Le travail est réalisé en collaboration avec le centre d'études de Gramat. Le but est de fournir des outils numériques fiables de prévision de la tenue aux chocs de structures en composites 3D C/C. Pour des sollicitations de quelques microsecondes, une modélisation méso rend bien compte des observations expérimentales. Le traitement numérique d'un tel modèle conduit à des problèmes de taille importante. Nous développons une méthode de sous structuration mixte par interface, itérative, globale en temps et en espace, paramétrée par des directions de recherche qu'il faut optimiser. Les directions de recherche constantes sont peu efficaces. Pour des directions de recherche variables, un algorithme de gradient conjugué est utilisé et optimisé pour réduire le nombre d'itérations. La méthode est validée sur un exemple 1D 1/2. Le cas d'un calcul 3D d'impact plaque/plaque est également traité grâce à l'utilisation du calcul parallèle.

Ce travail est dédié à la mise en place de deux méthodes originales de type domaine fictif pour la résolution de problèmes elliptiques (de type convection-diffusion) avec des conditions aux limites générales et éventuellement mixtes : Dirichlet, Robin ou Neumann. <br />L'originalité de ces méthodes consiste à utiliser le maillage du domaine fictif, généralement non adapté à la géométrie du domaine physique, pour définir une frontière immergée approchée sur laquelle seront appliquées les conditions aux limites immergées. Un même schéma numérique générique permet de traiter toutes les conditions aux limites générales. Ainsi, contrairement aux approches classiques de domaine fictif, ces méthodes ne nécessitent ni l'introduction d'un maillage surfacique de la frontière immergée ni la modification locale du schéma numérique. Deux modélisations de la frontière immergée sont étudiées. Dans la première modélisation, appelée interface diffuse, la frontière immergée approchée est l'union des mailles traversées par la frontière originelle. Dans la deuxième modélisation, la frontière immergée est approchée par une interface dite fine s'appuyant sur les faces de cellules du maillage. Des conditions de transmissions algébriques combinant les sauts de la solution et du flux sont introduites sur cette interface fine. Pour ces deux modélisations, le problème fictif à résoudre ainsi que le traitement des conditions aux limites immergées sont détaillés. Un schéma aux éléments finis Q1 est utilisé pour valider numériquement le modèle à interface diffuse alors qu'un nouveau schéma aux volumes finis est développé pour le modèle à interface fine et sauts immergés. Chaque méthode est combinée avec un algorithme de raffinement de maillage multi-niveaux (avec résidu de solution ou du flux) autour de la frontière immergée afin d'améliorer la précision de la solution obtenue. <br />Parallèlement, une analyse théorique de convergence en maillage non adapté au domaine physique a été effectuée pour une méthode d'éléments finis Q1. Cette étude démontre l'ordre de convergence des méthodes de domaine fictif mises en place.<br />Parmi les nombreuses applications industrielles possibles, une simulation sur une maquette d'échangeur de chaleur dans les centrales nucléaires permet d'apprécier la performance des méthodes mises en oeuvre.

Reproduction de : Thèse de doctorat : Biologie moléculaire et cellulaire : Lille 2 : 2008. / Résumé en français et en anglais. Titre provenant de l'écran-titre. ADN = Acide Désoxyribonucléique. Bibliogr. f. 184-202.

L'objectif de cette thèse est de concevoir des méthodes de décomposition de domaine qui sont robustes même pour les problèmes difficiles auxquels on est confronté lorsqu'on simule des objets industriels ou qui existent dans la nature. Par exemple une difficulté à laquelle est confronté Michelin et que les pneus sont constitués de matériaux avec des lois de comportement très différentes (caoutchouc et acier). Ceci induit un ralentissement de la convergence des méthodes de décomposition de domaine classiques dès que la partition en sous domaines ne tient pas compte des hétérogénéités. Pour trois méthodes de décomposition de domaine (Schwarz Additif, BDD et FETI) nous avons prouvé qu¿en résolvant des problèmes aux valeurs propres généralisés dans chacun des sous domaines on peut identifier automatiquement quels sont les modes responsables de la convergence lente. En d¿autres termes on divise le problème de départ en deux : une partie où on peut montrer que la méthode de décomposition de domaine va converger et une seconde où on ne peut pas. L¿idée finale est d¿appliquer des projections pour résoudre ces deux problèmes indépendemment (c¿est la déflation) : au premier on applique la méthode de décomposition de domaine et sur le second (qu¿on appelle le problème grossier) on utilise un solveur direct qu¿on sait être robuste. Nous garantissons théorétiquement que le solveur à deux niveaux qui résulte de ces choix est robuste. Un autre atout de nos algorithmes est qu¿il peuvent être implémentés en boite noire ce qui veut dire que les matériaux hétérogènes ne sont qu¿un exemple des difficultés qu¿ils peuvent contourner

