Académique Documents
Professionnel Documents
Culture Documents
Dtail des cours par spcialit : M1 Systmes Informatiques M2 Systmes Intelligents et Communicants (P) M2 Systmes Intelligents et Communicants (R) M1 Modlisation Analyse des Donnes et Calcul Scientifique M2 Modlisation Analyse des Donnes et Calcul Scientifique (P ou R) M2 Electronique des Systmes Autonomes
Prrequis : matrise des concepts de base de l'objet et d'un langage de programmation par objets
DSP Traitement numrique de l'image Transformation de Fourier deux dimensions (TF 2D) : dfinition, proprits et TF 2D discrte (FFT 2D) Echantillonnage : repliement spectral, Moir Convolution et filtrage linaire 2D Autres transformes
UEF-SI-4 Rseaux
Responsable : Tuyt Trm DANG NGOC Objectif : Prsentation des rseaux avanc en terme d'outils et de mthodes. Plan des enseignements [Site] Rappel des principe de base du modle OSI et du modle IP Simulation (ns2) et dimensionnement de rseaux Routage dynamique (RIP, OSPF, BGP) Multicast IPv6 Rseaux sans-fil (Wi-Fi, bluetooth, ZigBee, etc.) Etudes des rseaux Mobiles avec ou sans infrastructures (Ad-hocs) Prrequis : Principes de base des rseaux TCP/IP et ses services
Objectif : Fournir et approfondir les concepts mathmatiques sur lesquels s'appuient la thorie de l'information, le traitement du signal et les rseaux.
UEF-SI-6 Anglais
Renforcement de langlais conversayionnel, prparation au TOEIC. Avec possibilit de sinscrire une des deux session de TOEIC au printemps. Approfondissement de langlais techniques avec un focus sur les nouvelles technologies
Fonctions rcursives et machines. Thse de Church, Exemples de problmes indcidables. Rductions et classes de complexit : P, NP, EXP, PSPACE ... Liens entre les complexits temporelles et les complexits spatiales. Algorithmes d'approximation, Classes d'approximation. Prrequis : une bonne connaissance de l'algorithmique de base (graphes, flots, programmation linaire, algorithmes gloutons, programmation dynamique, algorithmes probabilistes, logique et circuit). Thorie lmentaire des langages : langages algbriques (souhait mais pas indispensable).
algbriques) Cryptographie classique, Cryptographie cl secrte, Cryptographie cl publique, Fonctions de hachage, Gnrateur pseudo alatoires. Signature et code d'authentification. Distribution des cls. Preuve sans apport d'information. Cryptanalyse linaire et diffrentielle Applications en rseaux DES, TDES, BlowFish, RSA, DSA GPG/PGP SSH, VPN Architecture PKI (SSL) Portail captif, RADIUS WEP, WPA1, WPA2
Routage inter-VLAN Interconnexion et filtrage rseau Support IPV6 Supervision et mtrologie des rseaux Le protocole SNMP Supervision des applications et services rseaux Supervision des ressources locales Support IPV6 Projets avec Nagios et Cacti Systmes et Applications Distribus (partie I)
10
Plan des enseignements : Architectures pour les systmes intelligents : Introduction la thorie des systmes Mthodologie de conception de systmes (approches descendante/ascendante, problmes de hirarchisation...) Dynamique des boucles Perception/Action (approches Gestaltistes et Gibsonienes des mcanismes perceptifs et moteurs) Modles darchitectures de contrle pour les systmes robotiques (architectures squentielles, subsumption, approches comportementales vs fonctionnalistes) Dynamique des processus de prise de dcision (problme de stabilit, mcanismes dhystrsis...) Systmes multi-agents (plateformes, algorithmes et applications rseaux, e-commerce...) De l'objet l'agent Modles d'architecture (CORBA, RMI, JADE...) Etudes de cas dobjets communicants et de systmes intelligents (le problme de lintgration et de loptimisation du systme complet). IHM multimodales (image/parole)
Introduction gnrale sur le cours, Agent Anim, Emotions, personnalit les dictiques et l'valuation des interfaces multimodales traitement d'image pour la communication multimodale (reconnaissance des expressions
faciales, des mouvements expressifs...)
