teachers in online establish-ments. The objective of this EWS is to identify learners at risk as soon as possible in order to alertteachers about them. In order to achieve this objective, we have dealt with several sub-problems whichhave allowed us to elaborate four scientific contributions.We start by proposing an in-depth methodology based on the Machine Learning (ML) steps and thatallows the identification of four learning indicators among : performance, engagement, reactivity andregularity. This methodology also highlights the importance of temporal data for improving predictionperformance. In addition, this methodology allowed to define the model with the best ability to identifyat-risk learners.The 2nd contribution consists in proposing a temporal evaluation of the EWS using temporal metricswhich measure the precocity of the predictions and the stability of the system. From these two metrics,we study the trade-offs that exist between ML precision metrics and temporal metrics.Online learners are characterized by the diversity of their learning behaviors. Thus, an EWS shouldrespond to this diversity by ensuring an equitable functioning with the different learners profiles. Wepropose an evaluation methodology based on the identification of learner profiles and that uses a widespectrum of temporal and precision metrics.By using an EWS, teachers expect an alert generation. For this reason, we design an algorithm which,based on the results of the prediction, the temporal metrics and the notion of alert rules, proposes anautomatic method for alert generation. This algorithm targets mainly at-risk learners.The context of this thesis is the French National Center for Distance Education (CNED). In parti-cular, we use the numeric traces of k-12 learners enrolled during the 2017-2018 and 2018-2019 schoolyears

Стилі APA, Harvard, Vancouver, ISO та ін.

19

Senouci, Sid-Ahmed Benali. "Optimisation et prédiction temporelles sur les réseaux programmables CPLD." Ecully, Ecole centrale de Lyon, 1998. http://www.theses.fr/1998ECDL0051.

Повний текст джерела

Анотація:

L'avenement des technologies programmables au debut des annees 80 a marque l'evolution de la conception et du marche de l'electronique numerique. Cet essor exige des methodes de synthese et d'optimisation specifiques a chaque cible et a chaque architecture. C'est dans ce cadre, que cette these propose des methodes de manipulations booleennes et de floorplanning avec attention particuliere accordee aux aspects temporels. En effet, les contraintes des applications implantees sur les cibles cpld (complex programmable logic devices), sont d'ordre temporel. Outre la mise en oeuvre des dites methodes, l'estimation temporelle proposee n'a de valeur que si elle est credible. Pour cela, l'etude s'est etendue aux liens entre la synthese et le placement et routage. Les resultats experimentaux montrent que l'ensemble de l'approche forme un tout coherent, efficace et mathematiquement rigoureux. Les travaux presentes dans cette these font partie integrante des outils livres par les constructeurs de ces technologies a savoir atmel et vantis.

Стилі APA, Harvard, Vancouver, ISO та ін.

20

Chleq, Nicolas. "Contribution à l'étude du raisonnement temporel : résolution avec contraintes et application à l'abduction en raisonnement temporel." Phd thesis, Ecole Nationale des Ponts et Chaussées, 1995. http://tel.archives-ouvertes.fr/tel-00529412.

Повний текст джерела

Анотація:

Ce travail présente notre contribution au domaine du raisonnement temporel (RT) en intelligence artificielle. Nous avons défini et mis en oeuvre un mécanisme de raisonnement abductif (génération d'hypothèses) pour le RT. Un tel mode de raisonnement présente en particulier l'intérêt d'être une alternative possible au raisonnement par défaut pour prendre en compte la non monotonie inhérente au RT. Une autre motivation est que le raisonnement abductif appliqué au RT est une approche possible pour la planification. Préalablement à la présentation de la procédure d'abduction, nous étudions l'intérêt pour le raisonnement temporel du principe de résolution avec contraintes de Bürckert. Ce principe s'avère être un cadre formel intéressant pour décrire l'intégration des systèmes de contraintes temporelles dans des systèmes déductifs utilisant le principe de résolution comme règle d'inférence. Dans la deuxième partie, nous proposons une procédure de génération d'hypothèses qui est basée conjointement sur des travaux de Kakas et Mancarella sur l'abduction en programmation logique, et sur l'idée de la résolution avec contraintes. La procédure que nous proposons possède des mécanismes originaux facilitant en premier lieu son application au raisonnement temporel, et permettant ensuite de ramener la conservation de la consistance des hypothèses déjà générées à des tests de satisfaction de contraintes temporelles. Nous présentons des exemples d'utilisation, en particulier pour la planification en utilisant le Calcul d'Evénements de Sergot et Kowalski comme formalisme de représentation. Le cadre de la programmation logique avec contraintes, sous jacent à notre travail, nous permet d'étendre notre procédure à d'autres systèmes de contraintes. Nous décrivons en particulier l'utilisation de contraintes sur domaines finis, ce qui permet de décrire et gérer des ressources finies en planification. L'implantation de la procédure utilise, en plus des contraintes temporelles et des contraintes sur domaines finis, des contraintes sur le typage des termes, ce qui nous permet de proposer un cadre logique avec types et sous-typage qui facilite la description du formalisme temporel et des problèmes à résoudre.

Стилі APA, Harvard, Vancouver, ISO та ін.

21

Cissoko, Mamadou Ben Hamidou. "Adaptive time-aware LSTM for predicting and interpreting ICU patient trajectories from irregular data." Electronic Thesis or Diss., Strasbourg, 2024. http://www.theses.fr/2024STRAD012.

Повний текст джерела

Анотація:

En médecine prédictive personnalisée, modéliser avec précision la maladie et les processus de soins d'un patient est crucial en raison des dépendances temporelles à long terme inhérentes. Cependant, les dossiers de santé électroniques (DSE) se composent souvent de données épisodiques et irrégulières, issues des admissions hospitalières sporadiques, créant des schémas uniques pour chaque séjour hospitalier.Par conséquent, la construction d'un modèle prédictif personnalisé nécessite une considération attentive de ces facteurs pour capturer avec précision le parcours de santé du patient et aider à la prise de décision clinique.LSTM sont efficaces pour traiter les données séquentielles comme les DSE, mais ils présentent deux limitations majeures : l'incapacité à interpréter les résultats des prédictions et à prendre en compte des intervalles de temps irréguliers entre les événements consécutifs. Pour surmonter ces limitations, nous introduisons de nouveaux réseaux neuronaux à mémoire dynamique profonde appelés Multi-Way Adaptive et Adaptive Multi-Way Interpretable Time-Aware LSTM (MWTA-LSTM etAMITA), conçus pour les données séquentielles collectées de manière irrégulière.L'objectif principal des deux modèles est de tirer parti des dossiers médicaux pour mémoriser les trajectoires de maladie et les processus de soins, estimer les états de maladie actuels et prédire les risques futurs, offrant ainsi un haut niveau de précision et de pouvoir prédictif
In personalized predictive medicine, accurately modeling a patient's illness and care processes is crucial due to the inherent long-term temporal dependencies. However, Electronic Health Records (EHRs) often consist of episodic and irregularly timed data, stemming from sporadic hospital admissions, which create unique patterns for each hospital stay. Consequently, constructing a personalized predictive model necessitates careful consideration of these factors to accurately capture the patient's health journey and assist in clinical decision-making. LSTM networks are effective for handling sequential data like EHRs, but they face two significant limitations: the inability to interpret prediction results and to take into account irregular time intervals between consecutive events. To address limitations, we introduce novel deep dynamic memory neural networks called Multi-Way Adaptive and Adaptive Multi-Way Interpretable Time-Aware LSTM (MWTA-LSTM and AMITA) designed for irregularly collected sequential data. The primary objective of both models is to leverage medical records to memorize illness trajectories and care processes, estimate current illness states, and predict future risks, thereby providing a high level of precision and predictive power

Стилі APA, Harvard, Vancouver, ISO та ін.

22

Zuo, Jingwei. "Apprentissage de représentations et prédiction pour des séries-temporelles inter-dépendantes." Electronic Thesis or Diss., université Paris-Saclay, 2022. http://www.theses.fr/2022UPASG038.

Повний текст джерела

Анотація:

Les séries temporelles sont un type de données endémique dans de nombreux domaines d'applications, telles que l'analyse financière, le diagnostic médical, la surveillance de l'environnement ou encore l'astronomie. Du fait de leur structure complexe, les séries temporelles amènent à de nouveaux défis dans le traitement et l'extraction de connaissances de ces données. La représentation des séries temporelles joue un rôle déterminant dans les méthodes d'apprentissage et les tâches de fouille de données. Cependant, peu de méthodes tiennent compte des interdépendances entre séries temporelles différentes. De plus, la fouille de séries temporelles nécessite de considérer non seulement les caractéristiques des séries temporelles en termes de complexité des données, mais également les contextes particuliers des applications et la tâche de fouille de données à effectuer. Cela nous permet de construire des représentations spécifiques à la tâche.Dans cette thèse, nous étudions différentes représentations de séries temporelles capables de s'adapter à diverses tâches de fouille de séries temporelles, tout en capturant les relations entre elles. Nous nous concentrons spécifiquement sur la modélisation des interdépendances entre séries temporelles lors de la construction des représentations, qui peuvent être la dépendance temporelle au sein de chaque source de données ou la dépendance inter-variable entre des sources de données différentes. En conséquence, nous étudions les séries temporelles collectées dans diverses applications sous différentes formes. Tout d'abord, pour tenir compte de la dépendance temporelle entre les observations, nous apprenons la représentation de série temporelle dans un contexte de flux dynamique, où la série temporelle est générée en continu à partir de la source de données. Quant à la dépendance inter-variable, nous étudions les séries temporelles multivariées (MTS) avec des données collectées à partir de plusieurs sources. Enfin, nous étudions le MTS dans le contexte de la ville intelligente, où chaque source de données est associée à une localisation spatiale. Par conséquent, le MTS devient une série temporelle géo-localisée (GTS), pour laquelle la modélisation de la dépendance inter-variable requière la prise en compte de l'information spatiale sous-jacente. De ce fait, pour chaque type de séries temporelles collectées dans des contextes différents, nous proposons une méthode de représentation adaptée aux dépendances temporelles et/ou inter-variables.Outre la complexité des données provenant des interdépendances des séries temporelles, nous étudions diverses tâches d'apprentissage automatique sur des séries temporelles afin de valider les représentations apprises. Les tâches d'apprentissage étudiées dans cette thèse consistent en la classification de séries temporelles, l'apprentissage semi-supervisé de séries temporelles et la prévision de séries temporelles. Nous montrons comment les représentations apprises sont exploitées dans ces différentes tâches et pour des applications distinctes.Plus précisément, nos principales contributions sont les suivantes. En premier lieu, nous proposons un modèle d'apprentissage dynamique de la représentation des séries temporelles dans le contexte du flux de données, où nous considérons à la fois les caractéristiques des séries temporelles et les défis des flux de données. Nous affirmons et démontrons que le motif de Shapelet, basé sur la forme, est la meilleure représentation dans le contexte dynamique. Par ailleurs, nous proposons un modèle semi-supervisé pour l'apprentissage de représentation dans les MTS. Ce modèle considère la dépendance inter-variable dans l'hypothèse réaliste où les annotations de données sont limitées. Enfin, nous proposons un modèle d'apprentissage de représentation de GTS dans le contexte de la ville intelligente. Nous étudions spécifiquement la tâche de prévision du trafic routier avec un focus sur le traitement intégré des valeurs manquantes
Time series is a common data type that has been applied to enormous real-life applications, such as financial analysis, medical diagnosis, environmental monitoring, astronomical discovery, etc. Due to its complex structure, time series raises several challenges in their data processing and mining. The representation of time series plays a key role in data mining tasks and machine learning algorithms for time series. Yet, a few methods consider the interrelation that may exist between different time series when building the representation. Moreover, the time series mining requires considering not only the time series' characteristics in terms of data complexity but also the concrete application scenarios where the data mining task is performed to build task-specific representations.In this thesis, we will study different time series representation approaches that can be used in various time series mining tasks, while capturing the relationships among them. We focus specifically on modeling the interrelations between different time series when building the representations, which can be the temporal relationship within each data source or the inter-variable relationship between various data sources. Accordingly, we study the time series collected from various application contexts under different forms. First, considering the temporal relationship between the observations, we learn the time series in a dynamic streaming context, i.e., time series stream, for which the time series data is continuously generated from the data source. Second, for the inter-variable relationship, we study the multivariate time series (MTS) with data collected from multiple data sources. Finally, we study the MTS in the Smart City context, when each data source is given a spatial position. The MTS then becomes a geo-located time series (GTS), for which the inter-variable relationship requires more modeling efforts with the external spatial information. Therefore, for each type of time series data collected from distinct contexts, the interrelations between the time series observations are emphasized differently, on the temporal or (and) variable axis.Apart from the data complexity from the interrelations, we study various machine learning tasks on time series in order to validate the learned representations. The high-level learning tasks studied in this thesis consist of time series classification, semi-supervised time series learning, and time series forecasting. We show how the learned representations connect with different time series learning tasks under distinct application contexts. More importantly, we conduct the interdisciplinary study on time series by leveraging real-life challenges in machine learning tasks, which allows for improving the learning model's performance and applying more complex time series scenarios.Concretely, for these time series learning tasks, our main research contributions are the following: (i) we propose a dynamic time series representation learning model in the streaming context, which considers both the characteristics of time series and the challenges in data streams. We claim and demonstrate that the Shapelet, a shape-based time series feature, is the best representation in such a dynamic context; (ii) we propose a semi-supervised model for representation learning in multivariate time series (MTS). The inter-variable relationship over multiple data sources is modeled in a real-life context, where the data annotations are limited; (iii) we design a geo-located time series (GTS) representation learning model for Smart City applications. We study specifically the traffic forecasting task, with a focus on the missing-value treatment within the forecasting algorithm

Стилі APA, Harvard, Vancouver, ISO та ін.

