Pour avoir une idée sur la qualité du réseau, la majorité des acteurs concernés (opérateurs réseau, fournisseurs de service) se basent sur la Qualité de Service (Quality of Service). Cette mesure a montré des limites et beaucoup d'efforts ont été déployés pour mettre en place une nouvelle métrique qui reflète, de façon plus précise, la qualité du service offert. Cette mesure s'appelle la qualité d'expérience (Quality of Experience). La qualité d'expérience reflète la satisfaction de l'utilisateur par rapport au service qu'il utilise. Aujourd'hui, évaluer la qualité d'expérience est devenu primordiale pour les fournisseurs de services et les fournisseurs de contenus. Cette nécessité nous a poussés à innover et concevoir des nouvelles méthodes pour estimer la QoE. Dans cette thèse, nous travaillons sur l'estimation de la QoE (1) dans le cas des communications Voix sur IP et (2) dans le cas des services de diffusion Vidéo sur IP. Nous étudions les performances et la qualité des codecs iLBC, Speex et Silk pour la VoIP et les codecs MPEG-2 et H.264/SVC pour la vidéo sur IP. Nous étudions l'impact que peut avoir la majorité des paramètres réseaux, des paramètres sources (au niveau du codage) et destinations (au niveau du décodage) sur la qualité finale. Afin de mettre en place des outils précis d'estimation de la QoE en temps réel, nous nous basons sur la méthodologie Pseudo-Subjective Quality Assessment. La méthodologie PSQA est basée sur un modèle mathématique appelé les réseaux de neurones artificiels. En plus des réseaux de neurones, nous utilisons la régression polynomiale pour l'estimation de la QoE dans le cas de la VoIP.

La forte variabilité de la vitesse du vent fait que l'énergie produite par un parc éolien n'est pas constante dans le temps. Le gestionnaire ne peut donc pas dimensionner son réseau électrique en prenant intégralement ce type de production en compte. L' une des solutions préconisées pour permettre le développement de l' éolien et son intégration avec une plus grande sureté aux réseaux, est de développer et d'améliorer les outils de prévisions. Le travail de thèse consiste à améliorer les performances d'un outil de prédiction basé sur les réseaux de neurones bayesiens, permettant la prédiction de la puissance à très court terme . Le prédicteur fonctionne notamment par J'ajustement de paramètres, certain se détermine « automatiquement » via le mécanisme des réseaux de neurones bayesiens d' autres, que nous nommerons paramètres temporels, sont à l' appréciation de l'utilisateur. Le travail mené consiste à établir un protocole pour la fixation de ces paramètres tout en améliorant les performances du prédicteur . Nous avons donc décidé de conditionner leurs valeurs en fonction de la variabilité des séquences de puissance précédent l'instant de prévision. Tout d'abord nous avons classifié des séquences de puissance en fonction de leurs coefficients de variation en appliquant la méthode des C-moyennes floues. Puis, chaque classe formée a été testée sur plusieurs valeurs de paramètres, les valeurs associées aux meilleures prédictions ont été retenues. Enfin, ces résultats couplés au formalisme des Chaines de Markov, par le biais de la matrice de transition , ont perm is d'obtenir des taux d'amélioration par rapport à la persistance allant de 7,73 à 23,22 % selon l'horizon de prédiction considéré / The high variability of the wind speed has for conse quences that the energy produced by a wind farm is not constant over time. Therefore, the manager can't size the electrical network by takin g into account this type of production. One solution advocated for the development of wind energy and its integrati on with greater security at network, is to develop and improve fore casting tools. The thesi s objective is to improve the performance of a predi ction tool based on Bayesian neural networks, allowing the predi ction of wind power for short timescales. The predictor works, in part icular by the adjustment of parameters, sorne is determined "automatically" through the mechan ism of neural networks Bayesian other , which we cali temporal parameters are at the discretion of the user. The work involves establishing a protocol for the determination of these parameters and improving the performance of the predictor. So, we decided to condition their values depending on the sequence variability of wind power previous the moment of the forecast. First we classified sequences of power according to their coefficients of variation using the method of fuzzy C-means. Then, each formed class was tested for several parameters values, the values associated with the best predictions were selected. Finally , these result s coupled with the formalism of Markov chains , through the transition matrix allowed to obtain rates of improvement over the persistence ranging from 7.73 to 23.22 % depending on the prediction horizon considered

Les parties les plus anciennes des continents, les cratons, sont au centre des recherches mondiales non seulement parce qu'ils représentent des contraintes primaires pour notre compréhension de l'évolution primitive de la Terre, mais aussi en raison de leur potentiel minier important. Ce travail contribue à la compréhension de l'évolution géologique et géomorphologique du craton ouest africain, par une analyse intégrée de géophysique aéroportée, des données de télédétection, et des observations acquises autour des ceintures de Houndé, Boromo et Banfora et des domaines des granitoïdes associés dans l'ouest du Burkina Faso. Les résultats de cette intégration suggèrent que les domaines de granitoïdes sont formés par de nombreux plutons, d'une taille petite et moyenne. Ainsi, les données magnétiques ont fourni une meilleure définition des formes réelles de ces plutons. Trois événements de déformation (D1-D3) peuvent être distingués dans l'ouest du Burkina Faso. L'unité de basalte tholéiitique à mégacristaux de plagioclase nous a permis d'établir des corrélations stratigraphiques entre les deux ceintures. Les structures D1 pénétratives, résultant d'une compression orientée EO à ONO-ESE sont généralement recoupées par les zones de cisaillement D2. Ces zones de cisaillement D2 représentent des zones de prospective pour l'exploration aurifère. La géométrie régionale du système est gouvernée par un raccourcissement coaxial des unités volcaniques rigides et par un rajout progressif des magmas granitiques. La dernière compression (D3), est tardi-éburnéene ou peut-être même panafricaine. La composition minéralogique des roches et de leurs surfaces d'altération peut être étudiée à l'aide de spectroscopie visible et infrarouge. Une nouvelle bibliothèque spectrale a été acquise, composée des mesures in-situ et en laboratoire (0,35-2,5 µm) des roches et des matériaux régolithiques. Les spectres de réflectance des roches montrent l'influence d'altérations typiques des zones semi-arides. Les absorptions caractéristiques de Fe-OH et Mg-OH sont observables dans les roches mafiques et volcaniques intermédiaires ainsi que dans les granodiorites et tonalites. Les absorptions Al-OH sont typiques pour les roches volcano-sédimentaires et sédimentaires, et les matériaux de régolithe. Les absorptions de fer ferrique et ferreux ont été observées dans la plupart des matériaux échantillonnés. Les spectres des sols reflètent partiellement la composition minérale de la surface des roches altérées. Les données de spectrométrie gamma aérienne, ASTER, Landsat et de radar polarimétrique, ainsi que les paramètres morphométriques dérivés du modèle numérique de terrain SRTM, ont été utilisés pour caractériser les unités de régolithe dans la zone de Gaoua. Une méthode de classification par réseaux de neurones a été appliquée à l'ensemble des données, et ensuite comparée à un classificateur par maximum de vraisemblance. Les meilleurs résultats ont été obtenus avec une combinaison de spectrométrie gamma et des dérivés du modèle numérique de terrain. L'approche démontre le potentiel des réseaux de neurones pour l'analyse combinée de géophysique aéroportée et de données de télédétection dans la cartographie de régolithe.

Un objectif de longue date dans le domaine de la vision par ordinateur est de déduire le contenu 3D d’une scène à partir d’une seule photo, une tâche connue sous le nom d’inverse graphics. L’apprentissage automatique a, dans les dernières années, permis à de nombreuses approches de faire de grands progrès vers la résolution de ce problème. Cependant, la plupart de ces approches requièrent des données de supervision 3D qui sont coûteuses et parfois impossible à obtenir, ce qui limite les capacités d’apprentissage de telles œuvres. Dans ce travail, nous explorons l’architecture des méthodes d’inverse graphics non-supervisées et proposons deux méthodes basées sur des représentations 3D et algorithmes de rendus différentiables distincts: les surfels ainsi qu’une nouvelle représentation basée sur Voronoï. Dans la première méthode basée sur les surfels, nous montrons que, bien qu’efficace pour maintenir la cohérence visuelle, la production de surfels à l’aide d’une carte de profondeur apprise entraîne des ambiguïtés car la relation entre la carte de profondeur et le rendu n’est pas bijective. Dans notre deuxième méthode, nous introduisons une nouvelle représentation 3D basée sur les diagrammes de Voronoï qui modélise des objets/scènes à la fois explicitement et implicitement, combinant ainsi les avantages des deux approches. Nous montrons comment cette représentation peut être utilisée à la fois dans un contexte supervisé et non-supervisé et discutons de ses avantages par rapport aux représentations 3D traditionnelles / A long standing goal of computer vision is to infer the underlying 3D content in a scene from a single photograph, a task known as inverse graphics. Machine learning has, in recent years, enabled many approaches to make great progress towards solving this problem. However, most approaches rely on 3D supervision data which is expensive and sometimes impossible to obtain and therefore limits the learning capabilities of such work. In this work, we explore the deep unsupervised inverse graphics training pipeline and propose two methods based on distinct 3D representations and associated differentiable rendering algorithms: namely surfels and a novel Voronoi-based representation. In the first method based on surfels, we show that, while effective at maintaining view-consistency, producing view-dependent surfels using a learned depth map results in ambiguities as the mapping between depth map and rendering is non-bijective. In our second method, we introduce a novel 3D representation based on Voronoi diagrams which models objects/scenes both explicitly and implicitly simultaneously, thereby combining the benefits of both. We show how this representation can be used in both a supervised and unsupervised context and discuss its advantages compared to traditional 3D representations.