The differences in behaviour of animals are not found only between species or populations but also between individuals within a population. If individuals differ in their behaviour constantly in time and across various situations, then we find diverse personality among them. The aim of my diploma thesis was to seek personality in spiny mice (Acomys cahirinus). For verification of stability of behaviour (of the same age) in various situations we tested animals in series of behavioural tests focusing on activity, exploration and anxiety. Every test was repeated twice with each individual in order to verify the stability of their behaviour in time. It was demonstrated that the behaviour of experimental animals is repeatable across different situations in time (the results of tests were correlated between each other as well as between two series), thus we confirmed the existence personality in the animals. However the personality does not participate on the results of individual tests by a great degree, its occurance is more evident from the series of more tests. Animals differ from each other primarily in coping with new situations. Keywords: personality, series of behavioural tests, PCA

Ce mémoire a pour objectif d’étudier une famille de méthodes pour modéliser de façon conjointe plusieurs séries temporelles. Nous nous servons de ces méthodes pour prédire le comportement de cinq séries temporelles américaines et de ressortir les liens dynamiques qui pourraient exister entre elles. Pour ce faire, nous utilisons les modèles de vecteurs autorégressifs d’ordre p proposés par Sims (1980) qui sont une généralisation multivariée des modèles de Box et Jenkins. Tout d’abord, nous définissons un ensemble de concepts et outils statistiques qui seront utiles à la compréhension de notions utilisées par la suite dans ce mémoire. S’ensuit la présentation des modèles et de la méthode de Box et Jenkins. Cette méthode est appliquée à chacune des cinq séries en vue d’avoir des modèles univariés. Puis, nous présentons les modèles VAR(p) et nous faisons un essai d’ajustement de ces modèles à un vecteur dont les composantes sont les cinq séries. Nous discutons de la valeur ajoutée de l’analyse multivariée par rapport à l’ensemble des analyses univariées / This thesis aims to study a family of methods to jointly model several time series. We use these methods to predict the behavior of five US time series and to highlight the dynamic links that might exist between them. To do this, we use the p-order autoregressive vector models proposed by Sims (1980), which are a multivariate generalization of the Box and Jenkins models. First, we define a set of concepts and statistical tools that will be useful for the understanding of notions used later in this thesis. Follows the presentation of the models and the method of Box and Jenkins. This method is applied to each of the five series in order to have univariate models. Then, we present the VAR(p) models and we test the fit of these models to a vector series whose components are the five aforementioned series. We discuss the added value of multivariate analysis compared to the five univariate analyzes.

Ces dernières décennies, l'intégration aux réseaux électriques de capteurs intelligents incorporant la mesure synchronisée des phaseurs a contribué à enrichir considérablement les bases de données de surveillance en temps réel de la stabilité des réseaux électriques. En parallèle, la lutte aux changements climatiques s'est accompagnée d'un déploiement généralisé des sources d'énergies renouvelables dont l'intermittence de la production et le déficit d'inertie dû à l'interface de celle-ci par l'électronique de puissance, contribuent à augmenter les risques d'instabilité à la suite de contingences de réseau. Dans ce contexte, nous proposons d'appliquer aux données de synchrophaseurs de nouvelles approches d'intelligence de données inspirées par l'analyse massive des séries chronologiques et l'apprentissage sur des dictionnaires supervisés, permettant d'extraire des centaines d'attributs décrivant concisément les estimations d'état dynamique des générateurs de réseaux électriques. La mise en évidence d'une signification physique de ces attributs permet ensuite une classification de la stabilité dynamique qui s'éloigne de ce fait des boîtes noires produites par un apprentissage en profondeur « à l'aveugle » des séries chronologiques, pour évoluer vers une approche transparente plus adaptée à la salle de conduite des réseaux et acceptable pour les ingénieurs d'exploitation. Cette approche d'apprentissage machine « interprétable » par les humains, débouche de surcroît sur une détection fiable, utilisant de courtes fenêtres de données de vitesses d'alternateurs directement mesurées ou reconstituées par estimation d'état dynamique à partir de l'instant d'élimination du défaut, pour détecter toute instabilité subséquente, avec un temps de préemption suffisant pour activer des contremesures permettant de sauvegarder la stabilité du réseau et ainsi prévenir les pannes majeures. Notre travail aborde l'exploitation de cette nouvelle niche d'information par deux approches complémentaires d'intelligence des données : 1) une analyse non parcimonieuse d'une base d'attributs se chiffrant par centaines, calculés automatiquement par l'analyse numérique massive des séries chronologiques de signaux de réponses post-contingence des générateurs; et 2) une analyse parcimonieuse exploitant l'apprentissage supervisée de grands dictionnaires surcomplets pour habiliter une prédiction de l'instabilité sur de courtes fenêtres de données avec une représentation vectorielle creuse (contenant un grand nombre de zéros) et donc numériquement très efficiente en plus de l'interprétabilité inhérente des atomes constituant les dictionnaires. Au niveau méthodologique, l'approche non parcimonieuse vise à implémenter plusieurs méthodes analytiques combinées (notamment la transformée de Fourier, la transformée en ondelette, la méthode de Welch, la méthode de périodogramme et les exposants de Lyapunov) pour extraire du signal de réponse de chaque générateur des centaines d'attributs labellisés et servant à construire un espace physique d'indicateurs de stabilité à haute dimension (HDSI). Ceux-ci sont ensuite utilisés pour développer les prédicteurs de stabilité sur la base d'algorithmes standard de machine learning, par exemple le convolutional neural network (CNN), long short-term memory (LSTM), support vector machine (SVM), AdaBoost ou les forêts aléatoires. L'approche parcimonieuse implémentée consiste à développer deux techniques complémentaires : 1) un dictionnaire d'apprentissage supervisé joint (SLOD) au classificateur et 2) vingt dictionnaires d'apprentissage séparés des signaux associés aux cas stable/instable. Alors que le SLOD utilise des dictionnaires adaptatifs inspirés des données mesurées et apprises hors-ligne, la deuxième approche utilise des dictionnaires fixes pour reconstruire séparément les signaux des classes stables et instables. Dans les deux cas, l'étape finale consiste à identifier automatiquement en temps réel, la classe d'appartenance d'une réponse par reconstruction des signaux associés à partir des dictionnaires appris hors-ligne. L'analyse parcimonieuse des réponses des générateurs sur un dictionnaire d'apprentissage adaptatif joint au classificateur a été implémenté à partir de l'algorithme K-singular value de composition (KSVD) couplé à l'orthogonal matching pursuit (OMP), afin de reconstruire et prédire la stabilité dynamique des réseaux électriques. De plus, vingt décompositions parcimonieuses des signaux sur des dictionnaires fixes (simples et hybrides) ont permis de développer des classificateurs prédisant chaque classe séparément sur la base de la transformée en cosinus discrète (DCT), en sinus discrète (DST), en ondelette (DWT), de la transformée de Haar (DHT), et le dictionnaire de Dirac (DI) couplés à l'orthogonal matching pursuit (OMP). Cette étude démontre que la décomposition parcimonieuse sur un dictionnaire adaptatif joint au classificateur offre une performance proche de l'idéal (c'est-à-dire : 99,99 % précision, 99,99 % sécurité et 99,99 % fiabilité) de loin supérieure à celle d'un classificateur à reconstruction de signaux basée sur les vingt dictionnaires fixes ou adaptatifs séparés, et les classificateurs basés sur les moteurs de machine learning (SVM, ANN, DT, RF, AdaBoost, CNN et LSTM) implémentés à partir des indices HDSI extraits de la base de données des vitesses des rotors des réseaux IEEE 2 area 4 machines, IEEE 39 -bus et IEEE 68 -bus. Toutefois, le temps de resimulation (replay) en temps réel des dictionnaires fixes/adaptatifs séparés est nettement inférieur (de 30-40%) à celui observé pour le dictionnaire adaptatif à classificateur joint / SLOD, et les algorithmes modernes de machine learning utilisant les attributs de type HDSI comme intrants. / In recent decades, the integration of smart sensors incorporating synchronized phasor measurements units (PMU) into power grids has contributed to a significant improvement of the databases for real-time monitoring of power grid stability. In parallel, the fight against