23

Ziat, Ali Yazid. "Apprentissage de représentation pour la prédiction et la classification de séries temporelles." Thesis, Paris 6, 2017. http://www.theses.fr/2017PA066324/document.

Повний текст джерела

Анотація:

Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menée
This thesis deals with the development of time series analysis methods. Our contributions focus on two tasks: time series forecasting and classification. Our first contribution presents a method of prediction and completion of multivariate and relational time series. The aim is to be able to simultaneously predict the evolution of a group of time series connected to each other according to a graph, as well as to complete the missing values in these series (which may correspond for example to a failure of a sensor during a given time interval). We propose to use representation learning techniques to forecast the evolution of the series while completing the missing values and taking into account the relationships that may exist between them. Extensions of this model are proposed and described: first in the context of the prediction of heterogeneous time series and then in the case of the prediction of time series with an expressed uncertainty. A prediction model of spatio-temporal series is then proposed, in which the relations between the different series can be expressed more generally, and where these can be learned.Finally, we are interested in the classification of time series. A joint model of metric learning and time-series classification is proposed and an experimental comparison is conducted

Стилі APA, Harvard, Vancouver, ISO та ін.

24

Ziat, Ali Yazid. "Apprentissage de représentation pour la prédiction et la classification de séries temporelles." Electronic Thesis or Diss., Paris 6, 2017. http://www.theses.fr/2017PA066324.

Повний текст джерела

Анотація:

Nous nous intéressons au développement de méthodes qui répondent aux difficultés posées par l’analyse des séries temporelles. Nos contributions se focalisent sur deux tâches : la prédiction de séries temporelles et la classification de séries temporelles. Notre première contribution présente une méthode de prédiction et de complétion de séries temporelles multivariées et relationnelles. Le but est d’être capable de prédire simultanément l’évolution d’un ensemble de séries temporelles reliées entre elles selon un graphe, ainsi que de compléter les valeurs manquantes dans ces séries (pouvant correspondre par exemple à une panne d’un capteur pendant un intervalle de temps donné). On se propose d’utiliser des techniques d’apprentissage de représentation pour prédire l’évolution des séries considérées tout en complétant les valeurs manquantes et prenant en compte les relations qu’il peut exister entre elles. Des extensions de ce modèle sont proposées et décrites : d’abord dans le cadre de la prédiction de séries temporelles hétérogènes puis dans le cas de la prédiction de séries temporelles avec une incertitude exprimée. Un modèle de prédiction de séries spatio-temporelles est ensuiteproposé, avec lequel les relations entre les différentes séries peuvent être exprimées de manière plus générale, et où ces dernières peuvent être apprises.Enfin, nous nous intéressons à la classification de séries temporelles. Un modèle d’apprentissage joint de métrique et de classification de séries est proposé et une comparaison expérimentale est menée
This thesis deals with the development of time series analysis methods. Our contributions focus on two tasks: time series forecasting and classification. Our first contribution presents a method of prediction and completion of multivariate and relational time series. The aim is to be able to simultaneously predict the evolution of a group of time series connected to each other according to a graph, as well as to complete the missing values in these series (which may correspond for example to a failure of a sensor during a given time interval). We propose to use representation learning techniques to forecast the evolution of the series while completing the missing values and taking into account the relationships that may exist between them. Extensions of this model are proposed and described: first in the context of the prediction of heterogeneous time series and then in the case of the prediction of time series with an expressed uncertainty. A prediction model of spatio-temporal series is then proposed, in which the relations between the different series can be expressed more generally, and where these can be learned.Finally, we are interested in the classification of time series. A joint model of metric learning and time-series classification is proposed and an experimental comparison is conducted

Стилі APA, Harvard, Vancouver, ISO та ін.

25

Arnoux, Thibaud. "Prédiction d'interactions dans les flots de liens. Combiner les caractéristiques structurelles et temporelles." Electronic Thesis or Diss., Sorbonne université, 2018. http://www.theses.fr/2018SORUS229.

Повний текст джерела

Анотація:

Le formalisme des flots de liens représente une approche permettant de conserver la dynamique du système tout en fournissant un cadre d'étude solide pour appréhender le comportement du système. Un flot de liens est une série de triplets (t,u,v) indiquant qu'une interaction a eu lieu entre u et v au temps t. La forte importance de la dynamique du système dans la prédiction dans les flots de liens la place au carrefour de la prédiction de liens dans les graphes et de la prédiction de séries temporelles. Nous allons explorer différentes formalisations du problème de la prédiction dans les flots de liens. Dans la suite nous nous intéresserons à la prédiction de l'activité, c'est-à-dire prédire le nombre d'interactions apparaissant dans le futur pour chaque paire de nœuds durant une certaine période. Nous introduisons le protocole développé, permettant de combiner de manière cohérente les caractéristiques des données afin d'effectuer la prédiction de l'activité. Nous étudions le comportement de notre protocole sur diverses expériences sur quatre jeux de données et évaluons la qualité de chaque prédiction. Nous étudierons comment l'utilisation de classes de nœuds permet de préserver la diversité des types de liens prédits tout en améliorant la prédiction. Notre objectif est de définir un cadre de prédiction général permettant des études approfondies de la relation entre caractéristiques structurelles et temporelles dans les tâches de prédiction
The link stream formalism represent an approach allowing to capture the system dynamic while providing a framework to understand the system's behavior. A link stream is a sequence of triplet (t,u,v) indicating that an interaction occurred between u and v at time t. The importance of the system's dynamic during the prediction places it at the crossroads of link prediction in graphs and time series prediction. We will explore several formalizations of the problem of prediction in link streams. In the following we will study the activity prediction, that is to say predicting the number of interactions occurring in the future between each pair of nodes during a given period. We introduce the protocol, allowing to combine the data characteristics to predict the activity. We study the behavior of our protocol during several experiments on four datasets et evaluate the prediction quality. We will look at how the introduction of pair of nodes classes allows to preserve the link diversity in the prediction while improving the prediction. Our goal is to define a general prediction framework allowing in-depth studies of the relationship between temporal and structural characteristics in prediction tasks

Стилі APA, Harvard, Vancouver, ISO та ін.

26

Dzeutouo, Zapa Donard. "Développement d’un modèle prédictif de la productivité spatio-temporelle des plants de bleuets sauvages." Mémoire, Université de Sherbrooke, 2017. http://hdl.handle.net/11143/11331.

Повний текст джерела

Анотація:

En été, la cueillette des bleuets sauvages est une activité de loisir ou une activité génératrice de revenus, qui est très répandue au Saguenay-Lac-Saint-Jean ainsi que dans d’autres régions du Canada. Aucun modèle prédictif validé de présence ou de production en fonction des caractéristiques des peuplements forestiers et des facteurs climatiques n’est disponible actuellement. La présente étude se base sur les données d’une campagne d’échantillonnage en 2016 qui a documenté 13 variables environnementales de 157 sites, pour analyser les liens avec la présence des plants de bleuets sauvages. À l’issue de ces analyses, les variables telles que le type de perturbation, l’âge depuis la dernière perturbation, la densité du couvert forestier, la hauteur du couvert, et le type écologique se sont avérées pertinentes pour prédire le pourcentage de recouvrement en plants de bleuets sauvages. De plus, les données météorologiques de sept stations couvrant la période de 2009 à 2016 ont permis de développer un modèle prédictif de la productivité relative annuelle qui peut servir de modèle d’aide à la décision pour la planification de la cueillette. Les résultats montrent que l’intégration des variables environnementales issues des tests statistiques permet d’augmenter de façon significative la capacité de prédiction du potentiel de présence des plants de bleuets sauvages. Sur les 126 sites retenus pour les analyses, le nouveau modèle qui utilise les variables issues des tests statistiques a prédit avec exactitude le potentiel de présence de 70 sites, contrairement à l’ancien modèle basé sur les connaissances théoriques des experts, qui prédit avec exactitude le potentiel de présence de 46 sites, soit une augmentation de 19 %. De plus, les modalités qui favorisent la présence des plants de bleuets sauvages comme : (1) une faible densité du couvert forestier, (2) une faible hauteur du peuplement, et (3) une perturbation récente due à un feu ou à une coupe forestière, démontrent que le bleuet sauvage n’est pas une plante compétitrice. De plus, le lien établi entre le rendement moyen annuel et les variables climatiques démontrent que la variabilité interannuelle du rendement est étroitement liée à la quantité de neige accumulée pendant la période hivernale, à la température minimale moyenne entre mai et juin et au nombre de jours du mois de juin ou les températures minimales sont négatives.

Стилі APA, Harvard, Vancouver, ISO та ін.

27

Salamat, Nadeem. "Modélisation des relations spatiales entre objets en mouvement." Phd thesis, Université de La Rochelle, 2011. http://tel.archives-ouvertes.fr/tel-00718399.

Повний текст джерела

Анотація:

Les relations spatiales entre les différentes régions dans une image sont utiles pour la compréhension et l'interprétation de la scène représentée. L'analyse Spatio-temporelle d'une scène implique l'intégration du temps dans des relations spatiales entre les objets en mouvement. Les relations spatio-temporelles sont définies dans un intervalle de temps utilisant la géométrie 3D ou l'extension de la géométrie 2D à la dimension temporelle. La modélisation des relations spatiales dynamiques prend en compte la position relative des objets et leurs relations directionnelles, ceci implique les relations topologiques, directionnelles et de distance. Ces relations sont étendues au domaine temporel. Dans notre travail, on décrit une méthode de combinaison d'information topologique et directionnelle où les relations d'Allen floues 1D sont appliquées au domaine spatial. La méthode proposée intègre le flou au niveau des relations. La méthode très gourmande initialement en temps de calcul en raison de l'approximation des objets ainsi qu'à l'algorithme de fuzzification des segments des sections longitudinales est améliorée en utilisant une approximation polygonale adaptée sur les objets considérés. L'algorithme du fuzzification des segments d'une section longitudinale inclut des opérateurs d'agrégation floue. Dans la méthode proposée, Les relations topologiques 2Dsont représentées par un histogramme. Les relations floues n'étant pas exhaustives, un algorithme de défuzzification des relations spatiales a été proposé pour réaliser un ensemble JEPD de relations spatiales. Cet ensemble de relations spatiales est représenté par un graphe de voisinage où chaque nœud du graphe représente la relation topologique et directionnelle. Cette méthode définit des relations spatio-temporelles en utilisant le modèle de données Espace-Temps. Un ensemble de relations spatio-temporelles est également fourni à l'aide de la stabilité topologique. Afin de valider le modèle, nous avons développé des applications fondées sur le raisonnement spatio-temporel proposé. Celui-ci a permit la création de tables de composition pour les relations spatiales topologiques structurées en sous-tables. Les entités de ces sous-tables sont liées les unes aux autres par des relations spatiales. Dans une seconde application, nous avons proposé une méthode de prédiction des évènements entre objets en mouvement fondée sur le même raisonnement spatio-temporel. Les objets en mouvement changeant de position à chaque instant, la prédiction de la nouvelle position spatiale d'un objet tient compte des états de relations spatiales calculées précédemment.

Стилі APA, Harvard, Vancouver, ISO та ін.