mini-projets
11
II Transmission sur la couche physique Mise en forme du signal : modulation (mapping, filtre de mise en forme, Nyquist, mise sur porteuse) Canal de transmission haut-dbit (vanouissements temporels, frquentiels) Codage de canal Egalisation Modulation multiporteuse OFDM (diffusion DVBT) Accs multiple en temps, frquence et code (GSM, WiMax, UMTS) III - rseaux mobiles et QoS (20h) flux multi-mdia qualit de service rseaux mobiles simulation Prrequis : Traitement du signal, systmes de communications, rseau
12
qualit associes Arbres de dcision Principaux algorithmes de clustering (k-means, k-medoids, DBSCAN, CLIQUE) Rgles dassociations (algorithme A priori et ses variantes) Mise en oeuvre sous WEKA. Prrequis : base de donnes relationnelles, intelligence artificielle, logique
13
UEF-SICp 13 Anglais
Les cours d'anglais, en petits groupes (une dizaine d'tudiants), sont penss pour habituer les tudiants s 'exprimer l'oral dans cette langue sur des sujets lis aux sciences, aux techniques mais aussi l'actualit. Une prsentation individuelle filme leur permet de corriger plus rapidement leurs travers. Un examen de TOEIC est systmatiquement propos, mme si aucune note plancher cet examen n'est pour l'instant ncessaire l'obtention du diplme.
14
(S. Philipp-Foliguet, F. Precioso, A. Histace ETIS) Bases des communications numriques : Information, dtection (D. Declercq, C. Poulliat ETIS) UEF-SICr 4 Intelligence artificielle (P. Laroque, M. Quoy ETIS) UEF-SIC 1 Architectures des Systmes Intelligents (partie de UEF SICp 4) (P. Gaussier ETIS) UEF- SIC 2 Base des techniques d'intgration et fouille de donnes (D. Laurent, D. Vodislav, ETIS) UEF-ESA-SIC 1 Techniques d'optimisation (I. Fijalkow, P. Gaussier ETIS)
Units denseignement complmentaires Choisir 4 UEC parmi 15 UEC-SICr 1 Interprtation et indexation dimage (S. Philipp-Foliguet, PH Gosselin ETIS,) UEC-SICr 2 Compression et tatouage dimages fixes et vidos (M. Chapron ETIS, D. Nicholson THALES, S. Baudry Nextamp) UEC-SICr 3 Principes de physique-mathmatique et problmes inverses en imagerie (M. Nguyen ETIS, T. Truong LPTM) UEC-SICr 4 Vision par ordinateur : calibration, mise en correspondance, mouvement (F. Precioso ETIS, N. Paparoditis IGN, V. Guitteny THALES) UEC-SICr 5 Vision naturelle et artificielle (L. Hafemeister, P. Gaussier ETIS) UEC-SICr 6 Robotique et commande bio-inspire (P. Henaff ETIS) UEC-SICr 7 Apprentissage, adaptation (P. Andry, P. Gaussier, M. Quoy ETIS) UEC-SICr 8 Codage, turbo-codage (D. Declercq, C. Poulliat, ETIS) UEC-SICr 9 Transmissions haut-dbit (I. Fijalkow, P. Duvaut ETIS) UEC-SICr 10 Entrept et fouille de donnes (D. Laurent, ETIS) UEC-SICr 11 Mthodes baysiennes (P. Duvaut, ETIS) UEC-ESA-SIC-1 Systmes intgrs de transmission de donnes (J-L Gautier, M. Ariaudo ECIME) UEC-ESA-SIC-2 Systmes embarqus auto-adaptables (B. Granado, B. Miramond ETIS) UEC-ESA-SIC-3 Mthodologie de conception des circuits numriques (B. Granado, ETIS) UEC-ESA-SIC-4 Architectures des systmes reconfigurables (A. Benkhelifa, F. Verdier ETIS)
15
Mots cls : numrisation, restauration, filtrage, extraction de contours, segmentation. Lobjet de ce cours est de prsenter les concepts de base du traitement dimages, depuis lacquisition et la formation de limage, jusqu lextraction de primitives contours et rgions. Le premier point est de se familiariser avec lobjet tudi, savoir limage numrique comme signal bidimensionnel discret. Ensuite, les techniques de filtrage, de restauration et de segmentation dimages sont tudies. Acquisition dimages : chantillonnage, quantification, transforme de Fourier Prtraitement et restauration : transformations dhistogrammes, filtrage linaire, non linaire, anisotrope Dtection de contours, segmentations dimages Morphologie mathmatique binaire
16
efficacit spectrale, canal dispersif en temps, canal dispersif en frquence, galisation. Le but de ce cours est de prsenter les diffrents organes dune chane de communication usuelle, en insistant sur les outils emprunts aux thories de linformation et de la dtection. mission : Au niveau de lmetteur, on utilise les rsultats de la thorie de linformation pour transformer les signaux que lon veut mettre. Ces transformations servent entre autre rduire la redondance des signaux (codage de source), mettre en forme linformation (techniques de modulation), scuriser ou amliorer la transmission (codage de canal), maximiser le dbit dinformation utile (calcul de capacit). Rception : En prsence de bruit thermique et en labsence dautres perturbations, le rcepteur dune chane de communication se construit comme une fonction de dtection. On drive ainsi le filtre adapt, les dtecteurs optimaux et les performances des diffrents alphabets de modulation. Lorsque lon considre en plus un canal de propagation, de nouvelles perturbations sont introduites. On dcrira en particulier, les canaux dispersifs en temps ou en frquence et les traitements appliqus pour rduire les perturbations, codage correcteur derreur ou galisation. Prrequis : bases de probabilits, filtrage, processus alatoires.
