Search

Queen snapper ( Etelis oculatus ) is of interest from an ecological and management perspective as it is the second most landed finfish species (by total pounds) as determined by Puerto Rico commercial landings (2010–2019). As fishing activities progressively expand into deeper waters, it is critical to gather data on deep-sea fish populations to identify essential fish habitats (EFH). In the U.S. Caribbean, the critically data-deficient nature of this species has made this challenging. We investigated the use of ensemble species distribution modeling (ESDM) to predict queen snapper distribution along the coast of Puerto Rico. Using occurrence data and terrain attributes derived from bathymetric datasets at different resolutions, we developed species distribution models unique to each sampling region (west, northeast, and southeast Puerto Rico) using seven different algorithms. Then, we developed ESDM models to analyze fish distribution using the highest-performing algorithms for each region. Model performance was evaluated for each ensemble model, with all depicting ‘excellent’ predictive capability (AUC > 0.8). Additionally, all ensemble models depicted ‘substantial agreement’ (Kappa > 0.7). We then used the models in combination with existing knowledge of the species’ range to produce binary maps of potential queen snapper distributions. Variable importance differed across spatial resolutions of 30 m (west region) and 8 m (northeast and southeast region); however, bathymetry was consistently one of the best predictors of queen snapper suitable habitat. Positive detections showed strong regional patterns localized around large bathymetric features, such as seamounts and ridges. Despite the data-deficient condition of queen snapper population dynamics, these models will help facilitate the analysis of their spatial distribution and habitat preferences at different spatial scales. Our results therefore provide a first step in designing long-term monitoring programs t

La modélisation est l’approche couramment utilisée pour résoudre les problèmes d’hydrogéologie compte tenu de la nécessité de conceptualiser un monde souterrain invisible. Cependant, les approches traditionnelles de modélisation en hydrogéologie, c'est-à-dire la modélisation basée sur la physique, semi-empirique ou empirique, ont montré leurs limites dans la résolution des problèmes hydrogéologiques, soit parce qu'elles sont trop complexes à mettre en oeuvre, qu'elles nécessitent beaucoup de données, qu'elles fournissent des modèles dont la justesse n'est pas toujours satisfaisante, soit parce que leur capacité à aider à comprendre les systèmes d'eaux souterraines ainsi que leur capacité d'aide à la prise de décision sont limitées. Récemment, l'exploration du continuum entre les différentes approches traditionnelles de modélisation a récemment été initiée, donnant lieu à un nouveau paradigme appelé apprentissage automatique guidé par la théorie. L'apprentissage automatique guidé par la théorie (ou theory-guided machine learning, TgML en anglais) est un domaine de recherche qui se concentre sur le développement d'algorithmes d'apprentissage qui intègrent des éléments de connaissance scientifique (par exemple les lois de conservation de masse) dans leur architecture ou pendant leur entraînement. Cette thèse a cherché à tester l'hypothèse selon laquelle les modèles d'apprentissage automatique guidés par la théorie peuvent bénéficier des forces combinées des approches traditionnelles de modélisation. Pour ce faire, des modèles d'apprentissage automatique guidés par la théorie ont été développés et testés sur des problèmes hydrogéologiques réels, et leurs performances ont été comparées à celles des approches traditionnelles de modélisation. Ceci a eu pour but d'identifier les forces et les faiblesses de l'apprentissage automatique guidé par la théorie et de proposer des solutions pour surmonter ces faiblesses dans le cadre de la modélisation hydrogéologique. La thèse s’e

L’ingénierie logicielle est un vaste domaine. L’une de ses branches pertinentes est le test appliqué aux interfaces utilisateur (IU). L’IU se connecte à une série d’éléments web pour représenter la mise en page de la page web qui est affichée à l’utilisateur. Ces éléments web composent des caractéristiques qui aident les utilisateurs dans leur expérience lorsqu’ils naviguent sur les pages web, telles que les performances et la réactivité. Cependant, les pages web peuvent contenir des bogues de mise en page qui interfèrent avec l’expérience utilisateur. La qualité de la mise en page doit être maintenue tout au long du processus de codage. Les développeurs de logiciels peuvent rechercher visuellement et manuellement des bogues de mise en page, mais parfois ces bogues ne sont pas visibles à l’oeil nu. Une autre ressource consiste à utiliser des outils pour appliquer des tests, mais les développeurs doivent toujours écrire des tests de code. Les deux stratégies peuvent être très laborieuses. Ainsi, nous proposons le développement d’une approche utilisant le concept d’invariants pour simplifier les tâches des développeurs. Dans cette étude, nous avons développé un programme dans lequel nous avons mis en oeuvre le concept d’invariants pour extraire des conditions sur les pages web. Avec ces conditions, nous pouvons identifier les violations d’invariants, qui représentent en d’autres termes des bogues de mise en page. Nous avons appliqué cette approche à un ensemble de pages web générées en laboratoire et à un autre ensemble de pages web copiées depuis Internet. Les résultats montrent que notre programme a identifié des bogues de mise en page dans 100% des pages web générées en laboratoire et dans 60% des pages web copiées depuis Internet. Le temps nécessaire pour effectuer cette procédure d’extraction varie en fonction de la taille de la page web, mais il est raisonnable. Nous considérons que notre approche peut servir de base pour de futurs outils à commercialiser sur le

L’industrie des produits de beauté détient une position considérable sur la scène mondiale, générant des ventes dépassant des centaines de milliards de dollars américains à l’échelle mondiale. Ce marché est hautement compétitif, caractérisé par la domination des principaux acteurs mondiaux. La détermination des concentrations idéales d’ingrédients est une procédure importante dans le secteur des cosmétiques pour les formulations chimiques, dans le but de garantir la qualité, l’efficacité et l’économie liées aux produits développés. Dans ce contexte, l’interdépendance complexe entre les matériaux représente un défi significatif, exigeant une attention particulière pour la prédiction des concentrations de matériaux, afin d’éviter les inefficacités et les réactions indésirables éventuelles déclenchées par le produit final. La capacité à prédire avec plus de justesse les concentrations d’ingrédients permet la sécurité et l’efficacité, bien que la détermination des concentrations appropriées pour chaque matériau nécessite une évaluation prudente et pondérée. La détermination de la concentration des matériaux dans les formulations cosmétiques est un processus complexe qui commence par la formulation de la recette, en tenant compte des réglementations du secteur, qui établissent des limites de sécurité et d’efficacité pour les matériaux utilisés. La concentration des matériaux dans les formulations cosmétiques impacte directement leur stabilité et leur efficacité. Par conséquent, suggérer des concentrations de matériaux pour les formulations chimiques doit tenir compte de ces défis inhérents à la détermination des concentrations de matériaux chimiques et cosmétiques. Le domaine de l’apprentissage automatique est inséré dans le contexte de l’Intelligence Artificielle (IA) et implique l’application d’algorithmes informatiques pour transformer des données empiriques en modèles utilisables. Ces algorithmes permettent de comprendre les propriétés des ensembles de données analys

Plusieurs méthodes traditionnelles sont utilisées pour sécuriser les données sensibles, telles que les algorithmes de cryptographie comme AES-HMAC-SHA256, Twofish et Chacha20. Toutefois, des études récentes ont montré que ces algorithmes de cryptographie présentent des failles de sécurité. Dans ce mémoire, nous explorons l’utilisation d’un modèle de cryptographie basé sur un autoencodeur convolutionnel profond et nous comparons ses performances aux algorithmes traditionnels de cryptographie. Nous présentons les résultats d’une étude comparative basée sur plusieurs métriques. Ainsi, nous incorporons des métriques telles que la similarité en cosinus, l’entropie, le taux de Kendall et de Spearman, et l’erreur quadratique moyenne (MSE) pour une évaluation complète de la performance et de la sécurité de l’approche proposée, en plus des mesures de temps de cryptage et de décryptage. Les résultats obtenus sont très prometteurs. Notre modèle est le plus performant pour deux métriques essentielles, l’entropie et l’erreur quadratique moyenne. Nous obtenons une entropie de fichier décrypté de 8,01, contre 7,99 pour les trois autres modèles standard, avec une MSE très faible de 0,003, contre 105,43 pour l’AES, qui reste l’algorithme traditionnel le plus efficace par rapport aux autres algorithmes.