28

Virolle, Maxime. "Origine et prédiction spatio-temporelle des tapissages argileux dans les réservoirs silicoclastiques - Apports de la comparaison entre des réservoirs enfouis (Permien et Crétacé) et un analogue actuel (estuaire de la Gironde) Detrital clay grain coats in estuarine clastic deposits: origin and spatial distribution within a modern sedimentary system, the Gironde Estuary (south-west France) Influence of sedimentation and detrital clay grain coats on chloritized sandstone reservoir qualities: Insights from comparisons between ancient tidal heterolithic sandstones and a modern estuarine system Identification of a chloritization process in the Wealden facies sandstones (Early Cretaceous) of the Paris Basin, France." Thesis, Université Paris-Saclay (ComUE), 2019. http://www.theses.fr/2019SACLS190.

Повний текст джерела

Анотація:

La qualité des réservoirs est l’un des facteurs « risque » pour l’exploration d’hydrocarbures ou pour le développement futur de la géothermie dans les hydro-systèmes silicoclastiques. Les propriétés réservoirs sont définies par les valeurs de porosité et perméabilité. Dans les réservoirs silicoclastiques profondément enfouis, des coatings de chlorite authigénique autour des grains de quartz permettent de préserver ces propriétés. Les mécanismes régissant la formation et la distribution de ces tapissages sont encore mal connus. Les objectifs de ce projet de thèse sont: (1) de caractériser (minéralogie, cristallochimie, propriétés texturales et microstructurales) et de déterminer la distribution spatio-temporelle des tapissages argileux dans des environnements sédimentaires bien contraints et dans un cadre stratigraphique bien défini; (2) de mieux comprendre les facteurs contrôlant la formation des tapissages argileux dans les réservoirs silicoclastiques; (3) de décrire les processus intermédiaires de formation de chlorite authigénique via différents minéraux précurseurs au cours de l’enfouissement; (4) de prédire la distribution des bonnes propriétés réservoirs en lien avec les coatings argileux. L’analogue moderne choisit dans le cadre de cette étude est l’estuaire de la Gironde où la présence de tapissages argileux détritiques a pu être mise en évidence dans la zone intertidale des barres tidales et barres de méandres, mais aussi dans des carottes sédimentaires de plusieurs mètres de profondeur. Les mécanismes de formation de ces tapissages ont été appréhendés avec l’interaction entre processus hydrodynamiques et biologiques. Des analogies avec des réservoirs gréseux enfouis (>3500m) ont permis de déterminer que les dépôts sableux de barres tidales externes déposées à la fin d’un cycle transgressif sont les cibles privilégiées pour trouver de bonnes propriétés réservoirs dans les réservoirs estuariens. L’évolution des coatings détritiques au cours de l’enfouissement a pu être retracée par l’étude de réservoirs enfouis entre 400 et 1000m de profondeur. Les coatings détritiques se transforment en berthiérine et interstratifié chlorite-smectite vers 600-900m de profondeur et des températures comprises entre 30-40°C. Ces minéraux constituent de véritables précurseurs aux coatings de chlorites ferreuses apparaissant plus en profondeur
The reservoir quality is one of the "risk" factors for hydrocarbon exploration or for the future development of geothermal energy in siliciclastic hydrosystems. Reservoir properties are defined by porosity and permeability values. In deep buried siliciclastic reservoirs, chlorite coatings around quartz grains help to preserve these properties. The mechanisms behind these coatings are still poorly understood. The objectives of this study are: (1) to characterize (mineralogy, crystallography, textural and microstructural properties) and to determine the spatial and temporal distribution of clay and clay coatings in well constrained sedimentary environments and within a well-defined stratigraphic framework; (2) to better understand the factors controlling the formation of clay coatings in siliciclastic reservoirs; (3) to describe the intermediate processes of authigenic chlorite formation via different precursor minerals during burial; (4) to predict the distribution of good reservoir properties in relation to clay coatings. The modern analogue chosen for this study is the Gironde estuary, where the presence of detrital clay grain coats was detected in the intertidal zone of tidal and point bars, but also in pluri-meters long sedimentary cores. The formation mechanisms of these coatings have been investigated with the interaction between hydrodynamic and biological processes. Analogies with buried sandstone reservoirs (>3500m) showed that sand facies of external tidal bars deposited at the end of a transgressive cycle are the preferred targets for finding good reservoir properties in estuarine reservoirs. The evolution of detrital clay grain coats during burial was approached by studying buried reservoirs between 400 and 1000m deep. The detrital coatings are transformed into berthierine and mixed-layer chlorite-smectite at depths between 600 and 900m and temperatures between 30-40°C. These minerals are true precursors to ferrous chlorite coatings that appear at greater depth

Стилі APA, Harvard, Vancouver, ISO та ін.

29

Vroman, Philippe. "Prédiction des séries temporelles en milieu incertain : application à la prévision de ventes dans la distribution textile." Lille 1, 2000. http://www.theses.fr/2000LIL10207.

Повний текст джерела

Анотація:

Face a une mondialisation exacerbee, les acteurs de la filiere textile-habillement reorganisent leurs reseaux de production et distribution. Le mode de gestion adopte necessite un systeme de prevision des ventes adapte a l'environnement incertain et complexe du marche textile. L'incertitude est caracterisee par de nombreuses variables explicatives qui ne sont ni controlees, ni parfaitement identifiees. Le distributeur a d'abord besoin de connaitre le volume global des ventes une saison a l'avance afin d'organiser sa production (moyen terme). Il doit ensuite reajuster ses previsions tout au long de la saison des ventes (court terme). Il existe de nombreux modeles de prevision : heuristiques ou stochastiques, non lineaires, adaptatifs, explicatifs ou extrapolatifs, comme les modeles de holt-winters, box-jenkins, regression dynamique ou plus recemment les modeles connexionnistes. Deux inconvenients majeurs sont notes : la specificite des contextes qui requierent une combinaison de plusieurs methodes, et la difficulte d'apprentissage des modeles avec des historiques courts en environnement incertain. Parallelement, de nouvelles exigences apparaissent, comme la facilite d'ajustement, d'interpretation et d'exploitation des modeles. Notre objectif consiste alors a elaborer des modeles specifiques utilisant des outils issus du soft computing. Nous proposons trois modeles adaptes aux besoins du distributeur. Le premier utilise un systeme d'inference flou pour estimer les parametres d'un modele de prevision, en fonction d'indicateurs d'observation. Le second est une extension des modeles connexionnistes autoregressifs, bien connus en prevision. Le troisieme combine un modele saisonnier et un modele base sur le soft computing. Il permet notamment une automatisation de l'approche heuristique des experts. La performance des modeles est analysee a l'aide de comparatifs. Enfin, nous proposons une critique et des perspectives de developpement des modeles.

Стилі APA, Harvard, Vancouver, ISO та ін.

30

Salaün, Achille. "Prédiction d'alarmes dans les réseaux via la recherche de motifs spatio-temporels et l'apprentissage automatique." Electronic Thesis or Diss., Institut polytechnique de Paris, 2021. http://www.theses.fr/2021IPPAS010.

Повний текст джерела

Анотація:

Les réseaux de télécommunication prennent aujourd'hui une place prépondérante dans notre monde. Ils permettent en effet de partager des informations en masse et à l’échelle planétaire. Toutefois, il s’agit de systèmes complexes, en taille comme en diversité technologique. Cela rend d’autant plus complexes leur maintenance et leur réparation. Afin de limiter l’influence négative de ces dernières, des outils doivent être développés pour détecter une panne dès qu’elle a lieu, en analyser les causes afin de la résoudre efficacement, voire prédire ladite panne pour prévenir plutôt que guérir. Dans cette thèse, nous nous intéressons principalement à ces deux derniers problèmes. Pour cela, nous disposons de fichiers, appelés logs d’alarmes, recensant l’ensemble des alarmes émises par le système. Cependant, ces fichiers sont généralement verbeux et bruités: l’administrateur à la charge d’un réseau doit disposer d’outils capables d’isoler et manipuler de façon interprétable les liens de causalité au sein d’un log. Dans cette thèse, nous avons suivi deux approches. La première est inspirée des techniques de correspondance de motifs: en s’inspirant de l’algorithme d’Ukkonen, nous construisons en ligne une structure, appelée DIG-DAG, qui stocke toutes les chaînes de causalité possibles entre les événements d’un log. Nous proposons également un système de requête pour exploiter cette structure. Enfin, nous appliquons cette approche dans le cadre de l’analyse de causes racines. La seconde approche est une approche générative pour la prédiction de données. En particulier, nous comparons deux modèles classiques pour cette tâche: les réseaux de neurones récurrents d’une part et les modèles de Markov cachés d’autre part. En effet, dans leurs communautés respectives, ces deux modèles font office d’état de l’art. Ici, nous comparons analytiquement leurs expressivités grâce à un modèle probabiliste, appelé GUM, englobant ces deux modèles
Nowadays, telecommunication networks occupy a central position in our world. Indeed, they allow to share worldwide a huge amount of information. Networks are however complex systems, both in size and technological diversity. Therefore, it makes their management and reparation more difficult. In order to limit the negative impact of such failures, some tools have to be developed to detect a failure whenever it occurs, analyse its root causes to solve it efficiently, or even predict this failure as prevention is better than cure. In this thesis, we mainly focus on these two last problems. To do so, we use files, called alarm logs, storing all the alarms that have been emitted by the system. However, these files are generally noisy and verbose: an operator managing a network needs tools able to extract and handle in an interpretable manner the causal relationships inside a log. In this thesis, we followed two directions. First, we have inspired from pattern matching techniques: similarly to the Ukkonen’s algorithm, we build online a structure, called DIG-DAG, that stores all the potential causal relationships between the events of a log. Moreover, we introduce a query system to exploit our DIG-DAG structure. Finally, we show how our solution can be used for root cause analysis. The second approach is a generative approach for the prediction of time series. In particular, we compare two well-known models for this task: recurrent neural nets on the one hand, hidden Markov models on the other hand. Here, we compare analytically the expressivity of these models by encompassing them into a probabilistic model, called GUM

Стилі APA, Harvard, Vancouver, ISO та ін.

31

Nguyen, Thi Thu Tam. "Learning techniques for the load forecasting of parcel pick-up points." Electronic Thesis or Diss., université Paris-Saclay, 2023. http://www.theses.fr/2023UPASG034.

Повний текст джерела

Анотація:

