Des systèmes informationnels de santé (SIS) ont été mis en place au cours des 20 dernières années pour soutenir les processus de soins, les tâches administratives et les activités de recherche ainsi que pour assurer la gestion raisonnée des établissements de santé. Un entrepôt de données (ED) doit être créé à partir de nombreuses sources de données hétérogènes afin de rendre les données exploitables d’une façon uniforme au sein des SIS. La temporalisation de cet entrepôt est rapidement devenue un enjeu crucial afin de garder les traces de l’évolution des données et d’améliorer la prise de décision clinique. L’entrepôt de données temporalisé (EDT) requiert l’application de règles systématiques afin de garantir l’intégrité et la qualité des données. Générer le schéma temporel d’un EDT est une tâche complexe. Plusieurs questions se posent dès lors, dont celles-ci : (a) Quel modèle temporel est le mieux adapté à l’automatisation de la construction d’un EDT (plus particulièrement dans le domaine de la santé)? (b) Quelles propriétés peut-on garantir formellement, suite à cette construction? D’une part, le volume du schéma de données nécessite d’importantes ressources humaines et financières, et d’autre part, plusieurs modèles temporels existent, mais ils ne sont pas formalisés ou non généraux. Les concepteurs s’en remettent donc le plus souvent à des règles de pratiques variées, floues, incomplètes et non validées. Dans ce travail, un cadre de référence permettant de formaliser, de généraliser et d’opérationnaliser des modèles temporels est défini. Deux modèles : BCDM et TRM sont présentés selon le cadre de référence avec leurs contraintes d’intégrité, leurs algorithmes de construction et une liste des prolongements requis. Il en résulte qu’il est désormais possible de s’affranchir des règles de pratique imprécises et de temporaliser un entrepôt en se fondant sur une méthode rigoureuse aux propriétés démontrables basées sur des critères fondamentaux (théorie relationnelle), des critères de conception reconnus et explicites (normalisation).

Les caméras pushbroom sont omniprésentes en imagerie satellitaire. Ce capteur linéaire enregistre des images 1-D et utilise le défilement du satellite autour de la terre pour construire des bandeaux d'image ; son principe de fonctionnement est identique aux scanners et photocopieurs que l'on peut utiliser tous les jours. Les avantages liés à cette technologie sont principalement une résolution d'image étendue qui va bien au delà des caméras perspectives, un coût d'exploitation faible et une robustesse au contexte spatial. Pour reconstruire des images couleur, le plan focal d'un satellite embarque plusieurs caméras pushbroom sensibles à différentes bandes spectrales de la lumière. Ce mode d'acquisition dépendant du temps suppose que l'orientation du satellite, également appelée attitude dans cette étude, ne varie pas au cours du survol d'une scène. Les satellites ont jusqu'à maintenant été considérés comme stables du fait de leur inertie. Cependant les technologies récentes développées dans la recherche spatiale tendent à réduire leur taille et alléger leur poids pour les rendre plus agiles et moins coûteux en énergie lors de leur mise en orbite. La résolution des capteurs a également été améliorée, ce qui rend nettement plus critique la moindre oscillation de l'imageur. Ces facteurs cumulés font qu'un changement d'attitude de quelques microradians peut provoquer des déformations géométriques notables dans les images. Les solutions actuelles utilisent les capteurs de positionnement du satellite pour asservir son attitude et rectifier les images, mais elles sont coûteuses et limitées en précision. Les images contiennent pourtant une information cohérente sur les mouvements du satellite de par leurs éventuelles déformations. Nous proposons dans cette étude de retrouver les variations d'attitude par recalage des images enregistrées par le satellite. Nous exploitons la disposition des caméras pushbroom dans le plan focal ainsi que la nature stationnaire des oscillations pour conduire l'estimation. Le tout est présenté dans un cadre bayesien, où les données images peuvent se mêler avec une information a priori sur le mouvement ainsi que des mesures exogènes fournies par un capteur stellaire couramment appelé star tracker. Différentes solutions sont décrites et comparées sur des jeux de données satellitaires fournis par le constructeur de satellite EADS Astrium.