Mots cls : rsolution de problmes, algorithmes de jeu, systmes experts, logique floue, rseaux de neurones, algorithmes gntique. Le but de ce cours est dintroduire diffrents types de techniques dites dIntelligence Artificielle (IA) appliques des problmes lis au traitement du signal, la reconnaissance des formes et la robotique. Tout dabord nous prsenterons la notion dagent intelligent puis les techniques classiques de rsolution automatique de problmes dans un espace dtat de grandes dimensions: Rappels de recherche dans un arbre ou un graphe Algorithme A* (notion de fonction heuristique) Arbres ET/OU, minimax, alpha/beta... Logique formelle dordre 0 et dordre 1 (principe de rsolution...) Systmes bases de rgles
Nous tudierons ensuite comment le raisonnement peut tre formalis et utilis dans des systmes experts:
Logique floue Par la suite, des techniques bases sur lemploi de rseaux de neurones seront prsentes de mme que les systmes base de classeur et les algorithmes gntiques : Notion de neurone formel (rgle de Hebb, rseaux de Hopfield...) classification non supervise (carte de Kohonen)
17
master) ncessaires un systme intelligent . Le cours est bas sur les modles darchitectures de contrles imagines en IA, robotique et SMA pour contrler des systmes complexes. Des comparaisons avec des rsultats en psychologie, neurobiologie et thologie seront discuts. De nombreuses tudes de cas seront prsentes. Architectures pour les systmes intelligents : Introduction la thorie des systmes Mthodologie de conception de systmes Dynamique des boucles Perception/Action Modles darchitectures de contrle pour les systmes robotiques Dynamique des processus de prise de dcision Systmes multiagents Rsolution de problmes base dagents ractifs ou dcoagents. Agents mobiles sur Internet Application la recherche dinformation sur le web et la communication avec des systmes embarqus
18
des algorithmes rcursifs (RLS, Kalman). Loptimisation de critres plus complexes comprenant des minima locaux peut tre ralise par des algorithmes adaptatifs (gradient stochastique) avec des risques de minima locaux. La gnralisation de ces techniques la rtropropagation dun gradient dans un rseau multi couche sera aussi prsente. Pour finir, nous tudierons les techniques alternatives de type recuit simul et algorithmes gntiques. Plusieurs exemples dapplication loptimisation de fonction et la conception automatique de systmes seront enfin analyss. Application : annulation dcho, restauration dimages, classification, placement-routage, volution matrielle, programmation gntique Prrequis : filtrage de processus alatoire, modlisation des signaux alatoires.
Mthodes de classification supervise et non supervise Mesures de similarit, k plus proches voisins
19
ACP, nues dynamiques, classification hirarchique, SVM, etc Appariement dimages et recherche dans des bases Adaptation, bouclage, interaction avec lutilisateur
20
21
22
synthse volutionniste: covolution morphologie/contrleurs, impact des modles utiliss (robot, variables d'environnements du robot...) contrleurs neuronaux : modles de neurones (statique, dynamiques) et modles d'architectures algorithmes d'apprentissage de lois de commande, rtropropagation classique et temporelle liens rtropropagation /controle optimal , plasticit/contrle adaptatif gense de mouvements rythmiques: modles de CPG ( neuronaux, base d'oscillateurs linaires ou non linaires).
23
codes convolutifs, extention aux turbo-codes Dcodage et optimisation des codes LDPC : algorithme de propagation de croyances, codes LDPC irrguliers, volution de densits Prrequis : bases de communications numriques, probabilits.