climate change has been accompanied by a widespread deployment of renewable energy sources whose intermittency of production and the lack of inertia due to the interface of the latter by power electronics; contribute to increase the risks of instability following network contingencies. In this context, we propose to apply new data intelligence approaches inspired by massive time series analysis and supervised dictionary learning to synchrophasor data, allowing the extraction of hundreds of attributes concisely describing the dynamic state estimates of power system generators. The physical meaning identification of these attributes then allows for an online classification of dynamic stability, thus moving away from the black boxes produced by «blind» deep learning of time series to a transparent approach more suitable for the network control room and acceptable to operating engineers. This human-interpretable machine learning approach also leads to reliable detection, using short windows of generator speed data directly measured or reconstructed by dynamic state estimation from the instant of fault elimination, to detect any subsequent instability, with sufficient preemption time to activate false measures to safeguard the network stability and thus prevent major outages. Our work addresses the exploitation of this new information through two complementary data intelligence approaches : 1) a non-sparse analysis of an attribute base numbering in the hundreds, computed automatically by massive numerical analysis of post-contingency response signal time series from generators; and 2) a sparse analysis exploiting supervised learning of large overcomplete dictionaries to enable instability prediction over short windows of data with a hollow vector representation (containing a large number of zeros) and thus numerically very efficient in addition to the inherent interpretability of the atoms constituting the dictionaries. Methodologically, the non-sparse approach aims to implement several combined analytical methods (including Fourier transform, wavelet transform, Welch's method, periodogram method and Lyapunov exponents) to extract hundreds of labeled attributes from the response signal of each generator and used to construct a physical space of high-dimensional stability indicators (HDSI). These are used to develop stability predictors based on standard machine learning algorithms, e.g., CNN, LSTM, SVM, AdaBoost or random forests. The implemented sparse approach consists in developing two complementary techniques: 1) a supervised learning dictionary attached (SLOD) to the classifier and 2) twenty separate dictionaries learning of the signals associated with the stable/instable cases. While the SLOD uses adaptive dictionaries inspired by the measured and learned offline data, the second approach uses fixed dictionaries to reconstruct the stable and unstable signals classes separately. In both cases, the final step is automatically identified in real time the status to which a response belongs by reconstructing the associated signals from the off-line learned dictionaries. The sparse analysis of generator responses on an adaptive learning dictionary attached to the classifier was implemented using the K-singular value decomposition (KSVD) algorithm coupled with orthogonal matching pursuit (OMP), to reconstruct and predict online the dynamic stability of power systems. In addition, twenty sparse signal decompositions on fixed dictionaries (simple and hybrid) were used to develop classifiers predicting each class separately based on the discrete cosine transform (DCT), discrete sine transform (DST), wavelet transform (DWT), Haar transform (DHT), and Dirac dictionary (DI) coupled with the orthogonal matching pursuit (OMP). This study demonstrates that sparse decomposition on joined adaptive dictionary to the classifier provides near ideal performance (i.e.: 99.99% accuracy, 99.99% security, and 99.99% reliability) far superior to that of a classifier has signal reconstruction based on the twenty separate fixed or adaptive dictionaries and classifiers based on machine learning engines (SVM, ANN, DT, RF, AdaBoost, CNN, and LSTM) implemented from HDSI indices extracted from the rotor speed database of the IEEE 2 area 4 machines, IEEE 39 -bus, and IEEE 68 -bus test systems. However, the real-time replay time of the separate fixed/adaptive dictionaries is significantly lower (by 30-40%) than that observed for the adaptive dictionary with joint classifier/SLOD, and modern machine learning algorithms using HDSI-like attributes as inputs.