La livraison de colis en points relais (PR) ou en consigne automatique est une alternative intéressante à la livraison à domicile, que ce soit pour des achats auprès de commerçants en ligne (B2C) ou sur des plateformes de vente entre particuliers (C2C). Un colis peut être livré en PR à un coût réduit et reste plusieurs jours à disposition du client avant d'être retourné au vendeur. Cependant, lorsque le PR choisi est saturé, le colis peut être refusé par le gestionnaire du PR et livré à un autre PR sur la tournée du transporteur. Ceci engendre une perte de temps pour le client et donc du mécontentement. Afin d'améliorer la satisfaction du client, lors d'un achat de produit il est donc important que le gestionnaire des PR (GPR) ne propose que des PR qui seront susceptibles d'accepter les colis. Cette tâche est complexe à cause des délais de livraison : un colis n'affecte la charge d'un PR qu'un à quelques jours après la commande, selon le transporteur. Cette thèse a pour objectif de prédire l'évolution de la charge d'un PR afin de permettre à un GPR de mieux équilibrer les charges de PR géographiquement proches et de limiter le risque de refus d'un colis. Pour cela, une analyse des historiques de charges de PR est effectuée afin de déterminer les paramètres importants influant sur la charge. Des modèles statistiques et issus de l'intelligence artificielle sont ensuite comparés. Dans une première partie, nous considérons la charge des PR liée aux achats en ligne effectués auprès de sites marchands (B2C). La modélisation de l'évolution de la charge d'un PR tient compte du nombre de colis dans chaque état (prêt à être expédié, en transit, livré au PR). Ensuite, le cycle de vie d'un colis est pris en compte dans le processus de prédiction, via des modèles des flux de commandes, des délais de livraison, et du processus de retrait. L'approche proposée reposant sur un modèle est comparée avec des approches exploitant la série temporelle du nombre de livraisons, de retraits et de la charge en termes de précision de prédiction. Dans un deuxième temps, nous considérons la partie de la charge des PR liée aux colis issus des sites de vente entre particuliers (C2C). Dans cette approche, la probabilité qu'un colis contribue à la charge d'un PR est évaluée en fonction de la connaissance de l'état du colis au moment de la prédiction. Le cycle de vie du colis est modélisé par un processus markovien à sauts. De plus, le nombre de colis déposés à destination d'un PR donné est décrit par un modèle autorégressif à changements markoviens (MSAR) pour prendre en compte de la non-stationarité de l'activité de vente entre particuliers. Les paramètres des modèles sont estimés à partir de données historiques sur les dates de chaque étape: dépôt, collecte, livraison et retrait. Il est ensuite possible de déduire la probabilité de la charge future d'un PR. Cette approche est à nouveau comparée à des techniques exploitant la série temporelle de la charge (modèle de Holt-Winters, SARIMA ou LSTM). Dans les deux cas, l'approche proposée considérant le cycle de vie des colis donne de meilleures performances de prédiction, en particulier pour la prédiction jusqu'à quatre jours à l'avance dans le cas du B2C et jusqu'à six jours à l'avance dans le cas du C2C, en comparaison avec les modèles de type LSTM, Holt-Winters, ou SARIMA. Ces résultats permettent de prédire la charge d'un PR avec une erreur relative de 3 colis à 1 jour, et de 7 colis à 3 jours pour les colis B2C, et de 5 colis à 1 jour et de 8 colis à 7 jours pour les colis C2C. Compte-tenu des délais entre commande et livraison (en général de 1 à 3 jours pour le B2C et de 4-5 jours pour le C2C), ces techniques de prédiction sont utiles pour permettre un équilibrage de la charge de PR voisins. Les travaux futurs seront pour but d’améliorer les approches de prévision et de déterminer une méthode d’équilibrage de charge pour mieux gérer le flux de colis
Pick-Up Points (PUP) represent an alternative delivery option for purchases from online retailers (Business-to-Customer, B2C) or online Customer-to-Customer (C2C) marketplaces. Parcels are delivered at a reduced cost to a PUP and wait until being picked up by customers or returned to the original warehouse if their sojourn time is over. When the chosen PUP is overloaded, the parcel may be refused and delivered to the next available PUP on the carrier tour. PUP load forecasting is an efficient method for the PUP management company (PMC) to better balance the load of each PUP and reduce the number of rerouted parcels. This thesis aims to describe the parcel flows in a PUP and to proposed models used to forecast the evolution of the load. For the PUP load associated with the B2C business, the parcel life-cycle has been taken into account in the forecasting process via models of the flow of parcel orders, the delivery delays, and the pick-up process. Model-driven and data-driven approaches are compared in terms of load-prediction accuracy. For the PUP load associated with the C2C business, the daily number of parcels dropped off with a given PUP as target is described by a Markov-Switching AutoRegressive model to account for the non-stationarity of the second-hand shopping activity. The life-cycle of each parcel is modeled by a Markov jump process. Model parameters are evaluated from previous parcel drop-off, delivery, and pick-up records. The probability mass function of the future load of a PUP is then evaluated using all information available on parcels with this PUP as target. In both cases, the proposed model-driven approaches give, for most of the cases, better forecasting performance, compared with the data-driven models, involving LSTM, Random forest, Holt-Winters, and SARIMA models, up to four days ahead in the B2C case and up to six days ahead in the C2C case. The first approach applied to the B2C parcel load yields an MAE of 3 parcels for the one-day ahead prediction and 8 parcels for the four-day ahead prediction. The second approach applied to the C2C parcel load yields an MAE of 5 parcels for the one-day ahead prediction and 8 parcels for the seven-day ahead prediction. These prediction horizons are consistent with the delivery delay associated with these parcels (1-3 days in the case of a B2C parcel and 4-5 days in the case of a C2C parcel). Future research directions aim at optimizing the prediction accuracy, especially in predicting future orders and studying a load-balancing approach to better share the load between PUPs

Стилі APA, Harvard, Vancouver, ISO та ін.

32

Han, Biao. "Predictive coding : its spike-time based neuronal implementation and its relationship with perception and oscillations." Thesis, Toulouse 3, 2016. http://www.theses.fr/2016TOU30029/document.

Повний текст джерела

Анотація:

Dans cette thèse, nous avons étudié le codage prédictif and sa relation avec la perception et les oscillations. Nous avons, dans l'introduction, fait une revue des connaissances sur les neurones et le néocortex et un état de l'art du codage prédictif. Dans les chapitres principaux, nous avons tout d'abord, proposé l'idée, au travers d'une étude théorique, que la temporalité de la décharge crée une inhibition sélective dans les réseaux excitateurs non-sélectifs rétroactifs. Ensuite, nous avons montré les effets perceptuels du codage prédictif: la perception de la forme améliore la perception du contraste. Enfin, nous avons montré que le codage prédictif peut utiliser des oscillations dans différentes bandes de fréquences pour transmettre les informations en avant et en rétroaction. Cette thèse a fourni un mécanisme neuronal viable et innovant pour le codage prédictif soutenu par des données empiriques démontrant des prédictions rétroactives excitatrices et une relation forte entre codage prédictif et oscillations
In this thesis, we investigated predictive coding and its relationship with perception and oscillations. We first reviewed my current understanding about facts of neuron and neocortex and state-of-the-arts of predictive coding in the introduction. In the main chapters, firstly, we proposed the idea that correlated spike times create selective inhibition in a nonselective excitatory feedback network in a theoretical study. Then, we showed the perceptual effect of predictive coding: shape perception enhances perceived contrast. At last, we showed that predictive coding can use oscillations with different frequencies for feedforward and feedback. This thesis provided an innovative and viable neuronal mechanism for predictive coding and empirical evidence for excitatory predictive feedback and the close relationship between the predictive coding and oscillations

Стилі APA, Harvard, Vancouver, ISO та ін.

33

Lepère, Stéphane. "Contribution à la prédiction en ligne des séries temporelles : un cas d'étude à la modélisation de systèmes dynamiques." Lille 1, 2001. https://pepite-depot.univ-lille.fr/RESTREINT/Th_Num/2001/50376-2001-219.pdf.

Повний текст джерела

Анотація:

Cette thèse porte sur la modélisation des systèmes dynamiques, et tente, en particulier, d'apporter une solution au problème de la prédiction de séries temporelles en temps réel. Le premier prédicteur présenté utilise la logique floue. Afin que la phase d'apprentissage puisse se faire sans expert (apprentissage non supervisé), nous avons adopté, pour celle-ci, la méthode d'extraction de règles floues de Abe. Cette méthode, outre qu'elle offre un caractère robuste, permet une interprétation facile du comportement du système sous-jacent, car elle utilise des hyper-volumes simples pour définir les relations qui lient les observations passées et les sorties futures du système. Afin d'améliorer la précision, plusieurs algorithmes ont été développés de manière à adapter les règles floues et les paramètres du modèle lorsque la base d'apprentissage évolue. Le second prédicteur utilise, pour sa part, les propriétés géométriques du signal à prédire. Son originalité réside dans l'utilisation des informations liées au cercle osculateur. Elle est composée d'une procédure locale, qui a pour objectif de construire à chaque instant le cercle osculateur à la courbe représentative du signal, et d'une procédure globale qui permet de prendre en compte les observations passées (base d'apprentissage évolutive). La mise en oeuvre de ces deux méthodes sur plusieurs séries temporelles, ainsi que leurs comparaisons avec des techniques existantes, les font apparaître comme des alternatives très intéressantes, dans le domaine de la prédiction temps réel.

Стилі APA, Harvard, Vancouver, ISO та ін.

34

Khodor, Nadine. "Analyse de la dynamique des séries temporelles multi-variées pour la prédiction d’une syncope lors d’un test d’inclinaison." Thesis, Rennes 1, 2014. http://www.theses.fr/2014REN1S123/document.

Повний текст джерела

Анотація:

La syncope est une perte brusque de conscience. Bien qu'elle ne soit pas généralement mortelle, elle présente un impact économique sur le système de soins et sur la vie personnelle de personnes en souffrant. L'objet de la présente étude est de réduire la durée du test clinique (environ 1 heure) et d'éviter aux patients de développer une syncope en la prédisant. L'ensemble de travail s'inscrit dans une démarche de datamining associant l'extraction de paramètres, la sélection des variables et la classification. Trois approches complémentaires sont proposées, la première exploite des méthodes d'analyse non-linéaires de séries temporelles extraites de signaux acquises pendant le test, la seconde s'intéresse aux relations cardiovasculaires en proposant des indices dans le plan temps-fréquence et la troisième, plus originale, prendre en compte leurs dynamiques temporelles
Syncope is a sudden loss of consciousness. Although it is not usually fatal, it has an economic impact on the health care system and the personal lives of people suffering. The purpose of this study is to reduce the duration of the clinical test (approximately 1 hour) and to avoid patients to develop syncope by early predicting the occurrence of syncope. The entire work fits into a data mining approach involving the feature extraction, feature selection and classification. 3 complementary approaches are proposed, the first one exploits nonlinear analysis methods of time series extracted from signals acquired during the test, the second one focuses on time- frequency (TF) relation between signals and suggests new indexes and the third one, the most original, takes into account their temporal dynamics

Стилі APA, Harvard, Vancouver, ISO та ін.

35

Lefieux, Vincent. "Modèles semi-paramétriques appliqués à la prévision des séries temporelles. Cas de la consommation d'électricité." Phd thesis, Université Rennes 2, 2007. http://tel.archives-ouvertes.fr/tel-00179866.

Повний текст джерела

Анотація:

Une prévision correcte de la consommation d'électricité est fondamentale pour le bon fonctionnement du réseau électrique français, dont Réseau de Transport d'Electricité a la charge. Les prévisions utilisées quotidiennement par RTE sont issues d'un modèle alliant une régression paramétrique non linéaire et un modèle SARIMA.Dans l'idée d'obtenir un modèle de prévision adaptatif, des méthodes de prévision non-paramétriques ont déjà été testées sans succès véritable. On sait notamment que la qualité d'un prédicteur non-paramétrique résiste mal à un grand nombre de variables explicatives, ce qu'on appelle communément le fléau de la dimension.On a proposé récemment des méthodes semi-paramétriques d'estimation d'une régression qui améliorent l'approche non-paramétrique pure. L'une d'elles, basée sur la notion de ''directions révélatrices'' appellée MAVE (Moving Average -conditional- Variance Estimation), peut s'appliquer aux séries temporelles. Nous étudions empiriquement son efficacité pour prédire les valeurs futures d'une série temporelle autorégressive.Nous adaptons ensuite cette méthode, d'un point de vue pratique, pour prédire la consommation électrique. Nous proposons un modèle semi-paramétrique semi-linéaire, basé partiellement sur la méthode MAVE, qui permet de prendre en compte simultanément l'aspect autorégressif du problème, et l'introduction de variables exogènes. La procédure d'estimation proposée se révèle efficace en pratique.

Стилі APA, Harvard, Vancouver, ISO та ін.

36

Marquez, Alfonzo Bicky. "Reservoir computing photonique et méthodes non-linéaires de représentation de signaux complexes : Application à la prédiction de séries temporelles." Thesis, Bourgogne Franche-Comté, 2018. http://www.theses.fr/2018UBFCD042/document.

Повний текст джерела

Анотація:

Les réseaux de neurones artificiels constituent des systèmes alternatifs pour effectuer des calculs complexes, ainsi que pour contribuer à l'étude des systèmes neuronaux biologiques. Ils sont capables de résoudre des problèmes complexes, tel que la prédiction de signaux chaotiques, avec des performances à l'état de l'art. Cependant, la compréhension du fonctionnement des réseaux de neurones dans la résolution de problèmes comme la prédiction reste vague ; l'analogie avec une boîte-noire est souvent employée. En combinant la théorie des systèmes dynamiques non linéaires avec celle de l'apprentissage automatique (Machine Learning), nous avons développé un nouveau concept décrivant à la fois le fonctionnement des réseaux neuronaux ainsi que les mécanismes à l'œuvre dans leurs capacités de prédiction. Grâce à ce concept, nous avons pu imaginer un processeur neuronal hybride composé d'un réseaux de neurones et d'une mémoire externe. Nous avons également identifié les mécanismes basés sur la synchronisation spatio-temporelle avec lesquels des réseaux neuronaux aléatoires récurrents peuvent effectivement fonctionner, au-delà de leurs états de point fixe habituellement utilisés. Cette synchronisation a entre autre pour effet de réduire l'impact de la dynamique régulière spontanée sur la performance du système. Enfin, nous avons construit physiquement un réseau récurrent à retard dans un montage électro-optique basé sur le système dynamique d'Ikeda. Celui-ci a dans un premier temps été étudié dans le contexte de la dynamique non-linéaire afin d'en explorer certaines propriétés, puis nous l'avons utilisé pour implémenter un processeur neuromorphique dédié à la prédiction de signaux chaotiques
Artificial neural networks are systems prominently used in computation and investigations of biological neural systems. They provide state-of-the-art performance in challenging problems like the prediction of chaotic signals. Yet, the understanding of how neural networks actually solve problems like prediction remains vague; the black-box analogy is often employed. Merging nonlinear dynamical systems theory with machine learning, we develop a new concept which describes neural networks and prediction within the same framework. Taking profit of the obtained insight, we a-priori design a hybrid computer, which extends a neural network by an external memory. Furthermore, we identify mechanisms based on spatio-temporal synchronization with which random recurrent neural networks operated beyond their fixed point could reduce the negative impact of regular spontaneous dynamics on their computational performance. Finally, we build a recurrent delay network in an electro-optical setup inspired by the Ikeda system, which at first is investigated in a nonlinear dynamics framework. We then implement a neuromorphic processor dedicated to a prediction task

Стилі APA, Harvard, Vancouver, ISO та ін.