24
squences pseudo-alatoires dont la moyenne empirique converge vers lestimateur calculer. La premire partie concerne principalement : Les bases de lestimation baysienne, linterfrence, la thorie des cots baysiens, les a priori conjugus Lalgorithme EM, le cas des mlanges de populations
La seconde partie est concerne aux algorithmes probabilistes : Principe des mthodes de type Monte Carlo Mthodes dchantillonnage pour des variables alatoires scalaires Mthodes MCMC Application aux champs de Markov Application la dconvolution aveugle de train dimpulsions
25
12. Cratures de Langton Technologie Emergente 13. NanoArchitecture 14. Electronique Molculaire 15. OptoElectronique 16. Electronique Quantique Prrequis : formation solide en systmes numriques pralablement au Master
nb modules 5 4
nb crdits ECTS/module 3 3
26
1 1 1 1 1
3 3 3 7 20
27
Devenir des tudiants du DEA TIS et du Master SIC recherche des quatre dernires promotions Promotion 2005 (DEA TIS) 2006 (Master SIC) 2007 (Master SIC) 2008 (Master SIC) Effectif 19 15 19 24 Diplms 14 9 15 20 En thse (parmi les devenirs connus) 9 (sur 12) 8 (sur 9) 6 (sur 11) 8 (sur 13) Thse lUCP (total/dont alloc. ministrielle) 4/3 2/0 3/1 3/1 Thse avec allocation 8-9 6-8 6 8
Parmi les tudiants diplms du DEA TIS ou du Master SIC, plus de la moiti suit (ou a termin) un doctorat ( Cergy, dans dautres villes comme Paris, Grenoble, Rennes, ... mais aussi ltranger). Voici la liste des quipes ayant accueilli un de nos tudiants en thse ces 4 dernires annes : Equipes de Traitement des Images et du Signal (ETIS, UMR 8051, Cergy), Laboratoire des Signaux et Systmes (LSS, UMR 8506, Orsay), LASMEA, (UMR 6602, Aubires) , LE2I (UMR 5158, Dijon), Laboratoire de Physique, ENS (UMR 5672, Lyon) , Laboratoire signal et image (TLCOM ParisTech, UMR 5141), IRISA (INRIA et UMR 6074, Rennes), Gipsa-lab (UMR 5216, Grenoble), Centre motion (INSERM et UMR 7593, Paris), Tlcom Bretagne (INSERM, Brest), CReSTIC (EA 3804, Reims), IRCAM (Paris), CREATIS (INSERM et UMR 5220, Lyon), Institute of Tlcommunications Research (University of South Australia, Adelaid, Australie), ITT (Illinois Institute of Technology, Chicago, USA) Les autres trouvent un emploi dans la R& D de grands groupes ou dans des PME. Voici la liste des entreprises et instituts de recherche ayant accueilli un stagiaire du DEA TIS ou du Master SIC au cours des 4 dernires annes : France Tlcom R&D (Issy les Moulineaux, Meulan, Lannion), Thals ATM (Bagneux), Thals Communications (Colombes), Thals Services SAS (Osny), Thomson Airsystmes (Vlizy), SAGEM (Cergy), EDF (Chatou), MATRA Communications, EADS (Vernon), Alcatel (Vlizy) , Loxane (Beauchamp) IGN (Saint Mand), SNCF (Paris), Institut Franais du Ptrole, ONERA (Arcueil, Palaiseau), DOLABS (Boulogne), METACOM ( Magny-Chateaufort), ST Microelectronics (Grenoble), INRIA (Sophia Antipolis), Arrmines (Paris), ENS (Lyon), Centre Hospitalier Becquerel (Rouen), CEA (Saclay), INSERM (Paris), Et ltranger : HW Communications Limited (Lancaster, UK), Lulea Tekniska Universitet (Lulea, Sude), Universit de Laval (Qubec, Canada), ITT (Illinois Institute of Technology, Chicago, USA)
28
M2 MADOCS
Contenu des enseignements
UEF-MADOCS 3 : Apprentissage statistique avanc
Responsable : B. Chalmond OBJECTIFS : Analyse et interprtation des donnes : Analyse, prdiction et data mining - Rgression aux moindres - carrs et aux plus proches voisins - Notion de biais - variance - Thorie de la dcision : critre du MAP, estimation de maximum de vraisemblance - Analyse en Composantes Principales - Analyse discriminante et rgression logistique - Mlange de lois et algorithme EM - Poursuite de rgression - TP sur exemples concrets : analyse de micro-arrray, reconnaissance de caractre et de visage, prdiction de risque. Ref. : - The Elements of statistical learning : data mining, inference and prediction : T. Hastie, R. Tibshirani, J. Friedman, (Springer Series in Statistics)
29
30
OBJECTIFS: Formulation variationnelle et matrise de la technique des lments finis. - Mthode des lments finis, mthode de Galerkin. - Choix du maillage. Fonctions dinterpolation. - Formulation variationnelle - Intgrale sur une surface. - Des lments finis aux volumes finis. - Mise en place dun projet
31
32
33
270VDC pour les avions. Optimisation des architectures (Dimensionnement dunits de stockage, Energie, Dynamique). Gestion technique de lnergie: (Alimentation en nergie, Distribution, Recharge) Systmes de production de lnergie (Analyse des diffrentes solutions de gnrateurs et dalternodmarreurs, principes de commande associe ces dispositifs). Etude de la stabilit des rseaux de bord. Analyse des perturbations harmoniques, et mode de filtrage. Etude de cas et simulation au moyen du logiciel PSAF. Accumulateurs lectrochimiques Super capacits Piles combustibles Stockage inertiel Perspectives de dveloppement des technologies lies au stockage et la gestion de lnergie non polluante.