Les caméras pushbroom sont omniprésentes en imagerie satellitaire. Ce capteur linéaire enregistre des images 1-D et utilise le défilement du satellite autour de la terre pour construire des bandeaux d’image ; son principe de fonctionnement est identique aux scanners et photocopieurs que l’on peut utiliser tous les jours. Les avantages liés à cette technologie sont principalement une résolution d’image étendue qui va bien au delà des caméras perspectives, un coût d’exploitation faible et une robustesse au contexte spatial. Pour reconstruire des images couleur, le plan focal d’un satellite embarque plusieurs caméras pushbroom sensibles à différentes bandes spectrales de la lumière. Ce mode d’acquisition dépendant du temps suppose que l’orientation du satellite, également appelée attitude dans cette étude, ne varie pas au cours du survol d’une scène. Les satellites ont jusqu’à maintenant été considérés comme stables du fait de leur inertie. Cependant les technologies récentes développées dans la recherche spatiale tendent à réduire leur taille et alléger leur poids pour les rendre plus agiles et moins coûteux en énergie lors de leur mise en orbite. La résolution des capteurs a également été améliorée, ce qui rend nettement plus critique la moindre oscillation de l’imageur. Ces facteurs cumulés font qu’un changement d’attitude de quelques microradians peut provoquer des déformations géométriques notables dans les images. Les solutions actuelles utilisent les capteurs de positionnement du satellite pour asservir son attitude et rectifier les images, mais elles sont coûteuses et limitées en précision. Les images contiennent pourtant une information cohérente sur les mouvements du satellite de par leurs éventuelles déformations. Nous proposons dans cette étude de retrouver les variations d’attitude par recalage des images enregistrées par le satellite. Nous exploitons la disposition des caméras pushbroom dans le plan focal ainsi que la nature stationnaire des oscillations pour conduire l’estimation. Le tout est présenté dans un cadre bayesien, où les données images peuvent se mêler avec une information a priori sur le mouvement ainsi que des mesures exogènes fournies par un capteur stellaire couramment appelé star tracker. Différentes solutions sont décrites et comparées sur des jeux de données satellitaires fournis par le constructeur de satellite EADS Astrium. / Linear pushbroom cameras are widely used for earth observation applications. This sensor acquires 1-D images over time and uses the straight motion of the satellite to sweep out a region of space and build 2-D image ; it operates in the same way as a usual flatbed scanner. Main advantages of such technology are : robustness in the space context, higher resolution than classical 2-D CCD sensors and low production cost. To build color images, several pushbroom cameras of different modalities are set in parallel onto the satellite’s focal plane. This acquisition process is dependent of the time and assumes that the satellite’s attitude remains constant during the image recording. However, the recent manufacture of smal- ler satellites with higher sampling resolution has weakened this assumption. The satellite may oscillates around its rotations axis, and an angular variation of a few microradians can result in noticeable warps in images. Current solutions use inertial sensors on board the satellite to control the attitude and correct the images, but they are costly and of limited precision. As warped images do contain the information of attitude variations, we suggest to use image registration to es- timate them. We exploit the geometry of the focal plane and the stationary nature of the disturbances to recover undistorted images. To do so, we embed the estimation process in a Bayesian framework where image registration, prior on attitude variations and mea- surements of a star tracker are fused to retrieve the motion of the satellite. We illustrate the performance of our algorithm on four satellite datasets provided by EADS Astrium.

