Human activity recognition (HAR) based on time series data is the problem of classifying various patterns. Its widely applications in health care owns huge commercial benefit. With the increasing spread of smart devices, people have strong desires of customizing services or product adaptive to their features. Deep learning models could handle HAR tasks with a satisfied result. However, training a deep learning model has to consume lots of time and computation resource. Consequently, developing a HAR system effectively becomes a challenging task. In this study, we develop a solid HAR system using Convolutional Neural Network based on transfer learning, which can eliminate those barriers.

Single-case interventions allow for the repeated measurement of a case or participant across multiple time points, to assess the treatment¡͞s effect on one specific case or participant. The basic interrupted time series design includes two phases: baseline and treatment. Raudenbush and Byrk (2002) demonstrated that a meta-analysis of large group designs can be seen as a special case of multi-level analysis with participants (level-one) nested within studies (level-two). Raw data from a set of single case design studies have a similar structure. Van den Noortgate and Onghena (2003) illustrated the use of a two-level model to analyze data in primary single-case studies. In 2008, Van den Noortgate and Onghena later proposed that if raw data from several single case designs are used in a meta-analysis, scores can be varied at each of the three levels: over occasions (level-one), across participants from the same study (level-two), and across studies (level-three). The multi-level approach allows for a large degree of flexibility in modeling the data (Goldstein & Yang, 2000; Hox & de Leeuw, 1997). Researchers can make various methodological decisions when specifying the model to approximate the data. Those decisions are critical since parameters can be biased if the statistical model is not correctly specified. The first of these decisions is how to model the level-one error structure--is it correlated or uncorrelated? Recently, the investigation of the Van den Noortgate and Onghena¡͞s (2008) three-level meta-analytic model has increased and shown promising results (Owens & Ferron, 2011; Ugille, Moeyaert, Beretvas, Ferron, & Van den Noortgate, 2012 ). These studies have shown the fixed effects tend to be unbiased and the variance components have been problematic across a range of conditions. Based on a thorough literature review, no one has looked at the model in relation to the use of fit indices or log likelihood tests to select an appropriate level-one error structure. The purpose of the study was two-fold: 1) to determine the extent to which the various fit indices can correctly identify the level-one covariance structure; and 2) to investigate the effect of various forms of misspecification of the level-one error structure when using a three-level meta-analytic single-case model. This study used Monte Carlo simulation methods to address the aforementioned research questions. Multiple design, data, and analysis factors were manipulated in this study. The study used a 2x2x2x2x2x5x7 factorial design. Seven experimental variables were manipulated in this study: 1) The number of primary studies per meta-analysis (10 and 30); 2) The number of participants per primary study (4 and 8); 3)The series length per participant (10 and 20); 4)Variances of the error terms (most of the variance at level-one: [¦Ò2=1;¡¼ ¦²¡½_u = 0.5, 0.05, 0.5, 0.05; ¡¼ ¦²¡½_v = 0.5, 0.05, 0.5, 0.05] and most of the variance at the upper levels: [¦Ò2=1;¡¼ ¦²¡½_u = 2, 0.2, 2, 0.2; ¡¼ ¦²¡½_v = 2, 0.2, 2, 0.2]); 5) The levels for the fixed effects (0, 2 [corresponding to the shift in level]; and 0, 0.2[corresponding to the shift in slope]) 6)Various types of covariance structures were used for data generation (ID, AR(1), and ARMA (1,1); and 7) The form of model specification [i.e. ID, AR(1), ARMA (1,1)], and error structure selected by AIC, AICC, BIC, and the LRT. The results of this study found that the fixed effects tend to mostly be unbiased, however, the variance components were extremely biased with particular design factors. The study also concluded that the use of fit indices to select the correct level-1 structure was appropriate for certain error structures. The accuracy of the fit indices tend to increase for the simpler level-one error structures. There were multiple implications for the applied single-case researcher, for the meta-analyst, and for the methodologist. Future research included investigating different estimation methods, such as Bayesian approach, to improve the estimates of the variance components and coupling multiple violations of the error structures, such as non-normality at levels two and three.

The present study is divided into two parts: the first is on developing the statistical analysis and modeling of mortality (or incidence) trends using Bayesian joinpoint regression and the second is on fitting differential equations from time series data to derive the rate of change of carbon dioxide in the atmosphere. Joinpoint regression model identifies significant changes in the trends of the incidence, mortality, and survival of a specific disease in a given population. Bayesian approach of joinpoint regression is widely used in modeling statistical data to identify the points in the trend where the significant changes occur. The purpose of the present study is to develop an age-stratified Bayesian joinpoint regression model to describe mortality trends assuming that the observed counts are probabilistically characterized by the Poisson distribution. The proposed model is based on Bayesian model selection criteria with the smallest number of joinpoints that are sufficient to explain the Annual Percentage Change (APC). The prior probability distributions are chosen in such a way that they are automatically derived from the model index contained in the model space. The proposed model and methodology estimates the age-adjusted mortality rates in different epidemiological studies to compare the trends by accounting the confounding effects of age. The future mortality rates are predicted using the Bayesian Model Averaging (BMA) approach. As an application of the Bayesian joinpoint regression, first we study the childhood brain cancer mortality rates (non age-adjusted rates) and their Annual Percentage Change (APC) per year using the existing Bayesian joinpoint regression models in the literature. We use annual observed mortality counts of children ages 0-19 from 1969-2009 obtained from Surveillance Epidemiology and End Results (SEER) database of the National Cancer Institute (NCI). The predictive distributions are used to predict the future mortality rates. We also compare this result with the mortality trend obtained using joinpoint software of NCI, and to fit the age-stratified model, we use the cancer mortality counts of adult lung and bronchus cancer (25-85+ years), and brain and other Central Nervous System (CNS) cancer (25-85+ years) patients obtained from the Surveillance Epidemiology and End Results (SEER) data base of the National Cancer Institute (NCI). The second part of this study is the statistical analysis and modeling of noisy data using functional data analysis approach. Carbon dioxide is one of the major contributors to Global Warming. In this study, we develop a system of differential equations using time series data of the major sources of the significant contributable variables of carbon dioxide in the atmosphere. We define the differential operator as data smoother and use the penalized least square fitting criteria to smooth the data. Finally, we optimize the profile error sum of squares to estimate the necessary differential operator. The proposed models will give us an estimate of the rate of change of carbon dioxide in the atmosphere at a particular time. We apply the model to fit emission of carbon dioxide data in the continental United States. The data set is obtained from the Carbon Dioxide Information Analysis Center (CDIAC), the primary climate-change data and information analysis center of the United States Department of Energy. The first four chapters of this dissertation contribute to the development and application of joinpiont and the last chapter discusses the statistical modeling and application of differential equations through data using functional data analysis approach.

La formulation d'émulsions de mélanges binaires d'alcanes permet d'obtenir un système ayant une phénoménologie proche des émulsions laitières de triglycérides. Il est ainsi possible, à partir de ces émulsions, de former un gel et de reproduire le phénomène de barattage, c'est-à-dire de fabriquer, sous contrainte mécanique, ce que l'on pourrait appeler un « beurre d'alcanes ». La phase dispersée comporte deux alcanes, dont l'un des deux est cristallisé à la température d'étude. Le réseau cristallin à l'intérieur des gouttes crée des protubérances à leur surface, qui induisent la gélification du système par deux mécanismes distincts : le jamming, qui est un blocage du système, dû à la rugosité de surface, et sans rupture des films interfaciaux, et la coalescence partielle, qui correspond à la fusion partielle des gouttes sans relaxation de forme, grâce à la rigidité mécanique qu'apporte le réseau cristallin. Il est possible de modifier l'élasticité de ces gels en faisant varier le taux de solide, la taille des gouttes, ou encore la vitesse de refroidissement. En effet, ces trois paramètres influencent la taille et la morphologie des cristaux, qui peuvent ainsi passer d'une forme plaquettaire à une forme en aiguille. L'application de fortes déformations, en cisaillement ou en compression, entraîne la fragmentation des gels dans certains cas, mais aussi la formation de nouvelles connexions entre gouttes dans d'autres cas. La formation de nouveaux liens peut alors entraîner l'apparition de grains macroscopiques, appelés « grains de barattage », ou bien provoquer la séparation entre l'huile et la phase continue aqueuse, s'il n'y a pas assez de cristaux dans les gouttes d'huile.

The goal of this PhD was to design responsive biomimetic objects from Giant Unilamellar Vesicles and PolyNipam solutions or gels. We highlighted the coupling between the lipid membrane and the internal polyNipam medium, which confers those composite vesicles thermoresponsive properties, and the behaviour of such objects during thermal transition has been investigated by quantitative fluorescence studies. We have also measured the influence of the coupling between polyNipam chains and lipid membrane on the bending modulus of the membranes. Then the mechanical properties of the composite vesicles have been measured using micropipette aspiration technique, showing the relevance of those objects as cellular mechanical models. Further studies concerning adhesion properties, membrane tether extrusion and lipid extraction from composite vesicles have been adressed.

Ce travail présente une étude expérimentale de la transition solide/liquide dans les fluides à seuil non thixotrope qui est complétée par une analyse théorique simple ainsi que par des simulations numériques. Nous remettons en cause dans ce travail l'existence d'un état stationnaire qui mènerait à une limite newtonienne en dessous de la contrainte seuil. Nous introduisons alors un modèle physique simple pour décrire le comportement de ces fluides à seuil. Ce modèle est testé grâce à des simulations numériques qui reproduisent quantitativement les expériences. Nous avons également étudié comment l'existence supposée d'un minimum à gammadot_c dans la courbe d'écoulement modifie la transition solide/liquide, ce qui nous à amener à effectuer des tests sur un fluide fortement thixotrope spécialement préparé. Ces tests démontrent ainsi qu'un tel matériau possède effectivement un tel minimum. Nous montrons ensuite que pour de tels matériaux des bandes de cisaillement apparaissent même dans des champs de contraintes homogènes si le taux de cisaillement est inférieur à gammadot_c et que le rapport entre la largeur de la bande cisaillée et la largeur total de l'entrefer suit la loi des règles. En plus de ce travail nous avons examiné la contrainte dans les matériaux granulaires humides et introduit un modèle détaillé vérifié expérimentalement qui décrit comment le module élastique de ces matériaux dépend de la taille des grains, de la tension de surface du fluide, du matériau granulaire et de la fraction volumique en liquide.

Cette thèse est consacrée à l'étude des propriétés géométriques, mécaniques et statistiques de la formation de plis dans des structures élastiques contraintes. En particulier, nous nous sommes concentrés sur le cas d'une tige élastique, objet unidimensionnel, confinée dans un espace à deux dimensions. Dans ce cas, il y a une forte interaction entre la contrainte géométrique d'auto-évitement et les propriétés mécaniques de la tige. Après avoir étudié numériquement la formation et les instabilités relatives à l'apparition des tous premiers plis, nous nous sommes penchés sur un régime où le taux de confinement de la tige est plus intense. Grâce à un échantillonage du paysage énergétique des structures plissées générées, nous avons mis en évidence l'existence d'une mesure statistique analogue à la loi de Boltzmann. Inspirés par la théorie d'Edwards des milieux granulaires, cette observation nous a permis de développer une théorie statistique grâce à laquelle nous obtenons le diagramme de phase complet de la tige confinée.

Les fluides et systèmes complexes constituent une classe de "matériaux" au sens large dont l'originalité des propriétés statiques et dynamiques résulte à la fois de la structure chimique des particules élémentaires qui les constituent et de leur organisation dans l'espace en particulier aux échelles mésoscopiques. Ces systèmes sont souvent le lieu de phénomènes d'agrégation, de gélification et/ou de séparation de phase dus aux interactions entre les entités constituantes. Les structures complexes ainsi formées peuvent s'étendre sur des échelles allant du nanomètre au macroscopique et sont parfois transitoires ou réversibles ce qui génère l'apparition de propriétés rhéologiques remarquables.<br />Si les systèmes présentent une grande diversité au niveau des interactions responsables des structures et au niveau de leur énergie (polymères associatifs, systèmes hétérogènes nanophasés, mélanges de colloïdes et de polymères, gels chimiques et physiques, biopolymères), au-delà des spécificités propres à chaque système nous sommes particulièrement intéressés par la recherche de lois de comportements "universelles" résultant de l'organisation spatiale des structures.<br />L'objectif de cette thèse est de comprendre la formation de ces structures et leur façon de remplir l'espace par modélisation des processus à l'aide de la simulation numérique. Le modèle numérique est base sur un système de sphères dures hors réseau qui modélise par exemple un ensemble de micelles sphériques en interaction (attraction, répulsion).<br />La première étape consiste à distribuer les sphères dures dans une boite cubique puis à les animer d'un mouvement brownien afin d'aboutir à un système parfaitement bien équilibré. L'introduction de paramètres décrivant la portée et l'intensité des forces attractives entre les sphères permet une étude "statique" de la transition sol-gel.<br />Les phénomènes d'agrégation irréversible limitée par la diffusion (DLCA) conduisent à des structures fractales qui sont modélisées par l'intermédiaire d'une probabilité de collage entre amas égale à 1 (deux amas qui se rencontrent se collent toujours de façon irréversible). Les résultats obtenus, temps de gel, dimension fractale sont analysés et comparés avec d'autres modèles, notamment sur réseau. La modélisation hors réseau permet une étude à toutes les échelles spatiales (y compris locales).<br />Une autre partie de ce travail a porté sur l'étude des phénomènes d'agrégation réversible. La ligne de percolation de notre modèle est comparée à celle obtenue dans l'approximation de Percus-Yevick avec les relations de fermeture de Ornstein-Zernike. La séparation de phase est clairement observée dans une certaine gamme d'interaction (distance et force) et comparée par l'intermédiaire du paramètre d'adhésivité (tau^-1) aux résultats expérimentaux et théoriques.

Le démouillage des films minces de polymère supportés par un substrat est un phénomène quotidien avec l'impact crucial sur divers procédés technologiques. Notre compréhension de l'origine de certaines propriétés inattendues des films minces nanométriques de polymère n'est toujours pas satisfaisante, malgré les énormes efforts expérimentaux et théoriques effectués la décennie passée. Plusieurs approches ont été utilisées pour étudier et quantifier la relaxation mécanique, et les propriétés calorimétriques. Une meilleure compréhension de la transition vitreuse et d'autres propriétés des surfaces et des interfaces de polymère pourrait également venir des études dynamiques telles que le démouillage. <br />Nous avons effectué principalement des expériences de démouillage simples, attractives, rapides et efficaces par microscopie optique en temps réel, permettant de relier les propriétés moléculaires et interfaciales avec des paramètres macroscopiquement observables tels que la vitesse du démouillage et la forme du bourrelet. Ensuite, ces études sont complétées par des imageries en Microscopie à Force Atomique (AFM), qui donnent des informations sur la forme du bourrelet. Celle-ci est reliée à la relaxation des chaînes macromoléculaires et le comportement dynamique du polymère. Nous nous sommes concentrés sur la compréhension de la notion des contraintes résiduelles, de l'effet de la masse molaire, de la température du démouillage, de l'élasticité du film ainsi que l'influence de l'épaisseur et ses relations avec les contraintes résiduelles. L'influence du substrat a aussi sa place dans nos études. Le cas d'un substrat déformable est traité en détail.

Nous avons étudié la dynamique de fracture d'hydrogels thermoréversibles de biopolymères : les gels de gélatine. Nous avons montré, par des expériences de fracture en mode 1, quasi-stationnaire et dans un régime subsonique, que, contrairement à la fracture des gels chimiques et des élastomères, la propagation de la fracture dans les gels de gélatine n'implique pas la scission des chaînes : elles sont extraites entièrement à travers le réseau en tête de fracture, la dissipation provenant simplement de leurs frottements dans le solvant. Nous avons pu produire un modèle simple de type <> qui permet de rendre compte des ordres de grandeur mesurés ainsi que de prédire des lois d'échelle vérifiées expérimentalement.<br /><br />En parallèle, nous avons étudié le faciès des surfaces créées par la propagation de la fracture. Nous avons montré qu'il n'existe pas de lois d'échelle comme celles observées dans d'autres matériaux ductiles ou fragiles mais que la micro-rugosité présente une hauteur RMS croissante avec la vitesse de fracture, observation jamais rapportée auparavant. Nous avons mis en évidence une vitesse critique en-dessous de laquelle des défauts macroscopiques apparaissent, défauts précédemment observés par Gent et al. dans les élastomères et décrit exhaustivement par Sekimoto et al. dans les gels de polyacrylamide. Nous avons pu expliquer la hauteur caractéristique de ces défauts en prenant en compte que ces matériaux très déformables présentent le phénomène d'émoussage de la fracture (<>). Nous observons par ailleurs que ces défauts et la micro-rugosité présentent une anisotropie selon un angle <> indépendant de la vitesse de fracture et des caractéristiques du gel de gélatine.