Responsable : Emmanuelle Bourdel, Pierre Lecoy - ECIME, ENSEA. Les rseaux d'interconnexions rpondent au besoin de communications entre blocs au sein des systmes intgrs sur puce. Ils reprsentent les principaux facteurs limitatifs des performances des futurs systmes sur puce. L'objectif de ce cours est de fournir les lments thoriques et les briques technologiques permettant de modliser les diffrentes architectures d'interconnexions dans les systmes htrognes. Il abordera en particulier : La prsentation des interconnexions classiques de type bus La dfinition des paramtres ncessaires une modlisation niveau systme des rseaux d'interconnexions L'tude des technologies mergentes pressenties comme solutions potentielles pour les futurs systmes htrognes comme par exemple les rseaux d'interconnexions RF (RF-NoC, RFNetwork on Chip) ou les rseaux d'interconnexions optiques (O-NoC).
35
Les besoins croissants de transmettre de grandes quantits dinformations en un temps court exige de disposer de systmes lectroniques trs haut dbit. Ce cours introduit les lves llectronique haut dbit (technologie haut dbit, rgime transitoire, les problmes poss, ). Il dveloppe ensuite les mthodes de conception et les techniques de mesures et tudie les briques de base ncessaires la ralisation de ces systmes. Il prsente enfin quelques applications. Introduction llectronique haut dbit Les mthodes de conception et les techniques de mesures haut dbit Les filires logiques pour la conception haut dbit Conception de briques de base o Les bascules o Les multiplexeurs et les dmultiplexeurs o Les circuits de dcision o Les circuits de rcupration dhorloge o Les circuits de mise en forme o Les amplificateurs transimpdances Les circuits dinterfaces analogiques numriques pour le haut dbit Les applications Prrequis : Les composants rapides, Les lignes de transmission, les rgimes de propagation et les couplages parasites, connaissances de base en lectronique numrique
36
spcialit SIC) Ce module a pour objectif d'introduire des paradigmes de calcul rompant avec la classique vue squentielle de Von Neumann et qui peuvent permettre d'tre la base d'architectures de traitement de nouvelle gnration dites auto-adaptables. Nous tudions plus prcisment les mcanismes inspirs du monde du vivant qui implants en matriel apportent des proprits d'autonomie, de robustesse et d'auto-organisation. 1. Evolvable architecture 1. data compression 2. evolutionary computation 3. evolvable hardware 4. genetic algorithms 5. genetic programming 2. Automate Cellulaire 1. Exemple du Jeu de la vie 2. Dfinition et Classification (Wolfram & Langton) 3. Auto-rplication 3. Architecture bio-Inspires 1. POEtic 2. Ordinateur Base d'ADN 3. CoreWar, Tierra 4. Cratures de Langton 4. Technologie Emergente 1. NanoArchitecture 2. Electronique Molculaire 3. OptoElectronique 4. Electronique Quantique Prrequis : formation solide en systmes numriques pralablement au Master
37
o Les ressources de routage o Les cellules de base (LE, CLB) o Lorganisation gnrale des circuits FPGA o Les ressources spcifiques (PLL, E/S rapides, multiplieurs, mmoires) Introduction aux architectures de Systmes Programmables (SOPC) o Les Intelectual Properties o Les processeurs reconfigurables/custom o Les bus embarqus Introduction aux systmes auto-reconfigurables
38