Ce mémoire se penche sur la comparaison de l’efficacité du Deep Learning (DL), tel qu'illustré dans la littérature existante, avec celle de l'apprentissage automatique classique (ML) que nous avons personnellement développé, dans le domaine de la reconnaissance d’activités humaines dans les habitats intelligents. L'étude se concentre sur l'analyse critique des performances des méthodes de deep learning, basée sur des recherches antérieures, et les compare avec les résultats obtenus par les techniques traditionnelles de machine learning que nous avons développé. L'introduction présente un aperçu des principes fondamentaux de l'intelligence artificielle, l'évolution du ML et du DL, et leur application dans les habitats intelligents. Le mémoire aborde également les défis et enjeux associés à ces technologies, notamment en termes de complexité et de ressources nécessaires. La méthodologie adoptée dans ce travail repose sur une revue approfondie de la littérature sur les applications du DL dans la reconnaissance d'activités humaines, ainsi que sur le développement et l'optimisation des modèles de ML classiques. Une attention particulière est accordée à l'optimisation des hyperparamètres pour améliorer la performance de ces modèles. Cette analyse est axée sur la comparaison directe de l'efficacité des méthodes de deep learning, telles qu'elles sont documentées dans la littérature existante, avec celle des techniques d'apprentissage automatique classique que nous avons développées. L'objectif est de déterminer dans quelle mesure le deep learning, souvent perçu comme plus avancé, se distingue réellement en termes d'efficacité par rapport à l'apprentissage automatique classique, en se concentrant spécifiquement sur les applications dans les habitats intelligents. Cette approche vise à éclairer la question cruciale de savoir si l'adoption du deep learning est systématiquement justifiée, ou si, dans certains cas, les méthodes traditionnelles de machine learning peuvent s'avére

Ressources éducatives libres, Open educational resources, Ce livre vise à décrire une panoplie de méthodes d’analyse spatiale avec le logiciel ouvert R. Le contenu est pensé pour être accessible à tous et toutes, même à ceux et celles n’ayant presque aucune base en analyse de données spatiales ou en statistiques. La philosophie de ce livre est de donner toutes les clefs de compréhension et de mise en œuvre des méthodes abordées dans R. La présentation des méthodes est basée sur une approche compréhensive et intuitive plutôt que mathématique, sans pour autant négliger la rigueur statistique. Ce manuel est facilement consultable sur Github à l'adresse suivante : https://serieboldr.github.io/MethodesAnalyseSpatiale/. Les fichiers sources peuvent par ailleurs être téléchargés dans le dépôt institutionnel de l'Université de Sherbrooke.

In a typical machine-learning project, the data pre-processing step is the most time consuming and one of the most relevant steps. The quality of the pre-processing can have important impacts on the result of the analysis. The importance to get this step right is contrasted with the difficulty non-expert users may have to perform pre-processing tasks. Pre-processing is typically performed by writing a script in a programming language such as Python or R. Not every person that needs to pre-process data is a well-versed computer programmer. In the Insurance industry, actuarial professionals often build and train machine-learning models such as generalized linear models. They are qualified due to their advanced knowledge of mathematical models. However, their programming abilities are often more limited. These actuarial professionals and other non-expert users tend to spend a disproportionate amount of time to write the pre-processing scripts as compared to their peers with a career machine learning or information technologies background. We set out to develop a simple, yet powerful program to leverage the non-experts understanding of data manipulation concepts without needing them to know how to write the scripts to perform the desired pre-processing transformations. The tool takes the form of an ETL (extract, transform, and load) type of program. While other ETL programs are publicly available already, their main objective is to homogenise incoming and new data before it gets stored in the client company’s data warehouse. The difference in focus between our tool and the existing alternatives translates into a different feature set for the end user. The resulting program, its architecture, and the amount of time it saves, which hovers around a 50% reduction under ideal conditions, are examined. Dans un projet typique d'apprentissage machine, l'étape de prétraitement des données est la plus longue et l'une des plus importantes. La qualité du prétraitement peut avoir un

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

Context: Over the last two decades, Systematic Literature Reviews (SLRs) have been adopted as a research method to summarize evidence in Software Engineering (SE). However, scientific evidence continuously arises with advances in the SE field, leading to the need of updating SLRs. Outdated SLRs could lead researchers to obsolete conclusions or decisions about a research topic. Goal: We propose and evaluate the concept, process and guidelines to update SLRs in SE called Continuous Systematic Literature Review (CSLR). In addition, we explore automation alternatives to support the CSLR process execution. Method: A range of research methods were used for the construction and evaluation of this thesis. Firstly, two preliminary works were carried out to better understand the advances and existing needs in the area: an experience report on how to transfer the know-how of SLRs to facilitate their updates; and a cross-domain systematic mapping that identifies and summarizes the state-of-the-art on automation support for the two activities that triggers an SLR update, the search and selection of evidence. Secondly, to elaborate on the CSLR concept and process, we performed a synthesis of evidence by conducting a meta-ethnography, addressing knowledge from varied research areas. Thirdly, to build the guideline detailing and exemplifying the activities of the CSLR process, we carried out a systematic search and a narrative synthesis. Then we carry out an expert analysis with SE SLR experts to evaluate the CSLR guidelines and process and obtain feedback on the adoption of the CSLR process in practice. Lastly, we propose and evaluate an automation solution to support the search and selection of studies using Natural Language Processing and Machine Learning techniques. Also, we provide directions on the automation of the CSLR process. Results: The CSLR process and guidelines showed be beneficial in facilitating the identification if an SLR has been updated or not; assisting in the

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

De plus en plus de personnes utilisent quotidiennement la technologie pour communiquer et accéder à l’information, y compris les personnes âgées et les personnes handicapées. Les technologies d’assistance, aussi appelées aides techniques, sont des ressources d’accessibilité et d’inclusion qui offrent un plus grand degré d’autonomie et d’aide aux personnes qui ont un certain degré de difficulté à utiliser les ressources dans leur contact avec des environnements réels et virtuels. Le but de cette étude est d’étudier les perceptions sur l’évaluation heuristique de l’accessibilité dans les logiciels en entreprenant une revue systématique de la littérature qui couvre les 5 dernières années. Cela a commencé avec un total de 8548 articles publiés qui sont indexés dans les bases de données Scopus et Web of Science. Douze questions de recherche pertinentes ont été rédigées et ont reçu une réponse conforme aux résultats trouvés dans la série finale d’articles. Deux groupes de mots-clés ont été créés pour faciliter la recherche d’articles et un processus de filtrage a été appliqué aux résultats des recherches. La recherche montre, au moyen de chiffres et de tableaux, des preuves de la croissance des articles scientifiques dans le domaine. Les auteurs principaux et les revues qui publient sur l’évaluation de l’accessibilité des logiciels sont énumérés, de même que les réponses aux questions sur les modèles d’évaluation, les heuristiques, les mesures, les limites, les technologies d’assistance et les publics cibles les plus cités dans les articles publiés. Cette étude analyse également la co-citation des références et des couples sources bibliographiques. La recherche a montré qu’il n’y a pas de consensus général sur l’utilisation d’un modèle unique pour évaluer l’accessibilité, mais que les directives WCAG du W3C sont les sources les plus utilisées pour référencer les heuristiques et les métriques dans les études de ce type. Il a également été remarqué que la plupart des études