37

Voyant, Cyril. "Prédiction de séries temporelles de rayonnement solaire global et de production d'énergie photovoltaïque à partir de réseaux de neurones artificiels." Phd thesis, Université Pascal Paoli, 2011. http://tel.archives-ouvertes.fr/tel-00635298.

Повний текст джерела

Анотація:

La Corse faisant partie des petits réseaux insulaires non-interconnectés, son approvisionnement énergétique est très particulier. En effet, comme toutes les îles, elle doit se suffire à elle-même. Une solution souvent adoptée pour pallier à cet isolement, consiste à recourir aux énergies renouvelables. Cependant, à cause de leur caractère intermittent, elles ne sont insérées que de manière limitée au sein des réseaux électriques. Il est nécessaire d'utiliser en parallèle d'autres moyens de production d'énergie, avec comme principale difficulté, la gestion optimale de la bascule entre ces deux types d'énergie. Cette étude s'inscrit dans le cadre de la prédiction de la ressource solaire et photovoltaïque dans le but de quantifier l'énergie disponible et de permettre une gestion optimale de la transition entre énergies intermittentes et conventionnelles. Tout au long de ces travaux, nous avons ainsi testé différentes techniques de prédiction sur quatre horizons susceptibles d'intéresser un gestionnaire de réseau : j+1, h+24, h+1 et m+5. A l'issue de toutes ces manipulations, nous pouvons conclure que suivant l'horizon considéré, la hiérarchisation des différents prédicteurs fluctue. On retiendra ainsi que, pour l'horizon j+1, il est intéressant d'utiliser une approche à base de réseaux de neurones en prenant soin de stationnariser les séries temporelles et d'utiliser des variables exogènes. Pour l'horizon h+1, une méthodologie hybride couplant la robustesse des modèles autorégressifs et la non-linéarité des modèles connexionnistes permet d'obtenir des résultats très satisfaisants. Pour le cas h+24, les réseaux de neurones à sorties multiples donnent de très bons résultats. Concernant l'horizon m+5, les conclusions sont moins catégoriques. Ainsi, même si les réseaux de neurones sont les plus performants, la simplicité et les résultats d'une approche basée sur la persistance, nous conduisent à préconiser principalement ce prédicteur. L'ensemble des méthodologies proposées et des résultats obtenus sont complémentaires avec les travaux de prédiction bibliographiques étudiés. Les méthodologies développées pourraient, à terme, être reprises comme éléments de prédiction dans des outils globaux de contrôle et de commande des systèmes énergétiques.

Стилі APA, Harvard, Vancouver, ISO та ін.

38

Wacongne, Catherine. "Traitements conscient et non-conscient des régularités temporelles : Modélisation et neuroimagerie." Thesis, Paris 6, 2014. http://www.theses.fr/2014PA066290/document.

Повний текст джерела

Анотація:

Que va-t-il arriver ensuite ? Les stimuli naturels ont tendance à se suivre d'une façon prédictible. De nombreux domaines de la psychologie et des neurosciences ont montré que le cerveau et le comportement des humains sont sensibles à la structure temporelle des stimuli sensoriels et sont capables de l'exploiter de multiples façons : pour prendre des décisions appropriées, encoder l'information de façon efficace, réagir plus vite aux événements prédictibles ou encore orienter l'attention vers les stimuli inattendus. Si de nombreuses aires cérébrales sont sensibles aux régularités temporelles (RT), toutes ne semblent pas traiter les mêmes types de structure temporelle. L'accès conscient aux stimuli semble jouer un rôle important dans la capacité à apprendre certains types de RT. Cette thèse explore l'organisation hiérarchique du traitement des RT et les propriétés computationnelles propres à leur traitement conscient et non conscient en combinant un travail de modélisation et des expériences de neuroimagerie en magnétoencéphalographie et électroencéphalographie (MEEG). Un premier modèle neuronal basé sur les principes du codage prédictif reproduit les principales propriétés du traitement préattentif des sons purs dans le cortex auditif indexé par le potentiel évoqué appelé négativité d'incongruence (MMN). Une seconde étude en MEEG met en évidence l'existence d'une hiérarchie de processus prédictifs dans le cortex auditif. Enfin, un second modèle explore les contraintes et les nouvelles propriétés computationnelles qui sont associées à l'accès conscient des stimuli à un système de mémoire de travail capable de maintenir indéfiniment un nombre limité d'objets
What is going to happen next? Natural stimuli tend to follow each other in a reproducible way. Multiple fields of neuroscience and psychology bring evidence that human’s brain and behavior are sensitive to the temporal structure of stimuli and are able to exploit them in multiple ways: to make appropriate decisions, encode efficiently information, react faster to predictable stimuli or orient attention towards surprising ones… Multiple brain areas show sensitivity to the temporal structure of events. However, all areas do not seem to be sensitive to the same kind of temporal regularities. Conscious access to the stimuli seems to play a key role in some of these dissociations and better understanding this role could improve the current diagnostic tools for non-communicative patients. This thesis explores the hierarchical organization of the processing of temporal regularities and the computational properties of conscious and unconscious levels of processing by combining a modeling approach with neuroimaging experiments using magnetoencephalography and electroencephalography (MEEG). First, a plausible neuronal model based on predictive coding principles reproduces the main properties of the preattentive processing of pure tones in the auditory cortex indexed by the evoked potential mismatch negativity (MMN). Second, a MEEG experiment provides evidence for a hierarchical organization of multiple predictive processes in the auditory cortex. Finally, a second model explores the new computational properties and constraints associated to the access of stimuli to a conscious space with a working memory able to maintain information for an arbitrary time but with limited capacity

Стилі APA, Harvard, Vancouver, ISO та ін.

39

Germain, Simon. "Conception d'une mesure automatisée de détection des changements alimentaires chez le porc." Mémoire, Université de Sherbrooke, 2015. http://hdl.handle.net/11143/7925.

Повний текст джерела

Анотація:

Le mandat consiste à développer un outil afin de détecter les désordres alimentaires chez le porc, dans le but de prévenir des problèmes de croissance ou de maladie potentiels. L'outil proposé analyse les données récoltées sur 5 jours consécutifs (période mémoire) pour prédire la consommation de la journée suivante. Il utilise une régression polynomiale généralisée avec contraintes et lissage. L'outil calcule ensuite la différence entre la prédiction et les observations.

Стилі APA, Harvard, Vancouver, ISO та ін.

40

Vuillemin, Benoit. "Recherche de règles de prédiction dans un contexte d'Intelligence Ambiante." Thesis, Lyon, 2020. http://www.theses.fr/2020LYSE1120.

Повний текст джерела

Анотація:

Cette thèse traite du sujet de l’intelligence ambiante, fusion entre l’intelligence artificielle et l’internet des objets. L’objectif de ce travail est d’extraire des règles de prédiction à partir des données fournies par les objets connectés dans un environnement, afin de proposer aux utilisateurs des automatisations. Notre principale motivation repose sur la confidentialité, les interactions entre utilisateurs et l’explicabilité du fonctionnement du système. Dans ce contexte, plusieurs contributions ont été apportées. La première est une architecture d’intelligence ambiante qui fonctionne localement et traite les données provenant d’un seul environnement connecté. La seconde est un processus de discrétisation sans a priori sur les données d’entrée, permettant de prendre en compte les différentes données provenant de divers objets. La troisième est un nouvel algorithme de recherche de règles sur une série temporelle, qui évite les limitations des algorithmes de l’état de l’art. L’approche a été validée par des tests sur deux bases de données réelles. Enfin, les perspectives de développement du système sont présentées
This thesis deals with the subject of Ambient Intelligence, the fusion between Artificial Intelligence and the Internet of Things. The goal of this work is to extract prediction rules from the data provided by connected objects in an environment, in order to propose automation to users. Our main concern relies on privacy, user interactions, and the explainability of the system’s operation. In this context, several contributions were made. The first is an ambient intelligence architecture that operates locally, and processes data from a single connected environment. The second is a discretization process without a priori on the input data, allowing to take into account different kinds of data from various objects. The third is a new algorithm for searching rules over a time series, which avoids the limitations of stateoftheart algorithms. The approach was validated by tests on two real databases. Finally, prospects for future developments in the system are presented

Стилі APA, Harvard, Vancouver, ISO та ін.

41

Çinar, Yagmur Gizem. "Prédiction de séquences basée sur des réseaux de neurones récurrents dans le contexte des séries temporelles et des sessions de recherche d'information." Thesis, Université Grenoble Alpes (ComUE), 2019. http://www.theses.fr/2019GREAM079.

Повний текст джерела

Анотація:

Cette thèse examine les défis de la prédiction de séquence dans différents scénarios, tels que la prédiction de séquence à l'aide de réseaux de neurones récurrents (RNN) dans le contexte des séries temporelles et des sessions de recherche d'informations (RI). Prédire les valeurs inconnues suivant certaines valeurs précédemment observées est appelée prédiction de séquence. Elle est largement applicable à de nombreux domaines où un comportement séquentiel est observé dans les données. Dans cette étude, nous nous concentrons sur deux tâches de prédiction de séquences: la prévision de séries temporelles et la prédiction de la requête suivante dans une session de recherche d'informations.Les séries temporelles comprennent souvent des pseudo-périodes, c'est-à-dire des intervalles de temps avec une forte corrélation entre les valeurs des séries temporelles. Les changements saisonniers dans les séries temporelles météorologiques ou la consommation d'électricité le jour et la nuit sont quelques exemples de pseudo-périodes. Dans un scénario de prévision, les pseudo-périodes correspondent à la différence entre les positions de la sortie prévue et les entrées spécifiques. Afin de capturer des périodes dans des RNN, une mémoire de la séquence d'entrée est requise. Les RNN séquence à séquence (avec mécanisme d'attention) réutilisent des (représentations des) valeurs d'entrée spécifiques pour prédire les valeurs de sortie. Les RNN séquence à séquence avec un mécanisme d'attention semblent convenir à la capture de périodes. Ainsi, nous explorons d’abord la capacité d’un mécanisme d’attention dans ce contexte. Cependant, selon notre analyse initiale, un mécanisme d’attention standard ne permet pas de capturer les périodes. Par conséquent, nous proposons un modèle RNN d’attention basé sur le contenu et sensible à la période. Ce modèle étend les RNN séquence à séquence de l'état de l'art avec un mécanisme d’attention. Il vise à capturer les périodes dans une série temporelle avec ou sans valeurs manquantes. Nos résultats expérimentaux avec des RNN contenant un mécanisme d'attention basé sur le contenu et sensible à la période montrent une amélioration significative des performances de prévision des séries temporelles univariées et multivariées sur plusieurs ensembles de données disponibles publiquement.La prédiction de la requête suivante est un autre défi de la prédiction de séquence. La prédiction de la requête suivante aide les utilisateurs à désambiguïser leur requête, à explorer différents aspects de leur besoin en information ou à former une requête précise et succincte qui permet d’optimiser les performances de la recherche. Une session de recherche est dynamique et les besoins en informations d'un utilisateur peuvent changer au cours d'une session de recherche à la suite des interactions de recherche. De plus, les interactions d'un utilisateur avec un moteur de recherche influencent les reformulations de requêtes de l'utilisateur. Considérant cette influence sur les formulations de requête, nous analysons d’abord l’origine des mots des requêtes suivantes. En utilisant l’analyse des sources des mots de requête, nous proposons deux approches de prédiction de requête: une vue d'ensemble et une vue de séquence. La vue d'ensemble adapte une approche de sac de mots en utilisant un nouvel ensemble de traits définis en fonction des sources d'analyse des mots des requêtes suivantes. Ici, la prochaine requête est prédite en utilisant un apprentissage de classification. La vue de séquence étend un modèle RNN hiérarchique en prenant en compte les sources des mots des requêtes suivantes dans la prédiction. Les sources des mots des requêtes suivantes sont incorporées à l'aide d'un mécanisme d'attention sur les mots d'interaction. Nous avons observé que l’utilisation de l’approche séquentielle, une formulation naturelle du problème, et l’exploitation de toutes les sources des mots permettent d’améliorer la prédiction des requêtes suivantes
This thesis investigates challenges of sequence prediction in different scenarios such as sequence prediction using recurrent neural networks (RNNs) in the context of time series and information retrieval (IR) search sessions. Predicting the unknown values that follow some previously observed values is basically called sequence prediction.It is widely applicable to many domains where a sequential behavior is observed in the data. In this study, we focus on two different types of sequence prediction tasks: time series forecasting and next query prediction in an information retrieval search session.Time series often display pseudo-periods, i.e. time intervals with strong correlation between values of time series. Seasonal changes in weather time series or electricity usage at day and night time are some examples of pseudo-periods. In a forecasting scenario, pseudo-periods correspond to the difference between the positions of the output being predicted and specific inputs.In order to capture periods in RNNs, one needs a memory of the input sequence. Sequence-to-sequence RNNs (with attention mechanism) reuse specific (representations of) input values to predict output values. Sequence-to-sequence RNNs with an attention mechanism seem to be adequate for capturing periods. In this manner, we first explore the capability of an attention mechanism in that context. However, according to our initial analysis, a standard attention mechanism did not perform well to capture the periods. Therefore, we propose a period-aware content-based attention RNN model. This model is an extension of state-of-the-art sequence-to-sequence RNNs with attention mechanism and it is aimed to capture the periods in time series with or without missing values.Our experimental results with period-aware content-based attention RNNs show significant improvement on univariate and multivariate time series forecasting performance on several publicly available data sets.Another challenge in sequence prediction is the next query prediction. The next query prediction helps users to disambiguate their search query, to explore different aspects of the information they need or to form a precise and succint query that leads to higher retrieval performance. A search session is dynamic, and the information need of a user might change over a search session as a result of the search interactions. Furthermore, interactions of a user with a search engine influence the user's query reformulations. Considering this influence on the query formulations, we first analyze where the next query words come from? Using the analysis of the sources of query words, we propose two next query prediction approaches: a set view and a sequence view.The set view adapts a bag-of-words approach using a novel feature set defined based on the sources of next query words analysis. Here, the next query is predicted using learning to rank. The sequence view extends a hierarchical RNN model by considering the sources of next query words in the prediction. The sources of next query words are incorporated by using an attention mechanism on the interaction words. We have observed using sequence approach, a natural formulation of the problem, and exploiting all sources of evidence lead to better next query prediction