Le bruit constitue un problème sociétal majeur, en particulier en zones urbaines et périurbaines où les sources de bruit associées au traffic routier sont nombreuses et variées. Les logiciels de prévision acoustique actuels, basés sur des modèles énergétiques et géométriques et développés initialement pour des applications en milieux extérieurs faiblement bâtis, sont donc limités pour la prévision acoustique en milieux urbains et périurbains (présence de bâtis et d'encombrements, sources de bruit réelles mobiles avec un régime de fonctionnement variant dans le temps...). Le travail de thèse a consisté à proposer un modèle numérique temporel, adapté à la modélisation de la propagation acoustique en milieu urbain. Parmi les méthodes envisageables, la méthode TLM ("Transmission Line Modelling") constitue une approche originale, puisqu'elle permet de considérer des domaines de propagation de géométries complexes en intégrant la plupart des phénomènes physiques mis en jeu lors de la propagation du son sur de grandes distances (diffraction, réflexion, phénomènes stationnaires, divergence géométrique, atténuation atmosphérique, effets micrométéorologiques). Toutefois, l'étude bibliographique a mis en évidence deux limitations majeures de la méthode pour répondre pleinement à notre problématique : l'implémentation de conditions aux frontières réalistes et la modélisation d'un milieu de propagation infini. Un modèle TLM générique a ainsi été développé, et permet de réaliser des simulations en deux ou en trois dimensions en combinant l'ensemble des phénomènes influant sur la propagation du son en milieux extérieurs densément bâtis. Une approche permettant d'implémenter une condition d'impédance aux frontières a également été proposée. La méthode consiste à approcher l'impédance par une somme de systèmes linéaires du premier ordre. L'usage d'une méthode de convolution récursive permet par ailleurs de limiter le coût numérique associé au calcul du champ de pression sonore sur la frontière. Des simulations de la propagation acoustique au-dessus de différents types de sols absorbants ont été réalisées et confrontées avec succès aux solutions analytiques. Concernant la modélisation d'un milieu de propagation infini, une formulation de couches absorbantes anisotropes permettant de limiter le domaine de calcul a également été développée. Enfin, des applications réalistes de problématiques "urbaines" (écrans acoustiques, façades et terrasses végétalisées) ont finalement été proposées.

Les travaux présentés dans ce mémoire de thèse représentent une contribution au problème de diagnostic des Systèmes à Evénements Discrets (SEDs). L'objectif de ce travail est dans un premier temps une proposition d'une démarche de diagnostic en exploitant l'aspect temporel caractérisant l'occurrence des événements. Pour cela, le système est modélisé par des graphes temporels appartenant au formalisme des automates temporisés. L'approche est conçue selon une architecture décentralisée afin d'éviter toute explosion combinatoire dans la construction des modèles. Elle a permis la détection et localisation des défauts abruptes survenant sur les équipements notamment en combinant des conditions d'autorisation d'événements et des fonctions de non-occurrence d'événements.Dans un second temps, les défauts graduels issus du process sont considérés. Pour cela, les contraintes temporelles exprimant les dates d'occurrence des événements dans les Templates et les Chroniques sont modélisées par des distributions de probabilités (DPs). Celles-ci sont utilisées afin de caractériser un fonctionnement normal, dégradé ou défaillant de chaque sous-système avec un certain degré de certitude. Cette identification du fonctionnement est représentée par la valeur d'un indicateur de dégradation. / The work presented in this thesis represents a contribution to the problem of diagnosis in discrete event systems (DES). The objective of our work consists in a proposition for a diagnostic approach by exploiting the temporal aspect which characterizing the occurrence of events. For this, the system is modeled by temporal graphs belonging to the timed automata formwork. The approach is designed according to the decentralized architecture to avoid any combinatorial explosion in the construction of the models. It has allowed the detection and isolation of abrupt faults occurring on equipment by combining the enablement conditions of events and the Boolean functions for the non-occurrence of events.Secondly, gradual faults coming from the process its self are considerate. For this, time constraints expressing the dates of occurrence of events in the Templates and Chronicles are modeled by probability distributions (PDs). These are used to characterize normal, degraded or failed functioning of each subsystem with a degree of certainty. Identification of this functioning mode is represented by the value of a degradation indicator.

Ce mémoire traite d'abord du problème de la modélisation de l'interprétation des pianistes à l'aide de l'apprentissage machine. Il s'occupe ensuite de présenter de nouveaux modèles temporels qui utilisent des auto-encodeurs pour améliorer l'apprentissage de séquences. Dans un premier temps, nous présentons le travail préalablement fait dans le domaine de la modélisation de l'expressivité musicale, notamment les modèles statistiques du professeur Widmer. Nous parlons ensuite de notre ensemble de données, unique au monde, qu'il a été nécessaire de créer pour accomplir notre tâche. Cet ensemble est composé de 13 pianistes différents enregistrés sur le fameux piano Bösendorfer 290SE. Enfin, nous expliquons en détail les résultats de l'apprentissage de réseaux de neurones et de réseaux de neurones récurrents. Ceux-ci sont appliqués sur les données mentionnées pour apprendre les variations expressives propres à un style de musique. Dans un deuxième temps, ce mémoire aborde la découverte de modèles statistiques expérimentaux qui impliquent l'utilisation d'auto-encodeurs sur des réseaux de neurones récurrents. Pour pouvoir tester la limite de leur capacité d'apprentissage, nous utilisons deux ensembles de données artificielles développées à l'Université de Toronto. / This thesis addresses the problem of modeling pianists' interpretations using machine learning, and presents new models that use temporal auto-encoders to improve their learning for sequences. We present previous work in the field of modeling musical expression, including Professor Widmer's statistical models. We then discuss our unique dataset created specifically for our task. This dataset is composed of 13 different pianists recorded on the famous Bösendorfer 290SE piano. Finally, we present the learning results of neural networks and recurrent neural networks in detail. These algorithms are applied to the dataset to learn expressive variations specific to a style of music. We also present novel statistical models involving the use of auto-encoders in recurrent neural networks. To test the limits of these algorithms' ability to learn, we use two artificial datasets developed at the University of Toronto.

Ce mémoire traite d'abord du problème de la modélisation de l'interprétation des pianistes à l'aide de l'apprentissage machine. Il s'occupe ensuite de présenter de nouveaux modèles temporels qui utilisent des auto-encodeurs pour améliorer l'apprentissage de séquences. Dans un premier temps, nous présentons le travail préalablement fait dans le domaine de la modélisation de l'expressivité musicale, notamment les modèles statistiques du professeur Widmer. Nous parlons ensuite de notre ensemble de données, unique au monde, qu'il a été nécessaire de créer pour accomplir notre tâche. Cet ensemble est composé de 13 pianistes différents enregistrés sur le fameux piano Bösendorfer 290SE. Enfin, nous expliquons en détail les résultats de l'apprentissage de réseaux de neurones et de réseaux de neurones récurrents. Ceux-ci sont appliqués sur les données mentionnées pour apprendre les variations expressives propres à un style de musique. Dans un deuxième temps, ce mémoire aborde la découverte de modèles statistiques expérimentaux qui impliquent l'utilisation d'auto-encodeurs sur des réseaux de neurones récurrents. Pour pouvoir tester la limite de leur capacité d'apprentissage, nous utilisons deux ensembles de données artificielles développées à l'Université de Toronto. / This thesis addresses the problem of modeling pianists' interpretations using machine learning, and presents new models that use temporal auto-encoders to improve their learning for sequences. We present previous work in the field of modeling musical expression, including Professor Widmer's statistical models. We then discuss our unique dataset created specifically for our task. This dataset is composed of 13 different pianists recorded on the famous Bösendorfer 290SE piano. Finally, we present the learning results of neural networks and recurrent neural networks in detail. These algorithms are applied to the dataset to learn expressive variations specific to a style of music. We also present novel statistical models involving the use of auto-encoders in recurrent neural networks. To test the limits of these algorithms' ability to learn, we use two artificial datasets developed at the University of Toronto.