Digital terrain models (DTMs) are datasets containing altitude values above or below a reference level, such as a reference ellipsoid or a tidal datum over geographic space, often in the form of a regularly gridded raster. They can be used to calculate terrain attributes that describe the shape and characteristics of topographic surfaces. Calculating these terrain attributes often requires multiple software packages that can be expensive and specialized. We have created a free, open‐source R package, MultiscaleDTM , that allows for the calculation of members from each of the five major thematic groups of terrain attributes: slope, aspect, curvature, relative position, and roughness, from a regularly gridded DTM. Furthermore, these attributes can be calculated at multiple spatial scales of analysis, a key feature that is missing from many other packages. Here, we demonstrate the functionality of the package and provide a simulation exploring the relationship between slope and roughness. When roughness measures do not account for slope, these attributes exhibit a strong positive correlation. To minimize this correlation, we propose a new roughness measure called adjusted standard deviation. In most scenarios tested, this measure produced the lowest rank correlation with slope out of all the roughness measures tested. Lastly, the simulation shows that some existing roughness measures from the literature that are supposed to be independent of slope can actually exhibit a strong inverse relationship with the slope in some cases.

Drawing on media richness theory, this study investigates the effect of rich media, such as virtual reality (VR), on visit intentions for a specific destination. Specifically, this research employs a mixed-method approach, using abductive theorization to explore and confirm the dimensions of the VR visit experience, notably those related to telepresence, a key concept in tourism through VR. Furthermore, the study aims to elucidate how telepresence influences mental imagery, attitudes towards tourist destinations, and actual visit intentions. To do this, qualitative data were gathered between February and June 2022 from 34 semi-structured interviews with respondents who viewed a VR video of the destination. A second study collected quantitative data from 400 participants through face-to-face questionnaires after a VR video view between June and August 2022. The findings reveal that telepresence comprises three dimensions: realism of the virtual environment, immersion, and the sense of presence in the virtual environment. Telepresence, in turn, both directly and indirectly affects actual visit intentions, with mental imagery and attitude toward tourist destinations partially mediating those relationships. This study provides methodological, theoretical, and tourism management implications to enhance our comprehension of telepresence’s facets, its measurement, and the process by which VR influences real visit intentions.

This research project aims to develop prediction models based on artificial neural networks (ANN) to estimate the sound insulation curves for different wood assemblies in one-third octave bands (50 Hz - 5000 Hz). Based on laboratory measurements, two models have been designed to determine the insulation performance of lightweight wooden constructions, such as floors and façades. The third model was developed to simulate the acoustic performance of CLT-based floors in field conditions in real buildings. These models incorporate each structure’s physical and geometric characteristics as input parameters and use feature attribution analysis to ascertain the most important parameters for sound insulation prediction. The first ANN model was created to calculate the acoustic performance of lightweight wooden floors for airborne and impact sound insulation. It is based on 252 laboratory measurement curves considering each floor’s physical and geometric characteristics. The model is more precise in predicting the airborne sound reduction index Rw, with an error of 2 dB at maximum, while the error was up to 5 dB in the worst case for the weighted normalized impact sound pressure level Ln,w. The variations near fundamental and critical frequency areas affect the model’s accuracy. A feature attribution analysis is conducted to determine the factors most influential in predicting sound insulation. The thickness of insulation materials, the density of cross-laminated timber slabs and concrete floating floors, and the total density of floor structures are the most notable parameters that follow the mass law. The second artificial neural network-based model is developed to evaluate the acoustic performance of lightweight wooden façade walls for airborne sound insulation. It is based on 100 insulation curve measurements and uses laboratory data from the façade walls as input parameters. The model proves to be accurate in predicting airborne sound reduction, with a maximum differenc

L’event stream processing (ESP) est le traitement d’un flux continu d’objets, appelé séquence d’événements, dans l’optique de l’analyser ou de le transformer. Le laboratoire d’informatique formelle de l’UQAC (LIF) développe depuis plusieurs années un moteur de stream processing open source appelé BeepBeep 3. Cet engin permet une utilisation facile du concept d’ESP. À BeepBeep 3, on y a intégré un système de vérification formelle. Avec seulement quelques lignes de code supplémentaires, il est maintenant possible de générer automatiquement une structure de Kripke d’une chaîne de processeurs donnée. Des applications intéressantes s’ajoutent donc à l’utilité déjà vaste de BeepBeep. Comparer des pipelines à l’aide de formules en logique temporelle linéaire (LTL) ou en logique du temps arborescent (CTL) et l’idée qu’une chaîne de processeurs monitore une structure de Kripke ne sont que quelques exemples. Dans ce mémoire, on expliquera tout le processus de réflexion et d’exécution qui a mené à l’automatisation de la construction d’une chaîne de processeur BeepBeep en un modèle de Kripke valide pour analyse dans le logiciel NuXMV.

Cela fait maintenant plusieurs années que les chercheurs se penchent sur le débogage des applications web, chose très complexes pour le développeur dû à l’intrication parfois étrange qu’ont les multiples langages utilisés pour leur conception. Les dernières années n’ont en rien facilité la tâche du débogage puisque les pages web ont de plus en plus fréquemment du contenu généré dynamiquement. Bien que plusieurs outils de la littérature offrent un grand appui pour la détection des bogues, très peu offrent de l’aide à la correction de ceux-ci. Dans ce mémoire sera présenté une étude sur l’évolution de la constitution des pages web permettant de mieux comprendre comment elles sont construites. S’en suivra la présentation d’un outil permettant de corriger plusieurs erreurs visuelles, préalablement détectées par l’outil Cornipickle, accompagné d’exemples réels de son application.

Runtime Verification can be defined as a collection of formal methods for studying the dynamic evaluation of execution traces against formal specifications. Aside from creating a monitor from specifications and building algorithms for the evaluation of the trace, the process of gathering events and making them available for the monitor and the communication between the system under analysis and the monitor are critical and important steps in the runtime verification process. In many situations and for a variety of reasons, the event trace could be incomplete or could contain imprecise events. When a missing or ambiguous event is detected, the monitor may be unable to deliver a sound verdict. In this survey, we review the literature dealing with the problem of monitoring with incomplete traces. We list the different causes of uncertainty that have been identified, and analyze their effect on the monitoring process. We identify and compare the different methods that have been proposed to perform monitoring on such traces, highlighting the advantages and drawbacks of each method.