Стилі APA, Harvard, Vancouver, ISO та ін.

42

Diss, Stéphanie. "Apport de l'imagerie radar pour la connaissance spatio-temporelle des champs de pluie : utilisation pour une modélisation prédictive des crues." Paris 6, 2009. http://www.theses.fr/2009PA066038.

Повний текст джерела

Анотація:

Le but de cette étude est de vérifier l’apport d’une information spatialisée de la pluie, en particulier avec l’imagerie radar, dans une modélisation hydrologique opérationnelle, le modèle GR3H. Deux radars étaient placés près de Collobrières dans le Sud Est de la France. Le premier est un radar en bande X à double polarisation (Hydrix®) associé à l’algorithme ZPHI®. Le second est un radar en bande S (Météo France). La pertinence des lames d’eau obtenue avec les radars en bande S et en bande X diminue de manière significative à plus de 60 km des radars, en particulier pour le radar en bande X. Pour des distances entre 30 et 60 km, les radars en bande S et en bande X donnent des résultats similaires lorsque l’on considère un pas de temps horaire. Le radar en bande X ne nécessite pas de recalage avec les mesures au sol, ce qui est utile pour des zones sans réseau de pluviomètres. L’influence d’une information spatialisée de la pluie sur le modèle GR3H simplifié est étudiée. L’imagerie radar ne permet pas d’avoir une chronique de pluie assez ancienne pour réaliser raisonnablement un calage du modèle. Les données de pluie sont donc interpolées avec les 17 pluviographes du bassin du Réal Collobrier. Les calages les plus pertinents sont obtenus avec une modélisation distribuée, les paramètres de transfert sont distribués en fonction de la distance, couplée à une information spatialisée de la pluie. La comparaison, en validation, de ces calages optimums et de la modélisation distribuée calée avec des paramètres de transfert fixes (méthode opérationnelle d’AIGA) montre des similarités pour la mise en alerte des crues sur le bassin du Réal Collobrier.

Стилі APA, Harvard, Vancouver, ISO та ін.

43

Rynkiewicz, Joseph. "Modèles hybrides intégrant des réseaux de neurones artificiels à des modèles de chaînes de Markov cachées : application à la prédiction de séries temporelles." Paris 1, 2000. http://www.theses.fr/2000PA010077.

Повний текст джерела

Анотація:

L'objet de cette thèse est la modélisation et la prédiction de séries temporelles par l'utilisation jointe de perceptrons multicouches (MLP) et de chaînes de Markov cachées (HMM). Après un rappel de quelques résultats fondamentaux sur les MLP, nous discutons empiriquement d'une méthode d'estimation et d'initialisation des paramètres (poids) du MLP par recuit simulé. Puis, nous étudions l'estimation des paramètres d'un modèle autorégressif non-linéaire dans le cadre des séries multidimensionnelles. Nous montrons que la fonction de contraste à minimiser dans ce cas est le logarithme du déterminant de la matrice de covariance empirique, puisque cela correspond au maximum de vraisemblance pour un bruit gaussien. On montre que, sous de bonnes conditions de régularité du modèle et sans hypothèse de normalité du bruit, ce contraste a de bonnes propriétés statistiques et nous en déduisons, sous des hypothèses raisonnables, qu'un contraste pénalisé de type BIC est fortement consistant. Nous étudions ensuite les modèles HMM/MLP ou modèles autorégressifs à changements de régime markoviens. Après avoir montré le bon comportement de ce modèle sur une série de laboratoire (série laser), nous étudions les différentes façons d'estimer les paramètres de ces modèles à l'aide de l'estimateur du maximum de vraisemblance (EMV). Généralisant la méthode d'Elliott, nous proposons un algorithme E. M. Ne nécessitant qu'une récurrence avant et autorisant alors une implémentation en ligne, de l'algorithme. Puis, nous montrons qu'une approche plus directe, c'est-à-dire un calcul effectif de la dérivée de la log-vraisemblance donne un algorithme plus performant. Nous étudions alors les propriétés statistiques de l'EMY. Après avoir rappelé les conditions d'existence d'une solution stationnaire générée par ce modèle, nous démontrons la consistance, puis la normalité asymptotique de cet estimateur. Finalement nous utilisons ce modèle pour améliorer les prévisions du taux de pollution en niveau d'ozone dans l'air parisien.

Стилі APA, Harvard, Vancouver, ISO та ін.

44

Lefieux, Vincent. "Modèles semi-paramétriques appliqués à la prévision des séries temporelles : cas de la consommation d’électricité." Phd thesis, Rennes 2, 2007. https://theses.hal.science/tel-00179866/fr/.

Повний текст джерела

Анотація:

Une prévision correcte de la consommation d’électricité est fondamentale pour le bon fonctionnement du réseau électrique français, dont Réseau de Transport d’Electricité a la charge. Les prévisions utilisées quotidiennement par RTE sont issues d’un modèle alliant une régression paramétrique non linéaire et un modèle SARIMA. Dans l’idée d’obtenir un modèle de prévision adaptatif, des méthodes de prévision non-paramétriques ont déjà été testées sans succès véritable. On sait notamment que la qualité d’un prédicteur nonparamétrique résiste mal à un grand nombre de variables explicatives, ce qu’on appelle communément le fléau de la dimension. On a proposé récemment des méthodes semi-paramétriques d’estimation d’une régression qui améliorent l’approche non-paramétrique pure. L’une d’elles, basée sur la notion de ”directions révélatrices” appellée MAVE (Moving Average -conditional- Variance Estimation), peut s’appliquer aux séries temporelles. Nous étudions empiriquement son efficacité pour prédire les valeurs futures d’une série temporelle autorégressive. Nous adaptons ensuite cette méthode, d’un point de vue pratique, pour prédire la consommation électrique. Nous proposons un modèle semi-paramétrique semi-linéaire, basé partiellement sur la méthode MAVE, qui permet de prendre en compte simultanément l’aspect autorégressif du problème, et l’introduction de variables exogènes. La procédure d’estimation proposée se révèle efficace en pratique
Réseau de Transport d’Electricité (RTE), in charge of operating the French electric transportation grid, needs an accurate forecast of the power consumption in order to operate it correctly. The forecasts used everyday result from a model combining a nonlinear parametric regression and a SARIMA model. In order to obtain an adaptive forecasting model, nonparametric forecasting methods have already been tested without real success. In particular, it is known that a nonparametric predictor behaves badly with a great number of explanatory variables, what is commonly called the curse of dimensionality. Recently, semiparametric methods which improve the pure nonparametric approach have been proposed to estimate a regression function. Based on the concept of ”dimension reduction”, one those methods (called MAVE : Moving Average -conditional- Variance Estimate) can apply to time series. We study empirically its effectiveness to predict the future values of an autoregressive time series. We then adapt this method, from a practical point of view, to forecast power consumption. We propose a partially linear semiparametric model, based on the MAVE method, which allows to take into account simultaneously the autoregressive aspect of the problem and the exogenous variables. The proposed estimation procedure is practicaly efficient

Стилі APA, Harvard, Vancouver, ISO та ін.

45

Nguyen, Viet Hoa. "Une méthode fondée sur les modèles pour gérer les propriétés temporelles des systèmes à composants logiciels." Thesis, Rennes 1, 2013. http://www.theses.fr/2013REN1S090/document.

Повний текст джерела

Анотація:

Cette thèse propose une approche pour intégrer l'utilisation des propriétés temporisées stochastiques dans un processus continu de design fondé sur des modèles à l'exécution. La spécification temporelle de services est un aspect important des architectures à base de composants, par exemple dans des réseaux distribués volatiles de nœuds informatiques. L'approche models@runtime facilite la gestion de ces architectures en maintenant des modèles abstraits des architectures synchronisés avec la structure physique de la plate-forme d'exécution distribuée. Pour les systèmes auto-adaptatifs, la prédiction de délais et de débit d'un assemblage de composants est primordial pour prendre la décision d'adaptation et accepter les évolutions qui sont conformes aux spécifications temporelles. Dans ce but, nous définissons une extension du métamodèle fondée sur les réseaux de Petri stochastiques comme un modèle temporisé interne pour la prédiction. Nous concevons une bibliothèque de patrons pour faciliter la spécification et la prédiction des propriétés temporisées classiques de modèles à l'exécution et rendre la synchronisation des comportements et des changements structurels plus facile. D'autre part, nous appliquons l'approche de la modélisation par aspects pour tisser les modèles temporisés internes dans les modèles temporisés de comportement du composant et du système. Notre moteur de prédiction est suffisamment rapide pour effectuer la prédiction à l'exécution dans un cadre réaliste et valider des modèles à l'exécution
This thesis proposes an approach to integrate the use of time-related stochastic properties in a continuous design process based on models at runtime. Time-related specification of services are an important aspect of component-based architectures, for instance in distributed, volatile networks of computer nodes. The models at runtime approach eases the management of such architectures by maintaining abstract models of architectures synchronized with the physical, distributed execution platform. For self-adapting systems, prediction of delays and throughput of a component assembly is of utmost importance to take adaptation decision and accept evolutions that conform to the specifications. To this aim we define a metamodel extension based on stochastic Petri nets as an internal time model for prediction. We design a library of patterns to ease the specification and prediction of common time properties of models at runtime and make the synchronization of behaviors and structural changes easier. Furthermore, we apply the approach of Aspect-Oriented Modeling to weave the internal time models into timed behavior models of the component and the system. Our prediction engine is fast enough to perform prediction at runtime in a realistic setting and validate models at runtime

Стилі APA, Harvard, Vancouver, ISO та ін.

46

Cason, Nia. "L'effet du rythme musical sur la parole." Thesis, Aix-Marseille, 2013. http://www.theses.fr/2013AIXM4086/document.

