Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

Ce travail de thèse porte sur l'exploitation de la spectroscopie des pertes d'énergie des électrons,(EELS) résolue spatialement pour l'étude de systèmes de dimensions nanométriques. Cette technique étant réalisée avec un microscope électronique en transmission et à balayage, on parle d'expérience STEM-EELS dont le principal avantage est de permettre à la fois une caractérisation morphologique à l'échelle nanométrique et l'accès à une grande variété d'informations sur les propriétés physiques et chimiques des systèmes étudiés. Nous présentons ainsi deux cas d'étude portant sur : des nanobulles d'hélium confinées dans des matrices à base de fer et des nanoparticules métalliques or-argent de structure coeur- coquille. Ces deux études se basent sur le couplage entre imagerie microscopique à l'échelle nanomètrique et spectroscopie EELS en perte proche (Low-loss EELS).La première étude permet de sonder les densités et les pressions des bulles d'hélium en fonction de leur tailles en s'appuyant sur la détection et l'étude, bulle par bulle, du seuil K de l'hélium. Les résultats sont globalement en accord avec d'autres études dans le domaine, mais des densités très basses en hélium (<10 at nmˉ³) ont été mesurées de façon fiable pour la première fois.la deuxième étude concerne l'exploration des propriétés plasmoniques des nanoparticules bimétalliques Au@Ag en sondant les énergies et les localisations des modes plasmon de surface. On trouve un accord excellent entre les expériences et les calculs par éléments finis pour les positions des modes plasmon. La coquille en Ag semble déterminer leurs énergies, avec le coeur en Au ayant apparemment peu d'effet.Une part importante de ce travail concerne le développement des méthodologies d'acquisition et de traitement des données. Tout particulièrement l'utilisation des techniques d'analyses mutivariés (MVA) pour améliorer la détection de l'hélium dans les bulles. / This thesis describes the application of high spatial resolution electron energy-loss spectroscopy (EELS) to the nanometre scale analysis of two rather di#erent types of sam- ple. EELS performed in the scanning transmission electron microscope (STEM) is known as STEM-EELS and offers the possibility of performing morphological characterisations simultaneously with access to a wide variety of information on the physical and chemical properties of the systems under study. Our two areas of study are nano-bubbles of helium in iron-based alloys and core-shell Au-Ag nano-particles. Both systems are studied via electron microscopic imaging and low-loss EELS (i.e. the spectral range below 50 eV). In the first case the helium densities and pressures in the bubbles are measured as a function of their size and the conditions in which they are generated, via the examination of the intensity and spectral position of the He-K excitation. The results are in broad agreement with othe studies in the field, but particularly lowhelium densities (< 10 at nmˉ³) have been reliably measured here for the first time.The second case concerns the exploration of the bi-metallic nano-particles plasmonic properties via the study of the surface plasmon mode energies and spatial localisations. Excellent agreement is found between experiment and finite element calculations for the plasmon modes. The outer Ag shell essentially fixes their energies, the Au core apparently having little effect.An important part of this work concerns the application of novel acquisition and data analysis methods. In particular the use of multivariate statistical analysis (MVA) is shown to facilitate the detection and quantification of helium in the bubbles.

La reconnaissance d’activités humaines est un sujet de recherche d’actualité comme en témoignent les nombreux travaux de recherche sur le sujet. Dans ce cadre, la reconnaissance des activités physiques humaines est un domaine émergent avec de nombreuses retombées attendues dans la gestion de l’état de santé des personnes et de certaines maladies, les systèmes de rééducation, etc.Cette thèse vise la proposition d’une approche pour la reconnaissance automatique et non-intrusive d’activités physiques quotidiennes, à travers des capteurs inertiels de type accéléromètres, placés au niveau de certains points clés du corps humain. Les approches de reconnaissance d’activités physiques étudiées dans cette thèse, sont catégorisées en deux parties : la première traite des approches supervisées et la seconde étudie les approches non-supervisées. L’accent est mis plus particulièrement sur les approches non-supervisées ne nécessitant aucune labellisation des données. Ainsi, nous proposons une approche probabiliste pour la modélisation des séries temporelles associées aux données accélérométriques, basée sur un modèle de régression dynamique régi par une chaine de Markov cachée. En considérant les séquences d’accélérations issues de plusieurs capteurs comme des séries temporelles multidimensionnelles, la reconnaissance d’activités humaines se ramène à un problème de segmentation jointe de séries temporelles multidimensionnelles où chaque segment est associé à une activité. L’approche proposée prend en compte l’aspect séquentiel et l’évolution temporelle des données. Les résultats obtenus montrent clairement la supériorité de l’approche proposée par rapport aux autres approches en termes de précision de classification aussi bien des activités statiques et dynamiques, que des transitions entre activités. / Human activity recognition is currently a challengeable research topic as it can be witnessed by the extensive research works that has been conducted recently on this subject. In this context, recognition of physical human activities is an emerging domain with expected impacts in the monitoring of some pathologies and people health status, rehabilitation procedures, etc. In this thesis, we propose a new approach for the automatic recognition of human activity from raw acceleration data measured using inertial wearable sensors placed at key points of the human body. Approaches studied in this thesis are categorized into two parts : the first one deals with supervised-based approaches while the second one treats the unsupervised-based ones. The proposed unsupervised approach is based upon joint segmentation of multidimensional time series using a Hidden Markov Model (HMM) in a multiple regression context where each segment is associated with an activity. The model is learned in an unsupervised framework where no activity labels are needed. The proposed approach takes into account the sequential appearance and temporal evolution of data. The results clearly show the satisfactory results of the proposed approach with respect to other approaches in terms of classification accuracy for static, dynamic and transitional human activities