Les systèmes informatiques sont de plus en plus présents dans notre vie quotidienne. Pour augmenter leur disponibilité et leur fiabilité, les développeurs insèrent des instructions de journalisation dans le code source des systèmes, lesquelles génèrent des fichiers de journaux qui enregistrent des informations telles que l’état interne, les variables modifiées durant l’exécution, etc. Les administrateurs surveillent les systèmes en examinant ces fichiers de journaux et les développeurs utilisent cette base pour résoudre certains problèmes. Des recherches récentes ont montré que le nombre d’instructions de journaux (LPS) par ligne de code dans le fichier, également appelé densité des journaux (LOGD), est en relation directe avec la maintenabilité du système ; cela signifie que plus on trouve des LPS dans un fichier, plus sa densité de défauts après la publication est élevée. Cela s’explique par le fait que les développeurs ont tendance à inclure plus d’instructions de journalisation, et ont plus de questions et de préoccupations, à propos des portions du système qui sont davantage sujettes à des défauts. De nos jours, il existe des systèmes logiciels qui sont utilisés depuis longtemps et qui, par conséquent, ont été maintenus de façon constante pendant plusieurs versions. Cependant, le processus de décision pour la mise en oeuvre de nouvelles versions manque d’indicateurs à propos de la stabilité de ces versions. À cet égard, la LOGD peut constituer une métrique qui peut indiquer la stabilité du code du système. Des recherches antérieures ont étudié la Densité des journaux (LOGD) sur plusieurs systèmes. Cependant, la densité n’a pas été étudiée au cours du développement des systèmes, entre leurs différentes versions, et on ne sait pas quelles sont les implications liées à l’évolution de la densité entre eux. L’objectif de cette étude est d’analyser l’évolution de LOGD au cours du cycle de développement d’un système open source, en particulier Hadoop. Comme première c

Depuis quelques années, plusieurs entreprises ont commencé à exploiter les données qu’ils ont emmagasinées pour pouvoir extraire des connaissances et faire des prévisions. Une bonne utilisation de ces données permet aux entreprises de comprendre leurs clients et pouvoir améliorer leurs services. Les techniques d’intelligence artificielle se présentent comme des moyens pour révolutionner les prises de décisions. Plus d’entreprises embauchent des data scientists pour concevoir des modèles de prédiction. Le but des data scientists est de concevoir des modèles et de les performer. L’un des défis majeurs rencontré par ces data scientists est le prétraitement des données. Le prétraitement des données impact la qualité du modèle mis en place. Ce problème est dû au fait qu’il n’existe pas une seule bonne manière de prétraité les données. Les techniques utilisées dépendent du problème et du type de donnée. Ce mémoire a pour objectif d’évaluer la possibilité de développer une solution qui permet d’automatiser les opérations de prétraitement des données pour les acteurs de données (data scientistes, chercheurs, etc.). Nous utiliserons le terme pipeline afin de nommer la chaîne de pré-traitement et de traitement des données (de la donnée brute jusqu’à la classification de la donnée). En effet, nous proposons un pipeline qui permet de choisir les meilleures techniques de prétraitements en fonction du problème. Plusieurs techniques sont répertoriées et nous utilisons des techniques d’optimisation métaheuristique pour minimiser le temps de recherche du meilleur modèle. Ces techniques sont par la suite comparées avec des techniques d’optimisation standard comme la recherche par grille. Le pipeline est par la suite testé sur des données d’une entreprise d’assurance automobile du Canada. Les résultats nous montrent que les méthodes d’optimisation métaheuristique sont plus efficaces sur des big data. Elles ont permis de diminuer d’environ 30% le temps nécessaire pour retrouver un bon

Dans ce mémoire, nous visons à implémenter un prototype d’algorithme de cryptographie basé sur les réseaux de neurones. Dans le cadre des travaux sur la reconnaissance d’activités au sein d’habitats intelligents opérés par le LIARA (Laboratoire d’Intelligence Ambiante pour la Reconnaissance d’Activités), une attention est portée de plus en plus sur la protection de la vie privée des individus. En effet pendant longtemps, on a eu affaire à des données de capteurs simples comme les tapis de pressions, les détecteurs électromagnétiques, les détecteurs de mouvement. Comme ces données ne permettent pas d’avoir accès à des informations génériques basiques sur ce qui se déroulait au sein des murs des résidences suivies, l’aspect sécurité occupait une petite place dans les travaux. Dans le cadre d’un projet de déploiement à grande échelle de maisons intelligentes financé par MEDTEQ (le Consortium pancanadien de recherche industrielle et d’innovation en technologies médicales du Québec) et Age-Well (un réseau canadien visant à élaborer des technologies et des services pour le vieillissement en santé) notre équipe explore l’utilisation des réseaux de neurones pour sécuriser les données transmises entre les maisons intelligentes et les serveurs de traitement de données. Afin de bien comprendre nos besoins, il est important de poursuivre cette question cruciale en parallèle avec une étude du potentiel des réseaux de neurones pour remplacer la cryptographie traditionnelle dans l’encodage de données plus complexes. En effet, ces derniers temps, nous avons étudié des capteurs plus informatifs tels que les caméras thermiques, les caméras de profondeurs, les capteurs RFID et les radars à ultra large bande. Ces capteurs ont plus d’informations sur les activités qui se déroulent dans une résidence, mais ils impliquent une plus grande charge de traitement. En conséquence, il semble donc intéressant d’étudier la possibilité d’utiliser une architecture de réseau de neurones artificiels p

According to the Public Health Agency of Canada (PHAC), the symptoms of chronic obstructive pulmonary disease (COPD) are shortness of breath, coughing, and sputum production. Many studies estimate that COPD will become the third-leading cause of death worldwide by 2030 (WHO, 2008). Pervasive healthcare systems cover healthcare issues, including chronic diseases; they help patients to manage their own health information and healthcare services at any time and in any place. We developed a COPD healthcare system based on a combination of the parameters of patients. The main goal is to avoid the severe phases of the disease by monitoring them. This combination of risk factors provides in total 600 profiles from data, with 88.5% accuracy. However, many studies have focused on and shown the issues of the effectiveness and accuracy of these systems. The problem is to apply a new classification model to detect the severe phases of the disease early. Therefore, instead of working on COPD parameters, we design and validate a profile-based classification model of patients. This model will facilitate the building of a rule-based framework. In addition, the accuracy of our extended COPD system is improved using the classification and separation of patients’ profiles.

Combinatorial test generation, also calledt-way testing, is the process ofgenerating sets of input parameters for a system under test, by consideringinteractions between values of multiple parameters. In order to decrease totaltesting time, there is an interest in techniques that generate smaller test suites.In our previous work, we used graph techniques to produce high-quality testsuites. However, these techniques require a lot of computing power andmemory, which is why this paper investigates distributed computing fort-waytesting. We first introduce our distributed graph colouring method, with newalgorithms for building the graph and for colouring it. Second, we present ourdistributed hypergraph vertex covering method and a new heuristic. Third, weshow how to build a distributed IPOG algorithm by leveraging either graphcolouring or hypergraph vertex covering as vertical growth algorithms.Finally, we test these new methods on a computer cluster and compare themto existingt-way testing tools.