Повний текст джерела

Анотація:

La musique et la parole reposent sur une organisation temporelle. En effet, l’anticipation, l’organisation et le groupement temporel y sont nécessaires. Il serait donc possible que des processus domaine-généraux sous-tendent ces deux processus temporels soient mis en jeu.Pour tester cette hypothèse, trois expériences utilisant des mesures comportementales et électrophysiologiques (EEG) ont été menées afin de déterminer si la perception et la production de la parole peuvent bénéficier d’un amorçage rythmique (i.e. la présentation au préalable d’un rythme musical qui peut renseigner sur les structures temporelles de la parole). En utilisant ces mesures, nous avons montré que le traitement phonologique de pseudo-mots parlés est renforcé lorsque la parole est conforme aux prédictions temporelles des auditeurs (Cason & Schön, 2012). Le traitement phonologique des phrases peut également être amélioré et cet effet d’amorçage augmenté grâce à un entrainement avec les rythmes musicaux (Cason, Astésano & Schön, soumis). Dans une troisième étude, nous avons montré que l’amorçage rythmique peut augmenter la production phonologique chez les enfants sourds (Cason, Hidalgo & Schön, soumis).Ces trois études montrent que la régularité du rythme musical (plus important que dans la parole) semblerait permettre, de manière générale, la formation de prédictions temporelles précises et une trace mnésique également améliorer la production de la parole chez les enfants souffrants de troubles auditif
Music and speech are both reliant on how events occur in time. Both require anticipation about when and what events will occur as well as a temporal and hierarchical organisation of salient and less salient events. These may rely on common, domain-general processes.With this in mind, three experiments using behavioural and electrophysiological (EEG) measures were conducted which aimed to investigate whether speech perception and production can benefit from rhythmic priming (inducing temporal expectations through music, and which can inform a listener about temporal structures in speech). We have found that phonological processing of spoken pseudowords is enhanced when speech conforms to listener expectations, as measured by behavioural (reaction time) and EEG data (Cason & Schön, 2012). Phonological processing of sentences can also be enhanced via rhythmic priming (behavioural measures) and this priming effect is augmented through training with the musical rhythms (Cason, Astésano & Schön, submitted).Overall, it seems that the regularity of musical rhythm (over speech rhythm) allows a listener to form precise temporal expectations and a metrical memory trace which can impact on phonological processing of words and sentences, and that rhythmic priming can also enhance articulation performance in hearing-impaired children, perhaps via an enhanced phonological perception

Стилі APA, Harvard, Vancouver, ISO та ін.

47

Mecharnia, Thamer. "Approches sémantiques pour la prédiction de présence d'amiante dans les bâtiments : une approche probabiliste et une approche à base de règles." Electronic Thesis or Diss., université Paris-Saclay, 2022. http://www.theses.fr/2022UPASG036.

Повний текст джерела

Анотація:

De nos jours, les Graphes de Connaissances sont utilisés pour représenter toutes sortes de données et ils constituent des ressources évolutives, interopérables et exploitables par des outils d’aide à la décision. Le Centre Scientifique et Technique du Bâtiment (CSTB) a été sollicité pour développer un outil d'aide à l'identification des matériaux contenant de l'amiante dans les bâtiments. Dans ce contexte, nous avons créé et peuplé l'ontologie ASBESTOS qui permet la représentation des données des bâtiments et les résultats des diagnostics réalisés en vue de détecter la présence d’amiante dans les produits utilisés. Nous nous sommes ensuite basés sur ce graphe de connaissance pour développer deux approches qui permettent de prédire la présence d’amiante dans les produits en l’absence de la référence du produit commercialisé effectivement utilisé.La première approche, nommée approche hybride, se base sur des ressources externes décrivant les périodes où les produits commercialisés sont amiantés pour calculer une probabilité d’existence d’amiante dans un composant du bâtiment. Cette approche traite les conflits entre les ressources externes, et l’incomplétude des données répertoriées en appliquant une approche de fusion pessimiste qui ajuste les probabilités calculées en utilisant un sous-ensemble de diagnostiques.La deuxième approche, nommée CRA-Miner, s’inspire de méthodes de programmation logique inductive (PLI) pour découvrir des règles à partir du graphe de connaissances décrivant les bâtiments et les diagnostics d'amiante. La référence des produits spécifiques utilisés lors de la construction n'étant jamais spécifiée, CRA-Miner considère les données temporelles, la sémantique de l'ontologie ASBESTOS, les types de produits et les informations contextuelles telles que les relations partie-tout pour découvrir un ensemble de règles qui pourront être utilisées pour prédire la présence d'amiante dans les éléments de construction.L’évaluation des deux approches menées sur l'ontologie ASBESTOS peuplée avec les données fournies par le CSTB montrent que les résultats obtenus, en particulier quand les deux approches sont combinées, sont tout à fait prometteurs
Nowadays, Knowledge Graphs are used to represent all kinds of data and they constitute scalable and interoperable resources that can be used by decision support tools. The Scientific and Technical Center for Building (CSTB) was asked to develop a tool to help identify materials containing asbestos in buildings. In this context, we have created and populated the ASBESTOS ontology which allows the representation of building data and the results of diagnostics carried out in order to detect the presence of asbestos in the used products. We then relied on this knowledge graph to develop two approaches which make it possible to predict the presence of asbestos in products in the absence of the reference of the marketed product actually used.The first approach, called the hybrid approach, is based on external resources describing the periods when the marketed products are asbestos-containing to calculate the probability of the existence of asbestos in a building component. This approach addresses conflicts between external resources, and incompleteness of listed data by applying a pessimistic fusion approach that adjusts the calculated probabilities using a subset of diagnostics.The second approach, called CRA-Miner, is inspired by inductive logic programming (ILP) methods to discover rules from the knowledge graph describing buildings and asbestos diagnoses. Since the reference of specific products used during construction is never specified, CRA-Miner considers temporal data, ASBESTOS ontology semantics, product types and contextual information such as part-of relations to discover a set of rules that can be used to predict the presence of asbestos in construction elements.The evaluation of the two approaches carried out on the ASBESTOS ontology populated with the data provided by the CSTB show that the results obtained, in particular when the two approaches are combined, are quite promising

Стилі APA, Harvard, Vancouver, ISO та ін.

48

Ramanantenasoa, Maharavo. "Prise en compte de la variabilité spatio-temporelle des émissions d'ammoniac liées à la fertilisation azotée en France et développement de métamodèles prédictifs." Thesis, Université Paris-Saclay (ComUE), 2018. http://www.theses.fr/2018SACLA027/document.

Повний текст джерела

Анотація:

Dans un contexte de réduction des impacts des pratiques agricoles sur la santé humaine et sur les écosystèmes, il est nécessaire de bien prendre en compte la volatilisation d’ammoniac (NH3) dans les inventaires d’émissions, la compréhension du devenir de l’azote après fertilisation et la modélisation de la qualité de l’air. Etant donné le poids de la fertilisation azotée (55%) dans le total des émissions nationales de NH3, cette dernière constitue un levier important pour réduire les émissions de NH3. Les inventaires nationaux actuels, basés sur l’utilisation de facteurs d’émission par défaut, souffrent d’un manque de description spatiale et temporelle, rendant difficile l’élaboration des politiques de réduction efficaces des émissions. Par ailleurs, même s’il existe à l’heure actuelle des modèles qui simulent de manière globale le devenir de l’azote sur le cycle de la culture, la volatilisation de NH3 n’est pas toujours prise en compte, et si elle l’est, les modules de volatilisation sont souvent relativement frustres et n’ont été que partiellement validés. Il existe pourtant des modèles dédiés exclusivement à la volatilisation de NH3 au champ, mais leurs exigences en données et paramètres d’entrée et leur temps de calcul limitent leur utilisation à grande échelle (exemple, échelle nationale…) sur de nombreux sites géographiques pendant plusieurs années, ainsi que leur intégration dans des modèles opérationnels de prédiction de la qualité de l’air, ou des outils d’aide à la décision ou d’évaluation environnementale en termes de fertilisation azotée.Cette thèse propose des nouveaux outils. Le premier outil, CADASTRE_NH3, permet de décrire et d’analyser la variabilité spatio-temporelle des émissions de NH3 liées à la fertilisation azotée. Il couple le modèle de processus Volt’Air avec des bases de données géo-référencées sur les facteurs agro-pédoclimatiques à l’échelle nationale. Cette approche d’inventaires des émissions a montré sa capacité à capturer les variabilités spatio-temporelles de l’utilisation d’azote et des émissions de NH3 qui en résultent, et à prendre en compte l’effet des interactions des facteurs pédologiques et/ou climatiques sur les émissions. La confrontation des résultats de l’outil CADASTRE_NH3 avec les inventaires officiels français montrent de fortes convergences en ce qui concerne les quantités d’azote utilisé et les émissions de NH3 en France pour l’année 2005-06, mais aussi des divergences notamment pour le cas des produits résiduaires organiques. Le deuxième type d’outils correspond aux méta-modèles dérivés de Volt'Air pour prédire les taux d’émissions de NH3 après application d’engrais azotés. Ces méta-modèles présentent de nombreux avantages pratiques du fait de leur simplicité et opérationnalité. Ils ont des potentiels d’utilisation prometteurs pour accompagner la prise de décision en terme de conditions d’utilisation des engrais et également pour appuyer les politiques de réduction des émissions à travers par exemple la réalisation des tests de scénarios.Il serait cependant intéressant de confronter les outils développés dans le cadre de cette thèse avec des données expérimentales pour évaluer leur performance respective et valider l’ensemble de nos approches. Il serait également intéressant de développer des méta-modèles dynamiques dérivés du modèle Volt’Air capables de décrire la dynamique des flux de NH3 liés à l’application des engrais azotés pour être intégrés comme modules simples de volatilisation de NH3 dans des modèles agronomiques et atmosphériques
In a context of reducing the impacts of agricultural practices on human health andecosystems, it is necessary to better account for ammonia (NH3) volatilization in the inventories of NH3 emissions, the understanding of the nitrogen behavior after fertilization and the modeling of air quality.Given the considerable weight of nitrogen fertilizer (55%) in the total national NH3 emissions, nitrogen fertilization is an important lever for reducing NH3 emissions. Current national inventories are based on the use of default emission factors (EF) and suffer from a lack of fine spatial and temporal NH3 emissions descriptions making it difficult to develop effective emission reduction policies. Moreover, even if there are currently models that globally simulate the fate of nitrogen on the crop cycle, their do not always take into account the volatilization of NH3, and if it is, the volatilization modules are often very frustrating and have not been validated. There are models dedicated exclusively to the volatilization of NH3 in the field, but their requirements for data and input parameters and their calculation time limit their large-scale use (e.g, at national scale) in many geographical locations for several years as well as their integration into airquality prediction models or decision support or environmental assessment tools in terms of nitrogen fertilization.This thesis proposes new tools. The first tool, CADASTRE_NH3 makes it possible to describe and analyze the spatio-temporal variability of NH3 emissions from nitrogen fertilization. It combines the Volt'Air process-based model with geo-referenced databases on agro-soil-meteorological factors at the national level. This approach has demonstrated its ability to capture the spatio-temporal variability ofnitrogen use and resulting NH3 emissions, and to take into account the effect of soil and climate factor interactions on emissions. The comparison of CADASTRE_NH3 results with the official French inventories shows strong convergences regarding the quantities of nitrogen used and NH3 emissions in France for the year 2005-06, but also divergences especially for the case of organic waste products. Thesecond type of tool corresponds to meta-models derived from Volt'Air for predicting NH3 emission rates after nitrogen fertilizer applications. These meta-models have many practical advantages because of their simplicity and operability. They have promising potential uses to support decision-making in terms of fertilizer use conditions and also to support emission reduction policies through, for example, scenario testing.However, it would be interesting to compare the tools developed in this thesis with experimental data to evaluate their respective performance and validate all our approaches. It would also be interesting to develop dynamic meta-models of Volt'Air that can describe the dynamics of NH3 fluxes related to nitrogen fertilizer applications and to be integrated as simple modules of NH3 volatilization in agronomic and atmospheric models

Стилі APA, Harvard, Vancouver, ISO та ін.

49

Dermouche, Soumia. "Leveraging the dynamics of non-verbal behaviors : modeling social attitude and engagement in human-agent interaction." Electronic Thesis or Diss., Sorbonne université, 2019. https://accesdistant.sorbonne-universite.fr/login?url=https://theses-intra.sorbonne-universite.fr/2019SORUS271.pdf.