L’approche GWAS est un outil essentiel pour la découverte de gènes associés aux maladies, mais elle pose des problèmes de puissance statistique quand il est impossible d’échantillonner génétiquement des dizaines de milliers de sujets. Les résultats présentés ici—ALDsuite, un programme en utilisant une correction nouvelle et efficace pour le déséquilibre de liaison (DL) ancestrale de la population locale, en permettant l'utilisation de marqueurs denses dans le MALD, et la démonstration que la méthode simpleM fournit une correction optimale pour les comparaisons multiples dans le GWAS—réaffirment la valeur de l'analyse en composantes principales (APC) pour capturer l’essence de la complexité des systèmes de grande dimension. L’APC est déjà la norme pour corriger la structure de la population dans le GWAS; mes résultats indiquent qu’elle est aussi une stratégie générale pour faire face à la forte dimensionnalité des données génomiques d'association. / GWAS is an essential tool for disease gene discovery, but has severe problems of statistical power when it is impractical to genetically sample tens of thousands of subjects. The results presented here—a novel, effective correction for local ancestral population LD allowing use of dense markers in MALD using the ALDsuite and the demonstration that the simpleM method provides an optimum Bonferroni correction for multiple comparisons in GWAS, reiterate the value of PCA for capturing the essential part of the complexity of high- dimensional systems. PCA is already standard for correcting for population substructure in GWAS; my results point to it’s broader applicability as a general strategy for dealing with the high dimensionality of genomic association data.

L’approche GWAS est un outil essentiel pour la découverte de gènes associés aux maladies, mais elle pose des problèmes de puissance statistique quand il est impossible d’échantillonner génétiquement des dizaines de milliers de sujets. Les résultats présentés ici—ALDsuite, un programme en utilisant une correction nouvelle et efficace pour le déséquilibre de liaison (DL) ancestrale de la population locale, en permettant l'utilisation de marqueurs denses dans le MALD, et la démonstration que la méthode simpleM fournit une correction optimale pour les comparaisons multiples dans le GWAS—réaffirment la valeur de l'analyse en composantes principales (APC) pour capturer l’essence de la complexité des systèmes de grande dimension. L’APC est déjà la norme pour corriger la structure de la population dans le GWAS; mes résultats indiquent qu’elle est aussi une stratégie générale pour faire face à la forte dimensionnalité des données génomiques d'association. / GWAS is an essential tool for disease gene discovery, but has severe problems of statistical power when it is impractical to genetically sample tens of thousands of subjects. The results presented here—a novel, effective correction for local ancestral population LD allowing use of dense markers in MALD using the ALDsuite and the demonstration that the simpleM method provides an optimum Bonferroni correction for multiple comparisons in GWAS, reiterate the value of PCA for capturing the essential part of the complexity of high- dimensional systems. PCA is already standard for correcting for population substructure in GWAS; my results point to it’s broader applicability as a general strategy for dealing with the high dimensionality of genomic association data.