Les systèmes d’information produisent différents types de journaux d’événements. Les données historiques contenues dans les journaux d’événements peuvent révéler des informations importantes sur l’exécution d’un processus métier. Le volume croissant de ces données collectées, pour être utile, doit être traité afin d’extraire des informations pertinentes. Dans de nombreuses situations, il peut être souhaitable de rechercher des tendances dans ces journaux. En particulier, les tendances calculées par le traitement et l’analyse de la séquence d’événements générés par plusieurs instances du même processus servent de base pour produire des prévisions sur les exécutions actuelles du processus. L’objectif de cette thèse est de proposer un cadre générique pour l’analyse des tendances sur ces flux d’événement, en temps réel. En premier lieu, nous montrons comment des tendances de différents types peuvent être calculées sur des journaux d’événements en temps réel, à l’aide d’un cadre générique appelé workflow de distance de tendance. De multiples calculs courants sur les flux d’événements s’avèrent être des cas particuliers de ce flux de travail, selon la façon dont différents paramètres de flux de travail sont définis. La suite naturelle de l’analyse statique des tendances est l’usage des algorithmes d’apprentissage. Nous joignons alors les concepts de traitement de flux d’événements et d’apprentissage automatique pour créer un cadre qui permet le calcul de différents types de prédictions sur les journaux d’événements. Le cadre proposé est générique : en fournissant différentes définitions à une poignée de fonctions d’événement, plusieurs types de prédictions différents peuvent être calculés à l’aide du même flux de travail de base. Les deux approches ont été mises en oeuvre et évaluées expérimentalement en étendant un moteur de traitement de flux d’événements existant, appelé BeepBeep. Les résultats expérimentaux montrent que les écarts par rapport à une tendance de référen

We present a new application to recognize 218 species of cultivated crops on geo-tagged photos, 'Pl@ntNet Crops'. The application and underlying algorithms are developed using more than 750k photos voluntarily collected by Pl@ntNet users. The app is then enriched by data and photos coming from the European Union's (EU) Land Use and Coverage Area frame Survey (LUCAS). During five tri-annual LUCAS campaigns from 2006 to 2018, 242 476 close-up 'cover' photos of crops were collected. The survey protocol for these photos specified that 'the picture should be taken at a close distance, so that the structure of leaves can be clearly seen, as well as flowers or fruits'. This unique labelled data provides an opportunity to further generalize the Pl@ntNet computer vision algorithms to recognize crops and enlarge their geographic representivity across the EU. To include LUCAS cover photos, we semantically match Pl@ntNet species and LUCAS legends, predict the species on LUCAS cover photos with the existing Pl@ntNet algorithm, and consider the accuracy of the classification and the number of species enriched by the photos. By setting a threshold of 0.5 on the Pl@ntNet prediction probabilities, 70 170 LUCAS photos representing 101 species classified with an accuracy of 0.9 were added to the 'Crops' app. The thematic accuracy of the legacy LUCAS data was improved by distinguishing 218 species, opposed to the original 36 LUCAS levels. Official and publicly financed LUCAS datastreams can now be improved because of Pl@ntNet citizen science, photo collection, and deep learning model development. Further use of the app and policy-relevant workflows in the agri-food-environment domain are discussed.

Summary Founder populations with deep genealogical data are well suited for investigating genetic variants contributing to diseases. Here, we present a major update of the genealogical analysis R package GENLIB, centered around a new function which can simulate the transmission of haplotypes from founders to probands along very large and complex user-specified genealogies.

L’infiltration est une mécanique de jeu qui occupe une place importante dans les jeux. Il s’agit souvent d’une idée simple, aller d’un point A à un point B en évitant le champ de visions de gardes et/ou caméras, gardant une salle avec des obstacles permettant de se cacher. La mécanique a beaucoup grandi au cours des dernières années et on la retrouve maintenant en tant que sous genre dans des grands jeux. Bien que trivial en apparence, la mécanique s’avère être minutieuse dans son développement et l’expérience est primordiale afin de créer des niveaux agréables pour le joueur. Néanmoins, avec l’exploitation de la mécanique, il est possible que des projets soient développés sans cette expérience, résultant en des niveaux pauvrement conçus. Afin de résoudre ce problème, il est intéressant d’analyser les différentes méthodes utilisées dans ces jeux afin de construire un algorithme pouvant lui-même placer les gardes. Pour y arriver, nous analyserons les particularités de la surveillance dans le monde du jeu vidéo. Puis nous étudierons les travaux déjà faits dans ce domaine avant de proposer une nouvelle solution permettant de pouvoir générer procéduralement des gardes dans le cadre d’un jeu d’infiltration.

Runtime enforcement ensures the respect of a user-specified security policy by a program by providing a valid replacement for any misbehaving sequence of events that may occur during that program’s execution. However, depending on the capabilities of the enforcement mechanism, multiple possible replacement sequences may be available, and the current literature is silent on the question of how to choose the optimal one. Furthermore, the current design of runtime monitors imposes a substantial burden on the designer, since the entirety of the monitoring task is accomplished by a monolithic construct, usually an automata-based model. In this paper, we propose a new modular model of enforcement monitors, in which the tasks of altering the execution, ensuring compliance with the security policy, and selecting the optimal replacement are split into three separate modules, which simplifies the creation of runtime monitors. We implement this approach by using the event stream processor BeepBeep and a use case is presented. Experimental evaluation shows that our proposed framework can dynamically select an adequate enforcement actions at runtime, without the need to manually define an enforcement monitor.

Les établissements d'enseignement cherchent à concevoir des mécanismes efficaces pour améliorer les résultats scolaires, renforcer le processus d'apprentissage et éviter l'abandon scolaire. L'analyse et la prédiction des performances des étudiants au cours de leurs études peuvent mettre en évidence certaines lacunes d'une formation et détecter les étudiants ayant des problèmes d'apprentissage. Il s'agit donc de développer des techniques et des modèles basés sur des données qui visent à améliorer l'enseignement et l'apprentissage. Les modèles classiques ignorent généralement les étudiants présentant des comportements et incohérences inhabituels, bien qu'ils puissent fournir des informations importantes aux experts du domaine et améliorer les modèles de prédiction. Les profils atypiques dans l'éducation sont à peine explorés et leur impact sur les modèles de prédiction n'a pas encore été étudié dans la littérature. Cette thèse vise donc à étudier les valeurs anormales dans les données éducatives et à étendre les connaissances existantes à leur sujet. La thèse présente trois études de cas de détection de données anormales pour différents contextes éducatifs et modes de représentation des données (jeu de données numériques pour une université allemande, jeu de données numériques pour une université russe, jeu de données séquentiel pour les écoles d'infirmières françaises). Pour chaque cas, l'approche de prétraitement des données est proposée en tenant compte des particularités du jeu de données. Les données préparées ont été utilisées pour détecter les valeurs anormales dans des conditions de vérité terrain inconnue. Les caractéristiques des valeurs anormales détectées ont été explorées et analysées, ce qui a permis d'étendre les connaissances sur le comportement des étudiants dans un processus d'apprentissage. L'une des principales tâches dans le domaine de l'éducation est de développer des mécanismes essentiels qui permettront d'améliorer les résultats scolaires et de, Educational institutions seek to design effective mechanisms that improve academic results, enhance the learning process, and avoid dropout. The performance analysis and performance prediction of students in their studies may show drawbacks in the educational formations and detect students with learning problems. This induces the task of developing techniques and data-based models which aim to enhance teaching and learning. Classical models usually ignore the students-outliers with uncommon and inconsistent characteristics although they may show significant information to domain experts and affect the prediction models. The outliers in education are barely explored and their impact on the prediction models has not been studied yet in the literature. Thus, the thesis aims to investigate the outliers in educational data and extend the existing knowledge about them. The thesis presents three case studies of outlier detection for different educational contexts and ways of data representation (numerical dataset for the German University, numerical dataset for the Russian University, sequential dataset for French nurse schools). For each case, the data preprocessing approach is proposed regarding the dataset peculiarities. The prepared data has been used to detect outliers in conditions of unknown ground truth. The characteristics of detected outliers have been explored and analysed, which allowed extending the comprehension of students' behaviour in a learning process. One of the main tasks in the educational domain is to develop essential tools which will help to improve academic results and reduce attrition. Thus, plenty of studies aim to build models of performance prediction which can detect students with learning problems that need special help. The second goal of the thesis is to study the impact of outliers on prediction models. The two most common prediction tasks in the educational field have been considered: (i) dropout prediction, (ii) the final score predicti

Cette thèse se focalise sur le problème de l'analyse de survie via une approche d'apprentissage profond. L'objectif principal est d'estimer le risque d'un événement donné à l'échelle individuelle. Nous utilisons la loi de Weibull qui est fréquemment utilisée dans l'analyse de survie car elle est adéquate pour modéliser le temps jusqu'à l'événement dans un cadre réel en utilisant une base de données quelle que soit sa taille, et est suffisamment flexible en raison de l'ensemble de formes, diverses et variées, de distribution déterminées par ses paramètres de forme et d'échelle. Cependant, la présence d'échantillons censurés est fréquente dans les données de survie, et les ignorer induit un biais significatif dans l'estimation du risque. Pour résoudre ce problème, nous étudions le problème de l'estimation du risque qu'un événement d'intérêt se produise chez un individu. Nous proposons, en premier lieu, une approche d'apprentissage profond, DeepWeiSurv, en supposant que la distribution temps-événement sous-jacente peut être modélisée par un mélange fini de lois de Weibull dont les paramètres respectifs sont à estimer par le réseau. Nous présentons et décrivons l'architecture de ce réseau et la fonction de perte qui prend en compte les données censurées à droite. Des expériences sur des ensembles de données synthétiques et réelles montrent que cette approche offre une meilleure performance prédictive que les méthodes de l'état de l'art. Cependant, la performance de ce modèle dépend de la taille du mélange qui est décrite comme un paramètre du modèle et cela peut être problématique dans un cadre réel. Pour résoudre ce problème, nous proposons une nouvelle approche, DPWTE, décrite comme une version étendue de DeepWeiSurv avec pratiquement la même architecture, qui ne fixe pas la taille du mélange mais fixe plutôt une limite supérieure suffisamment grande et trouve la combinaison optimale de lois de Weibull pour modéliser la distribution temps-événement sousjacente. Pour c, This work focuses on the problem of survival analysis via a deep learning approach. The main goal is to estimate the risk of an event of particular interest at the individual and then propose a maintenance solution to minimize this risk given a limited budget. We use the Weibull distribution which is particularly popular and frequently used in survival analysis since it is adequate for modeling the time-to-event of real-world events with small or large data, and is sufficiently flexible due to the range of distribution shapes determined by its shape and scale parameters. However, the presence of censored samples is frequent in survival data, and ignoring them induces a significant bias in the risk estimation. To address this problem, we investigate, in this work, the problem of estimating the risk of an individual to experience an event of interest. We propose, in the first place, a deep-learning approach, DeepWeiSurv, assuming that the underlying timeto-event distribution can be modeled by a finite mixture of Weibull distributions whose respective parameters are to be estimated by the network. We present and describe the architecture of this network and the loss function, with which it is trained, that takes into account the right-censored data. Experiments on synthetic and real-world datasets show that this approach offers better predictive performance than state-of-the-art methods. However, the performance of this model depends on the size of the mixture which is described as a model parameter and this may be problematic in a real-world problem. To resolve this, we propose a novel approach, DPWTE, described as an extended version of DeepWeiSurv with practically the same architecture, that does not fix the size of the mixture but rather fixes an upper bound sufficiently large and finds the optimal combination of Weibull distributions to model the underlying timeto-event distribution. To accomplish this, we introduce an element-wise multiplication layer, which we c

Les modèles graphiques discrets représentent des fonctions jointes sur de grands ensembles de variables en tant qu'une combinaison de fonctions plus petites. Il existe plusieurs instanciations de modèles graphiques, notamment des modèles probabilistes et dirigés comme les réseaux Bayésiens, ou des modèles déterministes et non-dirigés comme les réseaux de fonctions de coûts. Des requêtes comme trouver l'explication la plus probable (MPE) sur un réseau Bayésiens, et son équivalent, trouver une solution de coût minimum sur un réseau de fonctions de coût, sont toutes les deux des tâches d’optimisation combinatoire NP-difficiles. Il existe cependant des techniques de résolution robustes qui ont une large gamme de domaines d'applications, notamment les réseaux de régulation de gènes, l'analyse de risques et le traitement des images. Dans ce travail, nous contribuons à l'état de l'art de l'apprentissage de la structure des réseaux Bayésiens (BNSL), et répondons à des requêtes de MPE et de minimisation des coûts sur les réseaux Bayésiens et les réseaux de fonctions de coûts. Pour le BNSL, nous découvrons un nouveau point dans l'espace de conception des algorithmes de recherche qui atteint un compromis différent entre la qualité et la vitesse de l'inférence. Les algorithmes existants optent soit pour la qualité maximale de l'inférence en utilisant la programmation linéaire en nombres entiers (PLNE) et la séparation et évaluation, soit pour la vitesse de l'inférence en utilisant la programmation par contraintes (PPC). Nous définissons des propriétés d'une classe spéciale d'inégalités, qui sont appelées "les inégalités de cluster" et qui mènent à un algorithme avec une qualité d'inférence beaucoup plus puissante que celle basée sur la PPC, et beaucoup plus rapide que celle basée sur la PLNE. Nous combinons cet algorithme avec des idées originales pour une propagation renforcée ainsi qu'une représentation de domaines plus compacte, afin d'obtenir des performances dépassant l'ét, Discrete Graphical Models (GMs) represent joint functions over large sets of discrete variables as a combination of smaller functions. There exist several instantiations of GMs, including directed probabilistic GMs like Bayesian Networks (BNs) and undirected deterministic models like Cost Function Networks (CFNs). Queries like Most Probable Explanation (MPE) on BNs and its equivalent on CFNs, which is cost minimisation, are NP-hard, but there exist robust solving techniques which have found a wide range of applications in fields such as bioinformatics, image processing, and risk analysis. In this thesis, we make contributions to the state of the art in learning the structure of BNs, namely the Bayesian Network Structure Learning problem (BNSL), and answering MPE and minimisation queries on BNs and CFNs. For BNSL, we discover a new point in the design space of search algorithms, which achieves a different trade-off between inference strength and speed of inference. Existing algorithms for it opt for either maximal strength of inference, like the algorithms based on Integer Programming (IP) and branch-and-cut, or maximal speed of inference, like the algorithms based on Constraint Programming (CP). We specify properties of a specific class of inequalities, called cluster inequalities, which lead to an algorithm that performs much stronger inference than that based on CP, much faster than that based on IP. We combine this with novel ideas for stronger propagation and more compact domain representations to achieve state-of-the-art performance in the open-source solver ELSA (Exact Learning of bayesian network Structure using Acyclicity reasoning). For CFNs, we identify a weakness in the use of linear programming relaxations by a specific class of solvers, which includes the award-winning open-source ToulBar2 solver. We prove that this weakness can lead to suboptimal branching decisions and show how to detect maximal sets of such decisions, which can then be avoided by the

À travers ces travaux de thèse, nous cherchons à perfectionner les transcriptions phonétiques de lectures orales d'enfants apprenant·e·s lecteur·rice·s réalisées en environnement scolaire. Ces transcriptions automatiques forment la base d'un système de détection d'erreurs utilisé dans un exercice de lecture orale de la plateforme pédagogique Lalilo. Une bonne précision est primordiale pour fournir un retour adapté à l'enfant, et ainsi favoriser son apprentissage. Une première partie présente les principaux défis de notre tâche. La reconnaissance automatique de la parole d'enfants est plus ardue que celle d'adultes, en raison de ses très grandes variabilités acoustique et prosodique. La rareté des données disponibles, notamment en français, nous oblige de plus à redoubler d'inventivité pour en modéliser correctement la variabilité. Enfin, de fréquentes occurrences d'erreurs de fluence et de déchiffrage, ainsi que la présence de bruit de brouhaha typique des salles de classe, constituent des difficultés supplémentaires. Nous construisons dans une seconde partie un modèle acoustique hybride TDNNF-HMM, qui deviendra notre modèle de référence. Son entraînement via un apprentissage par transfert permet de pallier au manque de données et d'atteindre un PER de 30,1%. Nous étudions différents paramètres acoustiques et méthodes de normalisation, visant à maximiser la performance de notre modèle. Une technique d'augmentation de données par ajout de bruit, visant à améliorer la robustesse du modèle aux bruits de salle de classe, apporte également une amélioration relative du PER de 6,4%. Dans notre dernière partie, nous explorons les architectures récentes end-to-end fondées sur des réseaux RNN, des modules CTC et des mécanismes d'attention. Notre travail est l'un des premiers à appliquer des architectures end-to-end sur de la parole d'enfants, et à analyser leurs forces et faiblesses quant aux spécificités de la lecture orale d'apprenant·e·s lecteur·rice·s. Notre système Trans, In this PhD thesis, we aim at perfecting the phonetic transcriptions of oral readings of children learning to read, recorded in a classroom environment. These automatic transcriptions power a reading mistakes detection system used in the reading aloud exercise of the Lalilo pedagogical platform. Good accuracy is essential to provide appropriate feedback to the child, thus promoting his·her learning. A first section presents the main challenges of our task. The automatic recognition of children's speech is more difficult than adults' speech, due to its very high acoustic and prosodic variability. The scarcity of available data, especially in French, requires us to be more inventive as to correctly model its variability. Finally, frequent occurrences of fluency and decoding mistakes, as well as the presence of classroom babble noise, constitute additional difficulties. In a second section, we build a hybrid TDNNF-HMM acoustic model, which will become our baseline model. Using transfer learning allows to overcome the lack of data and achieve a PER of 30.1%. We study different acoustic parameters and normalization methods, aiming at maximizing our model's performance. Data augmentation by adding noise with the objective of improving the model's robustness to classroom babble noise further improves the PER by 6.4% relative. In our final section, we explore recent end-to-end architectures based on RNNs, CTC modules and attention mechanisms. Our work is one of the first to apply end-to-end architectures to child speech and to analyze their strengths and weaknesses with respect to the specificities of oral reading by children learning to read. Our Transformer+CTC system provides the best results (25.0% PER) thanks to the relevance of the acoustic and textual information extracted by its self-attention mechanisms and the complementarity of the CTC and attention modules. Our system is then enhanced with data augmentation techniques. In particular, we introduce an innovative m

Chaque année, les inondations ont de graves conséquences humaines et économiques. Cette thèse étudie la phase de réponse de la gestion de crise des crues éclairs, un type d'inondation caractérisé par un augmentation très rapide du niveau de l'eau. Cela ne laisse que très peu de délai aux équipes de secours pour des mesures préventives. En collaboration avec les équipes de secours du SDIS 31 ( Service Départemental d'Intervention et de Secours), les opérations de secours aux victimes sont étudiées. Le problème étudié est l'optimisation des trajets des véhicules de secours pour secourir les victimes. Ce type de problème est appelé Problème de Tournées de Véhicules. Un enjeu majeur du problème est la limite de capacité des véhicules. Certains lieux peuvent nécessiter d'être secourus par plusieurs véhicules. De plus, les interventions sont priorisées. En fonction des victimes à secourir, l'intervention peut avoir un caractère plus ou moins urgent. À ce critère de priorité est également associée une deadline. De plus, les équipes de secours du SDIS 31 utilisent différentes catégories de véhicules. Ces véhicules on des capacités différentes et peuvent gérer différents types d'interventions. Ces contraintes ajoutent de la complexité par rapport au problème général de Tournées de Véhicules. Cependant, les équipes de secours ne possèdent souvent pas suffisamment de ressources pour secourir toutes les victimes en un seul tour. Un tour est comptabilisé à chaque fois qu'un véhicule doit rentrer au centre de secours pour mettre les victimes en sécurité. Diviser les interventions entre plusieurs véhicules est donc autorisé dans le problème étudié. Cela veut dire que les trajets des véhicules peuvent être planifiés pour secourir des victimes à un lieu donné avec plusieurs interventions, ce qui donne plus de flexibilité aux équipes de secours par rapport au problème général de Tournées de Véhicules. Premièrement, le travail de cette thèse est de trouver des solutions au Problème de, Every year, floods have huge consequences both in terms of human casualties and damages to infrastructures. This thesis studies means to improve the response phase of the disaster management to flash floods. They are characterized by a fast rise of the water level which leaves limited time to rescue teams for anticipation measures. In collaboration with rescue teams from SDIS 31 (Service Départemental d'Intervention et de Secours), victim relief operations are studied. The problem is one of optimizing routes for vehicles between locations where victims need to be rescued. This problem is called a Vehicle Routing Problem. A major challenge is that rescue vehicles have limited capacities. Furthermore, interventions can be prioritized. In function of the victim to rescue, the intervention can be of various degree of urgency. With this priority is also associated a deadline. In addition, rescue teams from SDIS 31 use different categories of vehicles. These vehicles have different capacities and can handle different types of interventions. These constraints add complexity to the general Vehicle Routing Problem. However, rescue teams often do not possess enough vehicles to rescue all victims in one tour. A tour is counted every time a vehicle has to drive back victims to safety. Splitting service is allowed in the problem studied. It means routes can be planned to rescue victims at a single location with several interventions, which gives more flexibility than the classical Vehicle Routing Problem. First, the work of this thesis is to develop solutions to answer the Vehicle Routing Problem encountered by rescue teams and put it into perspective with related. An exact approach is tested and its performance are measured with the evolution of the problem size (number of intervention locations). Heuristic algorithms are also developed in order to cope with large problem sizes. Finally the resource distribution problem faced by rescue teams is studied. When a flood impacts sev