La recherche de réponses précises à des questions formulées en langue naturelle renouvelle le champ de la recherche d'information. De nombreux travaux ont eu lieu sur la recherche de réponses à des questions factuelles en domaine ouvert. Moins de travaux ont porté sur la recherche de réponses en domaine de spécialité, en particulier dans le domaine médical ou biomédical. Plusieurs conditions différentes sont rencontrées en domaine de spécialité comme les lexiques et terminologies spécialisés, les types particuliers de questions, entités et relations du domaine ou les caractéristiques des documents ciblés. Dans une première partie, nous étudions les méthodes permettant d'analyser sémantiquement les questions posées par l'utilisateur ainsi que les textes utilisés pour trouver les réponses. Pour ce faire nous utilisons des méthodes hybrides pour deux tâches principales : (i) la reconnaissance des entités médicales et (ii) l'extraction de relations sémantiques. Ces méthodes combinent des règles et patrons construits manuellement, des connaissances du domaine et des techniques d'apprentissage statistique utilisant différents classifieurs. Ces méthodes hybrides, expérimentées sur différents corpus, permettent de pallier les inconvénients des deux types de méthodes d'extraction d'information, à savoir le manque de couverture potentiel des méthodes à base de règles et la dépendance aux données annotées des méthodes statistiques. Dans une seconde partie, nous étudions l'apport des technologies du web sémantique pour la portabilité et l'expressivité des systèmes de questions-réponses. Dans le cadre de notre approche, nous exploitons les technologies du web sémantique pour annoter les informations extraites en premier lieu et pour interroger sémantiquement ces annotations en second lieu. Enfin, nous présentons notre système de questions-réponses, appelé MEANS, qui utilise à la fois des techniques de TAL, des connaissances du domaine et les technologies du web sémantique pour répondre automatiquement aux questions médicales.

De nos jours, avec l'expansion d'Internet, l'abondance et la diversité des données accessibles qui en résulte, de nombreuses applications requièrent l'utilisation de méthodes d'apprentissage automatique supervisé capables de prendre en considération différentes sources d'informations. Par exemple, pour des applications relevant de l'indexation sémantique de documents multimédia, il s'agit de pouvoir efficacement tirer bénéfice d'informations liées à la couleur, au texte, à la texture ou au son des documents à traiter. La plupart des méthodes existantes proposent de combiner ces informations multimodales, soit en fusionnant directement les descriptions, soit en combinant des similarités ou des classifieurs, avec pour objectif de construire un modèle de classification automatique plus fiable pour la tâche visée. Ces aspects multimodaux induisent généralement deux types de difficultés. D'une part, il faut être capable d'utiliser au mieux toute l'information a priori disponible sur les objets à combiner. D'autre part, les données sur lesquelles le modèle doit être appliqué ne suivent nécessairement pas la même distribution de probabilité que les données utilisées lors de la phase d'apprentissage. Dans ce contexte, il faut être à même d'adapter le modèle à de nouvelles données, ce qui relève de l'adaptation de domaine. Dans cette thèse, nous proposons plusieurs contributions fondées théoriquement et répondant à ces problématiques. Une première série de contributions s'intéresse à l'apprentissage de votes de majorité pondérés sur un ensemble de votants dans le cadre de la classification supervisée. Ces contributions s'inscrivent dans le contexte de la théorie PAC-Bayésienne permettant d'étudier les capacités en généralisation de tels votes de majorité en supposant un a priori sur la pertinence des votants. Notre première contribution vise à étendre un algorithme récent, MinCq, minimisant une borne sur l'erreur du vote de majorité en classification binaire. Cette extension permet de prendre en compte une connaissance a priori sur les performances des votants à combiner sous la forme d'une distribution alignée. Nous illustrons son intérêt dans une optique de combinaison de classifieurs de type plus proches voisins, puis dans une perspective de fusion de classifieurs pour l'indexation sémantique de documents multimédia. Nous proposons ensuite une contribution théorique pour des problèmes de classification multiclasse. Cette approche repose sur une analyse PAC-Bayésienne originale en considérant la norme opérateur de la matrice de confusion comme mesure de risque. Notre seconde série de contributions concerne la problématique de l'adaptation de domaine. Dans cette situation, nous présentons notre troisième apport visant à combiner des similarités permettant d'inférer un espace de représentation de manière à rapprocher les distributions des données d'apprentissage et des données à traiter. Cette contribution se base sur la théorie des fonctions de similarités (epsilon,gamma,tau)-bonnes et se justifie par la minimisation d'une borne classique en adaptation de domaine. Pour notre quatrième et dernière contribution, nous proposons la première analyse PAC-Bayésienne appropriée à l'adaptation de domaine. Cette analyse se base sur une mesure consistante de divergence entre distributions permettant de dériver une borne en généralisation pour l'apprentissage de votes de majorité en classification binaire. Elle nous permet également de proposer un algorithme adapté aux classifieurs linéaires capable de minimiser cette borne de manière directe.