L’objectif de ce travail de thèse est d’envisager les apports de l’Emission Acoustique (EA) en tant qu’outil de diagnostic et de surveillance des structures et ouvrages en bois. Nous avons appliqué cet outil et développé des méthodes de suivi de la fissuration. Si l’objectif affiché est l’utilisation de l’EA pour de la surveillance in-situ, un passage par des manipulations en laboratoire a été nécessaire pour valider les méthodes mises en œuvre. Des essais de chargement à déplacement imposé ont été réalisés sur des éprouvettes de Douglas (DCB à inertie constante) soumises à un chargement en mode I, pour deux teneurs en eaux distinctes. En parallèle du système d’acquisition acoustique, un système d’acquisition d’images a été utilisé pour suivre l’évolution de la fissuration sur les faces principales des éprouvettes.Dans un premier temps, nous avons constaté que la cinétique de fissuration était corrélée à l’énergie acoustique des signaux enregistrés. Une écoute globale, sans filtration des données, fournit une indication sur l’évolution de l’endommagement d’une structure.En effectuant un premier traitement des données, en considérant les évènements acoustiques et en utilisant des courbes de correction de localisation et d’amplitude des signaux, nous avons pu déterminer la position d’un (ou plusieurs) pic(s) d’activité acoustique. La courbe d’évolution de la position de ce(s) pic(s) d’activité donne un résultat similaire à celle de la pointe de fissure obtenue avec le système d’imagerie. Nous avons ainsi pu estimer un taux de restitution d’énergie moyen Gc. Dans le but de passer à des applications in situ, nous avons mis en œuvre cette méthode lors d’un essai de fluage sur une éprouvette à inertie variable. L’EA a su prendre le relais lorsque les relevés visuels étaient absents. L’EA a aussi pu fournir des informations complémentaires sur l’initiation et la propagation de la fissuration et ce, sur une durée surveillance longue.La méthode de détection des pics d’activités par EA montre que les évènements acoustiques de forte amplitude sont localisés de part et d’autre de la pointe de fissure obtenue par imagerie. Dans un deuxième temps, en effectuant un parallèle avec les méthodes développées dans les matériaux composites, le bois pouvant y être assimilé par certains aspects, nous avons pu, par une utilisation conjointe des outils statistiques, de l’imagerie électronique (MEB) et de l’analyse des formes d’ondes, identifier les mécanismes de ruine présents lors des essais.Après un travail de filtration des données obtenues sur des essais à mode de ruine choisi (traction, flexion et cisaillement), quatre familles d’évènements ont pu être mis en évidence. Par l’étude de leurs formes d’ondes respectives, ces familles ont pu être associées à de la rupture de fibre, de la fissuration de matrice, de la décohésion et du délaminage telles qu’on les retrouve dans les matériaux composites. L’étude au MEB a confirmé qu’une multitude de mécanismes étaient présents sur les plans de fissuration des éprouvettes et la vraisemblance des résultats obtenus.D’un point de vue quantitatif, deux mécanismes de ruine principaux ressortent : la rupture de fibres et la fissuration matricielle. Il s’agit là d’indicateurs dont l’évolution peut constituer un indicateur, précurseur à la ruine d’un ouvrage. Le travail effectué dans cette thèse constitue un pas dans l’emploi de l’EA dans la surveillance des structures et des ouvrages en bois et laisse entrevoir d’autres emplois notamment en mécanique de la rupture et dans l’étude des zones d’élaboration. / The aim of this thesis is to consider what Acoustic Emission (AE) can provide as a tool for diagnosis and assessment of wood structures and works. We applied this tool and developed methods for tracking crack propagation. If our intention is using AE for the in-situ monitoring, we have to do experiments in laboratory to validate the methods developped. Loading tests under imposed displacement were conducted on Douglas samples (DCB constant inertia) subjected to a loading in mode I, for two levels of moisture content. In tandem of the acoustic emission emission system, an image acquisition system was used to record crack propagation on the main faces of the samples.First, we showed that the cracking kinetics correlates with the acoustic energy of the recorded signals. A global analysis, with unfiltered data, provides a good indication of the evolution of the damage within a structure. Then by performing a first data processing, by taking into account the acoustic events and by using correction curves of localization and amplitude, we were able to determine the position of one (or more) peak(s) of acoustic activity. The evolution curve of the position of this (these) peak(s) of activity gives a result similar of the crack tip evolution obtained with the digital image acquisition system. By this way we were able to estimate an average restoration level of critical energy Gc. In the purpose of making in situ applications, we have implemented this method during a creep test on a specimen with variable inertia. A previously loaded sample was placed to a relative humidity variation - from a humid atmosphere to a dry atmosphere. Only spot measurements of the crack tip position has been made. AE was able to take over when visual statements were absent. AE was also able to provide additional information on the initiation and propagation of cracks over a long term monitoring. The method for detecting peaks of activities by AE shows that acoustic events with high amplitude are located on both side of the crack tip obtained by imaging.Secondly, by comparing with the methods developed in composite materials, wood could be considered as such, we were able, by joint use of statistical tools, electronic imaging (SEM) and analysis of waveforms, to identify failure mechanisms which were present during testing. After processing data obtained on failure specific mode test (tensile, bending and shear), four clusters of events have been highlighted. By studying their respective waveforms and signal caracteristics, these families have been associated with the rupture of fiber, matrix cracking, debonding and delamination such as those found in composites. The study of SEM images made from owr samples has confirmed the presence of a multitude of mechanisms on the cracking path of the wood samples. This confirms the reasonableness of results obtained. From a quantitative perspective, two major failure mechanisms stand out: the breaking of fibers and matrix cracking. The evolution of these indicators may be a precursor to the ruin of a structure.The work undertaken in this thesis is a step in the use of AE in monitoring structures and wooden structures. It suggests other purposes for the use of AE in wood. We could imaging using AE in order to study the process zones by using mTDCB samples.