L’analyse de cycle de vie (ACV) est une méthode standardisée d’évaluation des impacts environnementaux d’un produit qui est définie par les référentiels ISO 14040:2006 et ISO14044:2006. Elle permet de calculer l’empreinte environnementale d’un produit sur l’ensemble des différentes étapes de son cycle de vie (extraction de matière première, fabrication, transport, usage et fin de vie) sur un ensemble d’indicateurs représentatifs des problématiques environnementales du produit (changement climatique, ressources naturelles, ozone, toxicité, écotoxicité). La réalisation d’une analyse de cycle de vie (ACV) nécessite le traitement, le calcul et l’analyse de nombreuses informations. L’utilisation d’un logiciel d’ACV facilite ces différentes phases, en garantissant transparence et traçabilité. Ce mémoire présente un état d’art des outils et méthodes disponibles pour la réalisation d’une ACV sur la base des principes de la série ISO14040. SimaPro, l’un des principaux logiciels commerciaux mis à la disposition des praticiens de l’ACV, est présenté en détail à travers une étude de cas, afin d’explorer les différentes fonctions de base , les bases de données et les méthodes de calcul d’impact mises à disposition avec le logiciel .Mots-clés : ACV, empreinte environnementale, bases de données, SimaPro. / Life cycle assessment (LCA) is a standardized method for assessing the environmental impacts of a product, which is defined by the ISO 14040: 2006 and ISO 14044: 2006standards. It is a recognized approach for assessing the environmental impact of products across their entire life cycle from raw materials extraction through manufacturing, transportation, usage and disposal based on a set of indicators representative of environmental issues of the product (climate change, natural resources, ozone, toxicity, ecotoxicity). Performing a life cycle assessment requires processing, calculating and analyzing a lot of information. The use of LCA software facilitates these different phases and assures transparency and traceability. This thesis presents a state of the art of the tools and methods available for carrying out an LCA based on the principles of the ISO14040 series. SimaPro, one of the main commercial software available for LCA practitioners, is presented in detail through a case study, in order to explore the different basic functions, databases and the impact calculation methods made available with the software. Keywords: LCA, environmental footprint, databases, SimaPro.

Une série de Tchebychev est un développement dans la base des polynômes de Tchebychev. Ces séries sont importantes en théorie de l'approximation. Contrairement aux séries de Taylor, l'algorithmique en calcul formel autour d'elles n'est pas très développée. Cette thèse propose de nouveaux algorithmes pour ces séries. Une première partie présente des algorithmes rapides pour convertir une série de Tchebychev tronquée en une série de Taylor tronquée et réciproquement, et pour multiplier ou diviser deux séries de Tchebychev tronquées. Le reste de la thèse porte sur les séries de Tchebychev solutions d'une équation différentielle linéaire à coefficients polynomiaux. Dans cette classe, les coefficients des séries sont solutions d'une récurrence linéaire. Cette thèse montre comment calculer cette récurrence efficacement, puis comment l'utiliser pour obtenir un calcul approché efficace des coefficients malgré des instabilités numériques. Ces algorithmes mènent au calcul efficace d'une approximation sur un segment par un polynôme de degré fixé d'une fonction solution d'une équation différentielle linéaire. Enfin, le calcul des récurrences pour les coefficients de séries est généralisé au cas des séries de Fourier généralisées. L'ensemble est illustré d'exemples à partir de programmes développés durant cette thèse.

.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.

Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal

Sans corps, pas d'histoires. Vecteur d'action, instrument de la narration, et support d'un lien d'identification fort entre le spectateur et le personnage, le corps est la principale figure des médiums cinématographique et télévisuel. Si le cinéma a toujours, depuis ses balbutiements, glorifié la vivacité inépuisable des corps, parallèlement déjà, planait la face inversée de cette exposition, la menace muette de la mort. Mais si le dernier souffle avant la mort est bien souvent encore, au cinéma et à la télévision, synonyme d'ultime communion avec la vie et de résistance à la mort, qu'en est-il du corps et du personnage quand la mort s'en est saisi à jamais et qu'il ne reste plus aux vivants, personnages et spectateurs, qu'à se confronter au cadavre ? Figure parasitaire, le cadavre n'est ni un personnage ni même un figurant. A la fois signe vide et noyau narratif, c'est à partir de lui et de son examen pendant l'autopsie ou sur les lieux du crime que va se nourrir et se développer l'intrigue policière. Et s'il peut paraître secondaire, voire accessoire, à regarder les fictions policières sous l'angle de son non-regard fixe et opaque, il donne à voir quelque chose du crime, de son caractère profondément injuste, et des rapports qu'entretiennent les vivants avec une mort qui se présente sur la table d'autopsie, sous ses traits les plus abjects. L'enjeu de cette thèse sera d'envisager la façon dont les fictions policières mettent en scène le cadavre comme le reflet, d'une troublante précision, d'un défaut contemporain de distanciation face à la mort. Il s'agira bien pour nous, et selon un principe analogue à celui qu'applique le philosophe Maxime Coulombe dans son essai sur les zombies, de considérer le cadavre fictionnel comme « analyseur de la société contemporaine » et comme « symptôme de ce qui taraude la conscience de notre époque » / Without bodies, no stories. A vehicle of action, a narrative agent, and the support of a strong identification link between the audience and the character, the body is the main figure of cinematographic and television mediums.If cinema has always, from its early stages, glorified the endless liveliness of bodies, the reverse side of this exposure has simultaneously been lingering: the mute threat of death. However, in films or in television series, if the last breath before death is often synonymous with a ultimate communion with life and with a resistance to death, what happens to the body and the character when death has seized them for ever, and the living – characters and audience – are only left facing the corpse? As a parasite figure, the corpse is neither a character nor even an extra. Both an empty sign and a narrative core, the crime plot will indeed develop from the corpse and its examination, during the autopsy or on the crime scene. And whereas the corpse may seem secondary, even minor, if we look at crime fictions from the angle of its fixed and opaque non-look, it still allows us to see something of the crime and of its deeply unfair nature, and of the relations between the living and a death that appears in its most abject features on the autopsy table. In this study, we will examine how crime fictions stage corpses as disturbingly precise reflects of a contemporary lack of perspective in front of death. Similarly to the philosopher Maxime Coulombe in his essay on zombies, we will consider the fictional corpse as an "analyser of contemporary society" and as a "symptom of what is tormenting the consciousness of our time"

En Corse alpine, les minéralisations sulfurées associées aux ophiolites apparaissent à différents niveaux de la séquence ophiolitique depuis les péridotites (transformées le plus souvent en serpentinites) jusqu'aux basaltes en passant par les gabbros. Les textures et les paragenèses métalliques montrent que le dépôt de la minéralisation se fait en deux stades. Le premier stade est quantitativement prédominant. Il est caractérisé par une paragenèse primaire de haute température (300 à 400 °C. Cette paragenèse est dominée par les sulfures de fer. Il s'agit soit de la pyrite dans les basaltes et les gabbros ; soit de la pyrrhotite hexagonale dans les serpentinites. Le stade tardif est caractérisé par une paragenèse de basse température, dominée par les sulfures de cuivre (principalement chalcopyrite et cubanite) traduisant l'enrichissement en cuivre des fluides tardifs.<br /> La mise en place des minéralisations sulfurées est liée à un système hydrothermal convectif établi dans la croûte océanique. Les interactions eau de mer - roches ont abouti à des transformations des roches à différents degrés de métamorphisme. L'étude minéralogique et paragénétique de ces transformations montre que le système hydrothermal a évolué en deux stades et avec une baisse de température. En se rapprochant des filons minéralisés, le quartz devient plus abondant et les minéraux secondaires s'enrichissent en fer. La pénétration des fluides jusqu'au dans le manteau supérieur est facilitée par les fissures des roches liées à la déformation intraocéanique.<br /> Le système hydrothermal responsable du dépôt des minéralisations sulfurées est lié au magmatisme tardif de la série de Rospigliani. Cette série montre des caractères magmatiques, tectoniques et sédimentaires particuliers permettant de placer sa genèse au niveau d'une zone transformante. Ce magmatisme est précédé par celui de la série de l'Inzecca qui présente des affinités avec les tholéiites reconnues actuellement à l'aplomb des dorsales océaniques de type normal. <br /> Le modèle génétique des minéralisations sulfurées associées aux ophiolites de Corse est comparable à ceux développés dans les rides océaniques actuelles et dans les ophiolites de Chypre et d'Oman.