Повний текст джерела

Анотація:

Dans le contexte de l'interaction humain-agent, notre objectif était d'améliorer la qualité de l'interaction en: (1) dotant l'agent de la capacité d'exprimer des attitudes sociales telles que la dominance ou l'amicalité ce qui renforcent ses compétences sociales; (2) adaptant le comportement de l'agent selon le comportement de l'utilisateur, par conséquent l'agent et l'utilisateur s'influencent mutuellement par le biais d'une boucle interactive; (3) prédisant le niveau d'engagement de l'utilisateur et adaptant en conséquence le comportement de l'agent, ce qui contribue à maintenir l'intérêt et la motivation de l'utilisateur. Nous nous basons sur les progrès récents dans le domaine de l'apprentissage automatique, plus particulièrement de l'extraction de séquences temporelles et des réseaux de neurones. Le premier est utilisé pour apprendre des séquences pertinentes de signaux non-verbaux qui représentent au mieux les variations d'attitude, puis les reproduire par l'agent. Le seconde est utilisé pour englober la dynamique des signaux non verbaux. Deux cas d'utilisation ont été explorés à l'aide du modèle LSTM : l'adaptation du comportement de l'agent en fonction de l’historique de comportement de l'agent et de l'utilisateur; et la prédiction de l'engagement de l'utilisateur basée sur son propre historique de comportement. La pertinence des modèles et des algorithmes implémentés a été validée au moyen de nombreuses études approfondies et d'une évaluation quantitative rigoureuse des résultats obtenus. De plus, les travaux réalisés ont été intégrés dans une plateforme d'agents virtuels
Social interaction implies exchange between two or more persons, where they adapt their behaviors to each others. With the growing interest in human-agent interactions, it is desirable to make these interactions natural and human like. In this context, we aimed at enhancing the quality of the interaction between users and Embodied Conversational Agents ECAs by (1) endowing the ECA with the capacity to express social attitudes, such as being friendly or dominant depending its role or relationship with its interaction partners; (2) adapting the agent's behavior according to the user's behavior, hence, the conversation partners influence each others through an interaction loop, thus, enhancing the interaction quality; (3) predicting the user's engagement level and adapting the agent's behavior accordingly. We take advantage of the recent advances in machine learning, more specifically, temporal sequence mining and neural networks to model these capacities in the ECA. The first model is used to learn relevant patterns (sequences) of non-verbal signals that best represent attitude variations, and then reproduce them on the agent. The latter is used to encompass the dynamics of non-verbal signals. Two use cases have been explored using the well-known LSTM model: agent's behavior adaptation based on both agent's and user's behavior history, and user's engagement prediction based on his/her own behavior history. The implemented models and algorithms have been validated through a number of perceptive studies as well as through rigorous quantitative analysis of the obtained results. In addition, the realized models have been integrated into a virtual-agent platform

Стилі APA, Harvard, Vancouver, ISO та ін.

50

Wang, Chao. "Modélisation et prédiction des assemblages de phytoplancton à l’aval de la rivière des Perles, en Chine." Toulouse 3, 2014. http://thesesups.ups-tlse.fr/2666/.

Повний текст джерела

Анотація:

Les écosystèmes aquatiques sont soumis à des pressions croissantes dues aux changements climatiques et aux activités anthropiques. Les rivières sont considérées comme la voie la plus importante pour la circulation de l'énergie, de la matière et des organismes. Le phytoplancton constitue le niveau de base de la chaîne alimentaire aquatique, et en liaison avec son cycle de vie, il a en plus une réponse rapide à des facteurs environnementaux qui régulent l'activité biologique et la qualité de l'eau. Les phytoplanctons ont été étudiés essentiellement en milieux lentiques tels que les lacs et les réservoirs, mais encore peu d'études ont été menées en écosystèmes lotiques. La rivière des Perles est le plus grand fleuve de plaine de Chine du Sud, mais les études pertinentes ont été interrompues au cours des trois dernières décennies. Ainsi, dans la présente étude, nous cherchons à mettre en évidence les patrons d'assemblages de phytoplancton de ce grand fleuve, par des approches de modélisation. Premièrement, nous faisons la synthèse des tendances scientifiques des études phytoplanctoniques entre 1991 et 2013 à l'aide d'une analyse bibliométrique. Le nombre de publications annuelles sur les phytoplanctons a montré une croissance rapide au cours des deux dernières décennies, sa contribution au total des articles scientifiques est toujours restée en dessous de 10%. Dans le cadre du développement rapide de la recherche scientifique, les publications dépendantes (en termes d'écosystèmes multi-aquatiques et des collaborations internationales) montrent une tendance à la hausse. Les variations de mots clés associés à des régions de recherche sont principalement impactées par les zones géographiques adjacentes aux différents pays, qui sont généralement les top-contributeurs. Les tendances des variations des mots-clés relatifs aux méthodes de recherche, le contenu de la recherche et des facteurs environnementaux indiquent que les études de phytoplancton menées à grande échelle et à long terme sont en significative augmentation, tandis que les études traditionnelles et à l'échelle locale sont en décroissance. Deuxièmement, les caractéristiques temporelles des assemblages de phytoplancton ont été analysées dans la partie avale de la rivière des Perles, grâce à un échantillonnage de séries chronologiques quotidien pendant toute l'année 2009. Les conditions excessives d'éléments nutritifs conduisent à une dominance de diatomées dans la communauté de phytoplancton. Alors que les algues vertes contribuent plutôt à la diversité spécifique. En utilisant la carte d'auto-organisation (SOM), des échantillons de phytoplancton ont été classés en quatre groupes sur la base de similitudes d'espèces. Ces groupes étaient bien différenciés par la richesse spécifique, la biomasse et les espèces indicatrices. En outre, le modèle LDA montre que ces groupes peuvent être facilement prédits par des facteurs environnementaux tels que la température de l'eau, le débit et la précipitation. Concernant les éléments nutritifs, seul le phosphate pourrait avoir un impact sur les assemblages de phytoplancton. Le score global de prédiction des assemblages était de 64,2%. Troisièmement, la distribution spatiale du phytoplancton a été analysée dans le delta de la rivière de Perle, en s'appuyant sur un échantillonnage saisonnier en 2012. La richesse en teneur d'éléments nutritifs et l'excellence des échanges d'eau ont abouti à une communauté de phytoplancton dominée par la diversité des Bacillariophyceae et Chlorophyceae et la biomasse de Bacillariophyceae. Par utilisation des méthodes d'ordination NMDS et la classification hiérarchique, les échantillons de phytoplancton ont pu être groupés en 5 clusters. Ces groupes étaient nettement différents, en termes de richesse spécifique, de biomasse et des espèces indicatrices, mais les différences entre les groupes ne sont significatives que dans la dimension spatiale. Le modèle prédictif LDA a indiqué que la répartition spatiale des assemblages de communautés de phytoplancton pourrait facilement être différenciée par des variables associées à la qualité de l'eau (TP, Si, Do et transparence). Le score global de prédiction des assemblages était de 75%. Enfin, la variabilité morphologique des espèces de diatomées prédominantes, Aulacoseira granulata (Ehrenberg) Simonsen, a été étudiée dans la partie avale de la rivière des Perles. On observe une grande cohérence entre les paramètres morphologiques, en particulier la taille de la cellule. En outre, les angles de phases des ondelettes-croisées illustrent bien que le diamètre des cellules est le paramètre le plus sensible aux variations de l'environnement et que par là les variations de taille des cellules et des filaments pourraient y être liées. La température de l'eau a des impacts sur les taux d'occurrence des algues et la taille au cours de la période printemps-hiver. Le cycle de vie des algues pourrait être affecté par le débit, tout comme la longueur de filament, dans la sélection de chaînes avec la flottabilité optimale. Les réponses de la taille des algues à des nutriments, en particulier la silicate, l'azote total et le phosphate, ont été associées avec le début et à la fin d'un cycle de vie. Ces corrélations entre la taille et les nutriments ont été démontrées à la fois par l'analyse par ondelettes et par la RDA. En outre, les valeurs extrêmement élevées à la fin de l'année ont été expliquées comme le recrutement d'algues au niveau du benthos. Notre présente étude dessine les tendances scientifiques du monde entier dans les études de phytoplancton en utilisant l'analyse bibliométrique, en démontrant les tendances temporelles et spatiales des assemblages de phytoplancton en réponse à des environnements dans un grand fleuve tropical en Chine. Nos résultats ont contribués ainsi à la compréhension de la dynamique du phytoplancton dans les écosystèmes d'eau douce, ainsi que dans les grands fleuves du monde entier
Freshwater ecosystems throughout the world are experiencing increasing pressures from both climate changes and anthropogenic activities. Rivers, the typical lotic freshwater ecosystems, are regarded as important pathways for the flow of energy, matter, and organisms through the landscape. Phytoplankton constitutes the base level of the aquatic food web, and it has quick response to environmental factors that regulate biological activity and water quality. Studies on phytoplankton have been extensive in lentic fresh-waters such as lakes and reservoirs, but still less in lotic ecosystems. The Pearl River is the largest lowland river of South China, but relevant studies were interrupted during the last three decades. Consequently in the present study, we contribute to highlight the patterns of the phytoplankton assemblages of this large river, with the approach of several ecological modeling. Firstly, we summarize the scientific trends in phytoplankton studies between 1991 and 2013 based on bibliometric analysis. Although the annual publication output of phytoplankton demonstrated a rapid linear increasing tendency during the last two decades, its contribution to total scientific articles always kept below 10%. Under the background of fast scientific research development, dependent publications (in terms of multi-aquatic ecosystems and international collaborations) indicate linear increasing trend. The variations of keywords associated with research regions are mostly impacted by the geographic adjacent countries, which are generally the top contributors. Variation trends of all the keywords relating to research methods, research contents and environmental factors indicate that phytoplankton studies carried out in large scale and long term are in significant ascending trend, while traditional and local scale studies are in descending trend. Secondly, temporal patterns of phytoplankton assemblages were analyzed within the downstream region of the Pearl River (China), through time-series sampling during the whole of 2009. The excessive nutrient conditions resulted in a diatom dominant phytoplankton community. While green algae only contributed more in species diversity. Phytoplankton samples were classified into four clusters using a self-organizing map (SOM) based on species similarities. These clusters were clearly different, with respect to species richness, biomass and indicators. Moreover, the LDA predicting model indicated that these clusters could easily be differentiated by physical factors such as water temperature, discharge and precipitation. As for nutrients, only phosphate could have an occasional impact on phytoplankton assemblages. The global score for predicting the assemblages was 64. 2%. Thirdly, spatial patterns of phytoplankton were analyzed within the Pearl River delta system (China), through seasonal sampling during 2012. The excessive nutrient conditions and well water exchanges resulted in a phytoplankton community that Bacillariophyceae and Chlorophyceae dominated in diversity and Bacillariophyceae dominated in biomass. Phytoplankton samples were revealed by the ordination method using a NMDS and five groups were determined by using hclust. These groups were clearly different, with respect to species richness, biomass and indicators, but differences between the patterning groups were only significant in spatial dimension. The LDA predicting model indicated that the spatial patterns of phytoplankton community assemblages could easily be differentiated by variables (TP, Si, DO and transparency) associated with water quality. The global score for predicting the assemblages was 75%. Lastly, the morphological variability of the predominant diatom species, Aulacoseira granulata (Ehrenberg) Simonsen, was observed within the downstream region of the Pearl River (China). High coherence between morphological parameters, especially cell size, was confirmed. Moreover, phase angles in wavelet figures also illustrated that cell diameter was the most sensitive parameter to environmental variations and through this way cell and filament size variations could be related. Water temperature impacted algal occurrence rates and size values during the spring-winter period. Algal life cycle could be affected by discharge, as well as filament length by allowing for selection of chains with optimum buoyancy. The responses of algae sizes to nutrients, especially silicate, total nitrogen and phosphate, were associated with the start and end of a life cycle. These correlations between size and nutrients were supported by both wavelet analysis and RDA. Moreover, the extremely high values at the end of the year were explained as algal recruitment from benthos. Our present study have introduced the worldwide scientific trends in phytoplankton studies using bibliometric analysis, demonstrated the temporal and spatial patterns of phytoplankton assemblages in response to environments within the downstream region of a large subtropical river in China. Our results will benefit the understanding of phytoplankton dynamics in freshwater ecosystems, as well as the large rivers all over the world

Стилі APA, Harvard, Vancouver, ISO та ін.

Дисертації з теми "Prédiction temporelle"

Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями