L'imagerie cérébrale connaît un intérêt grandissant, en tant que phénotype intermédiaire, dans la compréhension du chemin complexe qui relie les gènes à un phénotype comportemental ou clinique. Dans ce contexte, un premier objectif est de proposer des méthodes capables d'identifier la part de variabilité génétique qui explique une certaine part de la variabilité observée en neuroimagerie. Les approches univariées classiques ignorent les effets conjoints qui peuvent exister entre plusieurs gènes ou les covariations potentielles entre régions cérébrales.Notre première contribution a été de chercher à améliorer la sensibilité de l'approche univariée en tirant avantage de la nature multivariée des données génétiques, au niveau local. En effet, nous adaptons l'inférence au niveau du cluster en neuroimagerie à des données de polymorphismes d'un seul nucléotide (SNP), en cherchant des clusters 1D de SNPs adjacents associés à un même phénotype d'imagerie. Ensuite, nous prolongeons cette idée et combinons les clusters de voxels avec les clusters de SNPs, en utilisant un test simple au niveau du "cluster 4D", qui détecte conjointement des régions cérébrale et génomique fortement associées. Nous obtenons des résultats préliminaires prometteurs, tant sur données simulées que sur données réelles.Notre deuxième contribution a été d'utiliser des méthodes multivariées exploratoires pour améliorer la puissance de détection des études d'imagerie génétique, en modélisant la nature multivariée potentielle des associations, à plus longue échelle, tant du point de vue de l'imagerie que de la génétique. La régression Partial Least Squares et l'analyse canonique ont été récemment proposées pour l'analyse de données génétiques et transcriptomiques. Nous proposons ici de transposer cette idée à l'analyse de données de génétique et d'imagerie. De plus, nous étudions différentes stratégies de régularisation et de réduction de dimension, combinées avec la PLS ou l'analyse canonique, afin de faire face au phénomène de sur-apprentissage dû aux très grandes dimensions des données. Nous proposons une étude comparative de ces différentes stratégies, sur des données simulées et des données réelles d'IRM fonctionnelle et de SNPs. Le filtrage univarié semble nécessaire. Cependant, c'est la combinaison du filtrage univarié et de la PLS régularisée L1 qui permet de détecter une association généralisable et significative sur les données réelles, ce qui suggère que la découverte d'associations en imagerie génétique nécessite une approche multivariée. / Brain imaging is increasingly recognised as an interesting intermediate phenotype to understand the complex path between genetics and behavioural or clinical phenotypes. In this context, a first goal is to propose methods to identify the part of genetic variability that explains some neuroimaging variability. Classical univariate approaches often ignore the potential joint effects that may exist between genes or the potential covariations between brain regions. Our first contribution is to improve the sensitivity of the univariate approach by taking advantage of the multivariate nature of the genetic data in a local way. Indeed, we adapt cluster-inference techniques from neuroimaging to Single Nucleotide Polymorphism (SNP) data, by looking for 1D clusters of adjacent SNPs associated with the same imaging phenotype. Then, we push further the concept of clusters and we combined voxel clusters and SNP clusters, by using a simple 4D cluster test that detects conjointly brain and genome regions with high associations. We obtain promising preliminary results on both simulated and real datasets .Our second contribution is to investigate exploratory multivariate methods to increase the detection power of imaging genetics studies, by accounting for the potential multivariate nature of the associations, at a longer range, on both the imaging and the genetics sides. Recently, Partial Least Squares (PLS) regression or Canonical Correlation Analysis (CCA) have been proposed to analyse genetic and transcriptomic data. Here, we propose to transpose this idea to the genetics vs. imaging context. Moreover, we investigate the use of different strategies of regularisation and dimension reduction techniques combined with PLS or CCA, to face the overfitting issues due to the very high dimensionality of the data. We propose a comparison study of the different strategies on both a simulated dataset and a real fMRI and SNP dataset. Univariate selection appears to be necessary to reduce the dimensionality. However, the generalisable and significant association uncovered on the real dataset by the two-step approach combining univariate filtering and L1-regularised PLS suggests that discovering meaningful imaging genetics associations calls for a multivariate approach.

On suppose que des vecteurs de données de grande dimension arrivant en ligne sont des observations indépendantes d'un vecteur aléatoire. Dans le second chapitre, ce dernier, noté Z, est partitionné en deux vecteurs R et S et les observations sont supposées identiquement distribuées. On définit alors une méthode récursive d'estimation séquentielle des r premiers facteurs de l'ACP projetée de R par rapport à S. On étudie ensuite le cas particulier de l'analyse canonique, puis de l'analyse factorielle discriminante et enfin de l'analyse factorielle des correspondances. Dans chacun de ces cas, on définit plusieurs processus spécifiques à l'analyse envisagée. Dans le troisième chapitre, on suppose que l'espérance θn du vecteur aléatoire Zn dont sont issues les observations varie dans le temps. On note Zn_tilde = Zn − θn et on suppose que les vecteurs Zn_tilde forment un échantillon indépendant et identiquement distribué d'un vecteur aléatoire Z_tilde. On définit plusieurs processus d'approximation stochastique pour estimer des vecteurs directeurs des axes principaux d'une analyse en composantes principales (ACP) partielle de Z_tilde. On applique ensuite ce résultat au cas particulier de l'analyse canonique généralisée (ACG) partielle après avoir défini un processus d'approximation stochastique de type Robbins-Monro de l'inverse d'une matrice de covariance. Dans le quatrième chapitre, on considère le cas où à la fois l'espérance et la matrice de covariance de Zn varient dans le temps. On donne finalement des résultats de simulation dans le chapitre 5.

Ce mémoire traite de l'acoustique de la clarinette et du rôle de l'anche, résumant des travaux menés entre 2001 et 2018 sur divers sujets :I) Étude de modèles analytiques élémentaire focalisée sur : 1) le rôle des pertes. 2) les cartes itérées, mettant en évidence divers régimes de fonctionnement, utiles aussi pour la pédagogie instrumentale. II) Étude de caractérisation des anches : 1) Étude dynamique des résonances de l'anche réalisée par holographie. Elle conduit à un modèle de matériau viscoélastique expliquant certaines différences observées dans les fréquences des 15 premiers modes de l'anche. 2) Étude statique des caractéristiques mécaniques et aérauliques de l'excitateur (anche+bec+lèvre). La méthode mesure précisément la quantité d'air entrant dans l'instrument en fonction de la pression de lèvre et d'air. III) Synthèse sonore par modèle physique en temps réel : 1) Modélisation mécanique et aéraulique de l'anche, d'après mesure. Le modèle de ressort raidissant non linéaire proposé autorise une simulation dynamique efficace. 2) Estimation modale de l'impédance d'entrée (mesurée) des instruments à vent. On montre les techniques de conception de filtres numériques précis et passifs à toute fréquence. 3) Modélisation et simulation instruments à vent au moyen de guide-ondes, par estimation modale, implémentée dans un logiciel en C++. IV) Une étude de jouabilité d'un panel de 40 anches par analyse canonique des corrélations révèle des liens statistiquement solides entre mesures physiques, évaluations subjectives et synthèse sonore. Elle autorise une caractérisation des anches pouvant être réalisé par le fabricant, selon au moins 4 facteurs indépendants. / This thesis deals with the acoustics of the clarinet and the role of the reed, summarizing studies carried out between 2001 and 2018 on various topics : I) Study of elementary analytical models, focused on 1) role of losses. 2) iterated maps, highlighting various operating regimes, which are also useful for the instrumental pedagogy. II) Reed characterization study : 1) Dynamic study of the reed resonances, by holography. It leads to a model of viscoelastic material explaining some differences observed in the frequencies of the first 15 modes of the reed. 2) Static study of the mechanical and aeraulic characteristics of the exciter (reed + mouthpiece + lip). The method accurately measures the airflow entering the instrument as a function of lip and air pressure. III) Sound synthesis by physical model in real time : 1) Mechanical and aeraulic modeling of the reed, according to measurements. The proposed nonlinear stiffening spring model allows for an efficient dynamic simulation. 2) Modal estimation of the (measured) input impedance of wind instruments. Design techniques for accurate digital filters, passive at any frequency, are described. 3) Modal estimation and simulation of wind instruments by waveguides, implemented in C ++ software. IV) A playability study of a panel of 40 reeds by canonical correlation analysis reveals statistically strong links between physical measurements, subjective evaluations and sound synthesis. It allows a characterization of the reeds that can be made by the manufacturer, according to at least 4 independent factors.

No description available.

La recherche porte sur les patrons de distribution longitudinale (amont-aval) et transversale (rive nord - rive sud) des communautés de crustacés planctoniques qui ont été analysés le long du fleuve Saint-Laurent entre le lac Saint-François et la zone de transition estuarienne, à deux hydropériodes en mai (crue) et en août (étiage). Les données zooplanctoniques et environnementales ont été récoltées à 52 stations réparties sur 16 transects transversaux en 2006. Au chapitre 1, nous présentons les principaux modèles écosystémiques en rivière, une synthèse des facteurs influençant le zooplancton en rivières et les objectifs et hypothèses de recherche. Au chapitre 2, nous décrivons la structure des communautés de zooplancton dans trois zones biogéographiques du fleuve et 6 habitats longitudinaux, ainsi que les relations entre la structure du zooplancton et la distribution spatiale des masses d’eau et les variables environnementales. Au chapitre 3, nous réalisons une partition de la variation des variables spatiales AEM (basées sur la distribution des masses d’eau) et des variables environnementales pour évaluer quelle part de la variation du zooplancton est expliquée par les processus hydrologiques (variables AEM) et les conditions locales (facteurs environnementaux). Le gradient salinité-conductivité relié à la discontinuité fleuve-estuaire a déterminé la distribution à grande échelle du zooplancton. Dans les zones fluviales, la distribution du zooplancton est davantage influencée par la distribution des masses d’eau que par les facteurs environnementaux locaux. La distribution des masses d’eau explique une plus grande partie de la variation dans la distribution du zooplancton en août qu’en mai. / The research aims to determine the distribution patterns of crustacean plankton along the longitudinal (west-east) and transversal (north shore - south shore) axes of the St. Lawrence River between Lake Saint-François and the estuarine transition zone, during two hydroperiods in May (high discharge) and August (low discharge). The zooplankton samples and the environmental data were collected at 52 stations distributed along 16 transversal transects in 2006. In chapter 1, we present the theoretical concepts of river ecosystem models, and a synthesis on the generative processes driving zooplankton spatial patterns in rivers. We also present our research objectives and hypotheses. In chapter 2, we describe spatial patterns of the zooplankton community structure in three biogeographic zones of the St. Lawrence and 6 longitudinal habitats, together with the relationships between zooplankton spatial structure and water masses spatial distribution and environmental characteristics. In chapter 3, we perform a variation partitioning procedure on spatial variables AEM (based on water masses spatial distribution) and environmental variables in order to assess how much of the zooplankton variation is explained by hydrological processes (AEM variables) and local conditions (environmental factors). The salinity-conductivity gradient related to the fluvial-estuary discontinuity determines the large-scale spatial patterns of the crustacean zooplankton. In the fluvial zones, the zooplankton distribution patterns are more influenced by the water masses spatial structure than by local environmental factors. The spatial distribution of the water masses explained more of the spatial structure of zooplankton communities in August than in May.

La recherche porte sur les patrons de distribution longitudinale (amont-aval) et transversale (rive nord - rive sud) des communautés de crustacés planctoniques qui ont été analysés le long du fleuve Saint-Laurent entre le lac Saint-François et la zone de transition estuarienne, à deux hydropériodes en mai (crue) et en août (étiage). Les données zooplanctoniques et environnementales ont été récoltées à 52 stations réparties sur 16 transects transversaux en 2006. Au chapitre 1, nous présentons les principaux modèles écosystémiques en rivière, une synthèse des facteurs influençant le zooplancton en rivières et les objectifs et hypothèses de recherche. Au chapitre 2, nous décrivons la structure des communautés de zooplancton dans trois zones biogéographiques du fleuve et 6 habitats longitudinaux, ainsi que les relations entre la structure du zooplancton et la distribution spatiale des masses d’eau et les variables environnementales. Au chapitre 3, nous réalisons une partition de la variation des variables spatiales AEM (basées sur la distribution des masses d’eau) et des variables environnementales pour évaluer quelle part de la variation du zooplancton est expliquée par les processus hydrologiques (variables AEM) et les conditions locales (facteurs environnementaux). Le gradient salinité-conductivité relié à la discontinuité fleuve-estuaire a déterminé la distribution à grande échelle du zooplancton. Dans les zones fluviales, la distribution du zooplancton est davantage influencée par la distribution des masses d’eau que par les facteurs environnementaux locaux. La distribution des masses d’eau explique une plus grande partie de la variation dans la distribution du zooplancton en août qu’en mai. / The research aims to determine the distribution patterns of crustacean plankton along the longitudinal (west-east) and transversal (north shore - south shore) axes of the St. Lawrence River between Lake Saint-François and the estuarine transition zone, during two hydroperiods in May (high discharge) and August (low discharge). The zooplankton samples and the environmental data were collected at 52 stations distributed along 16 transversal transects in 2006. In chapter 1, we present the theoretical concepts of river ecosystem models, and a synthesis on the generative processes driving zooplankton spatial patterns in rivers. We also present our research objectives and hypotheses. In chapter 2, we describe spatial patterns of the zooplankton community structure in three biogeographic zones of the St. Lawrence and 6 longitudinal habitats, together with the relationships between zooplankton spatial structure and water masses spatial distribution and environmental characteristics. In chapter 3, we perform a variation partitioning procedure on spatial variables AEM (based on water masses spatial distribution) and environmental variables in order to assess how much of the zooplankton variation is explained by hydrological processes (AEM variables) and local conditions (environmental factors). The salinity-conductivity gradient related to the fluvial-estuary discontinuity determines the large-scale spatial patterns of the crustacean zooplankton. In the fluvial zones, the zooplankton distribution patterns are more influenced by the water masses spatial structure than by local environmental factors. The spatial distribution of the water masses explained more of the spatial structure of zooplankton communities in August than in May.