La modélisation numérique est devenue un outil indispensable qui permet la prise en compte de structures de plus en plus complexes. De nombreuses méthodes numériques ont été développées puis évoluées pour être adaptées au problème à résoudre. Parmi ces méthodes, la TLM (Transmission Line Matrix) est très connue par son efficacité dans la modélisation des structures en hyperfréquence. Nous nous sommes intéressés dans ce travail à la méthode FD-TLM, l'approche fréquentielle de la TLM. La formulation adoptée est dérivée de la TLM dans le domaine temporel moyennant une transformée de Fourier. Cette étude a englobé plusieurs aspects de la méthode en commençant par la présentation des principaux noeuds utilisés dans le maillage avant de passer à l'étude et l'analyse de l'erreur de vitesse dans la FD-TLM. Par la suite, une grande partie de ce travail a été consacrée à l'étude des parois absorbantes particulièrement les PML (Perfecly Matched Layers) et les opérateurs d'onde unidirectionnels qui ont présenté d'excellentes performances d'absorption. Finalement, dans le but d'une étude d'optimisation, la FD-TLM a été combinée à la méthode de segmentation permettant de subdiviser la structure en plusieurs sous-domaines qui peuvent être isolés et maillés séparément.

La RFID sans puce, en raison du très faible coût des tags, a ouvert une nouvelle voie pour les systèmes d'identification. Les étiquettes RFID sans puce fonctionnant dans le domaine temporel ont l'avantage d'être compatibles avec de grandes distances de lecture, de l'ordre de quelques mètres, et de pouvoir fonctionner dans les bandes de fréquence ISM. Cependant, les tags de ce type développés jusqu'à lors n'offraient qu'une faible capacité de codage. Cette thèse propose une nouvelle méthode pour augmenter la capacité de codage des tags fonctionnant dans le domaine temporel en utilisant des C-sections, c'est-à-dire des lignes de transmission repliées de manière à avoir des zones fortement couplées, ce qui leur donne un caractère dispersif. Une autre approche basée sur une technique multi-couches a également été introduite de façon à augmenter considérablement la capacité de codage. Pour terminer, la preuve de concept d'un tag-capteur d'humidité, basé sur l'utilisation de nano fils de silicium, est également présentée.

Après s'être interrogée sur la notion de sens, cette thèse se fixe pour objectif de dégager un certain nombre d'éléments linguistiques allant dans le sens d'une caractérisation abstraite à même de rendre compte des différents emplois du verbe anglais want. Il est proposé que ce verbe conserve aujourd'hui quelque chose de son emploi diachronique initial en tant que " verbe de manque " à partir d'une première opération de localisation par laquelle le sujet grammatical est mis en relation avec un objet ou une propriété non-immédiatement disponible pour lui dans la situation d'énonciation. Cette mise en relation particulière accompagne un processus de subjectivisation culminant dans une tendance forte à la modalisation de l'énoncé en want, en lien avec des effets déontiques et épistémiques. Par ailleurs, les interprétations mixtes associées à l'énoncé en want poussent à proposer d'en rendre compte par une " concentricité notionnelle " centrée sur un état stable p donné comme absent du domaine du sujet et à partir duquel s'élaborent les notions de manque, de désir et de volonté qui se convoquent et s'activent mutuellement à partir du second argument de want. Il semble intéressant de le traiter comme un domaine notionnel organisé autour de p, lequel sert de repère permettant d'envisager une seconde opération de localisation qui autorise le repérage d'une relation permettant d'atteindre p. Ainsi, la distinction désir / volonté est pensable en termes de degrés dans les déterminations que l'on peut construire à partir du manque. Ce travail met donc en relation les constructions syntaxiques possibles du second argument de want et ces déterminations.

La tomographie optique diffuse (DOT) se caractérise par l’utilisation de la lumière dans un régime de propagation diffusif pour sonder les tissus biologiques. L’utilisation de marqueurs fluorescents permet de cibler des processus biologiques précis (tomographie optique diffuse en fluorescence - FDOT) et d’améliorer le contraste dans les images obtenues. Les applications typiques de la DOT/FDOT sont la mammographie laser, l’imagerie cérébrale de nouveau-nés et les investigations non-invasives sur petits animaux, notamment pour l’imagerie moléculaire. Le présent projet fait partie du programme de recherche TomOptUS dirigé par le professeur Yves Bérubé-Lauzière. Un scanner optique pour petits animaux y est en cours de développement. Ce scanner possède la particularité de fonctionner avec une prise de mesures sans contact dans le domaine temporel. La première partie du projet a pour point de départ l’algorithme développé en FDOT par Vincent Robichaud qui permet la localisation spatiale d’une seule inclusion fluorescente ponctuelle immergée dans un milieu diffusant homogène ayant une géométrie cylindrique. Une nouvelle approche de localisation pour une pluralité d’inclusions discrètes est ici introduite. Cette dernière exploite l’information contenue dans le temps de vol des premiers photons provenant d’une émission de fluorescence. Chaque mesure permet de définir un lieu géométrique où une inclusion peut se trouver : ces lieux prennent la forme d’ovales en 2D ou d’ovoïdes en 3D. À partir de ces lieux, une carte de probabilité de présence des inclusions est construite : les maxima de la carte correspondent à la position des inclusions. Cette approche géométrique est soutenue par des simulations Monte Carlo en fluorescence dans des milieux reproduisant les propriétés optiques des tissus biologiques. Plusieurs expériences sont ensuite effectuées sur une mire optique homogène répliquant les propriétés optiques des tissus dans lequel des inclusions remplies de vert d’indocyanine (ICG) sont placées. L’approche permet la localisation avec une erreur positionnelle de l’ordre du millimètre. Les résultats démontrent que l’approche est précise, rapide et efficace pour localisation des inclusions fluorescentes dans un milieu hautement diffusant mimant les tissus biologiques. Des simulations Monte Carlo sur un modèle réaliste de souris montrent la faisabilité de la technique pour l’imagerie sur petits animaux. Le second volet de la thèse s’intéresse aux mesures intrinsèques par le développement d’une approche de reconstruction d’une carte des vitesses de propagation des ondes lumineuses diffuses dans un milieu diffusant hétérogène. De telles vitesses constituent un nouveau contraste pour de l’imagerie DOT. La méthode utilise une configuration en faisceaux lumineux analogue aux méthodes utilisées en tomographie par rayons X. Ici, toutefois, les temps d’arrivée des premiers photons sont utilisés plutôt que l’amplitude du signal. Des résultats sont présentés en 2D pour différentes configurations d’inclusions démontrant la validité de l’approche. Des simulations Monte Carlo sont utilisées pour simuler la propagation intrinsèque dans des milieux hétérogènes et pour venir appuyer la démarche.