A l'ère des données massives, des cryptomonnaies, et de l'internet des objets, les système de stockage fiables jouent un rôle de plus en plus important. Comme ses applications sont constamment exposées aux pannes, comme un disque défaillant ou un attaque malicieux, un système de stockage fiable garantie la disponibilité et la durabilité des applications malgré les pannes. La réplication est certainement la technique la plus connue pour concevoir des systèmes de stockage fiables, où des copies des données sont sauvegardées en plusieurs nœuds différents appelés serveurs. En fait, un serveur correspondent à un simple disque ou à un PC pas cher. L'algorithmique répartie est donc utilisé pour concevoir des protocoles pour répliquer et exécuter des opérations sur des ensembles de serveurs, comme par exemple les opérations écriture et de lecture. Dans ce contexte, un système de stockage atomique, qui est un type de système de stockage distribué fiable, constitue un composant fondamental pour des nombreux systèmes de stockage. En dépit du faite que ces systèmes n'aient que deux opérations, lecture et écriture, ils sont utilisés lors de la conception des systèmes de stockage complexes. En plus, ces systèmes utilisent le concept de quorum. Ainsi, les protocoles qui utilisent ce concept ont au moins une phase. Par exemple, lorsque une requête est envoyée aux serveurs dans une phase, cette phase sera finie si un quorum de serveurs répond à cette requête. En systèmes répartis, un quorum d'un système de stockage atomique est généralement composé d'une majorité de serveurs. Par conséquent, moins il y a des serveurs pour avoir un quorum, plus grands sont les gains en performance. Une approche pour diminuer le quorum d'un système de stockage atomique consiste à attribuer des poids aux serveurs. Ainsi, un quorum est formé lorsque un majorité pondéré répond à la requête. En réalité, les poids des serveurs peuvent évoluer en fonction de leur performances au fil du temps. Cette thèse pr, In the era of big data, cryptocurrencies, and the internet of everything, storage systems are demanding more than ever. Since such systems are prone to various types of failures, like disk failures and failures created by malicious attacks, they should be reliable. Reliable storage systems guarantee their progress and correctness in the face of failures. Replication is the most well-known technique to construct reliable storage systems in which copies of data are stored in multiple places called servers. Each server is a cheap commodity disk or low-end PC. Distributed computing is used to design protocols to replicate and execute operations on servers, like read and write. One of the fundamental distributed reliable storage systems is the atomic storage system. Although such a storage system has only two operations, read and write, it provides the building blocks for more complex storage systems. The protocols of the atomic storage system are quorum-based. A quorum-based protocol consists of at least one phase; in one phase, a request is sent to the servers, and the phase will finish if a quorum of servers responds to the request. In the traditional protocols of the atomic storage system, a quorum is constituted by a majority of servers. The less the sizes of quorums, the higher the protocol's performance. One approach to decreasing the size of quorums is to assign weights to servers; in that situation, a quorum is constituted if a weighted majority of servers respond to the request. In practical implementations of an atomic storage system, since servers' performance changes over time, their weights should be reassigned over time as well. This thesis presents several protocols for different types of failures to reassign servers' weights over time. The correctness of the protocols is proved. Furthermore, by evaluating the protocols, it is shown that the presented protocols outperform other solutions.

Cette thèse adresse la problématique de la communication dans le cadre d'une flotte de véhicules autonomes et connectés. Elle s'intègre dans les thématiques des systèmes de transports intelligents et de la ville intelligente. De nombreuses applications ont été développées ces dernières années dans ces thématiques, chacune ayant pour objectif l'amélioration de la qualité de vie des usagers. L'automatisation de la conduite, au centre des préoccupations de l'industrie automobile depuis les années 2000, devrait permettre de réduire le nombre d'accidents, d'améliorer le confort des usagers et également de réduire l'empreinte écologique du trafic routier en général. Elle ouvre aussi la voie à la mise en œuvre de stratégies coopératives efficaces entre véhicules. Comme la coopération repose sur l'échange d'informations pertinentes, il est nécessaire que les véhicules soient capables de connaître quelles informations transmettre et comment. Cette thèse s'intéresse plus spécifiquement à la communication inter- véhicules ; elle aborde cette problématique comme un système complexe dans lequel évoluent de nombreux véhicules, en interaction les uns avec les autres et ayant chacun leur objectif local. Chaque véhicule perçoit des informations dans son environnement local et sait que parmi ces informations, certaines peuvent être utiles à des véhicules voisins. En tant qu'entité coopérative, il va partager avec son voisinage es informations qu'il suppose utiles. Dans ce travail, une communication inter-véhicules est considérée comme utile si elle vérifie les deux propriétés suivantes : 1) l'information échangée est compréhensible par le véhicule et 2) elle lui apporte de nouvelles connaissances. Dans le cadre d'une flotte de Véhicules Autonomes et Connectés (VAC), ces deux propriétés peuvent ne pas toujours être garanties, en particulier si les véhicules concernés ne partagent pas le même ou bien si le volume de communications dépasse les capacités du véhicule. La contribution de c, This thesis addresses the problem of communication in the context of a fleet of autonomous and connected vehicles. It is included in the context of intelligent transport systems and the smart city. Numerous applications have been developed in recent years in these areas, each with the objective of improving the quality of life of users. The automation of driving, which has been a central concern of the automotive industry since the 2000s, is expected to reduce the number of accidents, improve the comfort of users and also reduce the ecological footprint of road traffic in general. It also paves the way for the implementation of effective cooperative strategies between vehicles. As cooperation relies on the exchange of relevant information, it is necessary that vehicles are able to know what information to transmit and how. This thesis focuses on inter-vehicle communication and approaches the problem as a complex system in which many vehicles interact with each other, each has its own local objective. Each vehicle perceives information in its local environment and knows that some of this information may be useful to neighbouring vehicles. As a cooperative entity, it will share with its neighbours the information it assumes to be useful. In this work, an inter-vehicle communication is considered useful if it verifies the following two properties: 1) the information exchanged is understood by the receiving vehicle and 2) it brings new knowledge to it. In the context of a fleet of Autonomous and Connected Vehicles (CAVs), these two properties may not always be guaranteed, especially if the vehicles involved do not share the same referential frame (e.g. different units of measurement for the same information) or if the volume of communication exceeds the vehicle's capacity. The contribution of this thesis is twofold: it proposes a first module allowing a vehicle to adapt information to its own reference system, and a second module allowing to optimise information exchang

Avec l'avènement des architectures Transformer en Traitement Automatique des Langues il y a quelques années, nous avons observé des progrès sans précédents dans diverses tâches de classification ou de génération de textes. Cependant, l'explosion du nombre de paramètres et de la complexité de ces modèles "boîte noire" de l'état de l'art, rendent de plus en plus évident le besoin désormais urgent de transparence dans les approches d'apprentissage automatique. La capacité d'expliquer, d'interpréter et de comprendre les décisions algorithmiques deviendra primordiale à mesure que les modèles informatiques deviennent de plus en plus présents dans notre vie quotidienne. En utilisant les méthodes de l'IA eXplicable (XAI), nous pouvons par exemple diagnostiquer les biais dans des ensembles de données, des corrélations erronées qui peuvent au final entacher le processus d'apprentissage des modèles, les conduisant à apprendre des raccourcis indésirables, ce qui pourrait conduire à des décisions algorithmiques injustes, incompréhensibles, voire risquées. Ces modes d'échec de l'IA peuvent finalement éroder la confiance que les humains auraient pu placer dans des applications bénéfiques. Dans ce travail, nous explorons plus spécifiquement deux aspects majeurs de l'XAI, dans le contexte des tâches et des modèles de Traitement Automatique des Langues : dans la première partie, nous abordons le sujet de l'interprétabilité intrinsèque, qui englobe toutes les méthodes qui sont naturellement faciles à expliquer. En particulier, nous nous concentrons sur les représentations de plongement de mots, qui sont une composante essentielle de pratiquement toutes les architectures de TAL, permettant à ces modèles mathématiques de manipuler le langage humain d'une manière plus riche sur le plan sémantique. Malheureusement, la plupart des modèles qui génèrent ces représentations les produisent d'une manière qui n'est pas interprétable par les humains. Pour résoudre ce problème, nous expérimentons, With the advent of Transformer architectures in Natural Language Processing a few years ago, we have observed unprecedented progress in various text classification or generation tasks. However, the explosion in the number of parameters, and the complexity of these state-of-the-art blackbox models, is making ever more apparent the now urgent need for transparency in machine learning approaches. The ability to explain, interpret, and understand algorithmic decisions will become paramount as computer models start becoming more and more present in our everyday lives. Using eXplainable AI (XAI) methods, we can for example diagnose dataset biases, spurious correlations which can ultimately taint the training process of models, leading them to learn undesirable shortcuts, which could lead to unfair, incomprehensible, or even risky algorithmic decisions. These failure modes of AI, may ultimately erode the trust humans may have otherwise placed in beneficial applications. In this work, we more specifically explore two major aspects of XAI, in the context of Natural Language Processing tasks and models: in the first part, we approach the subject of intrinsic interpretability, which encompasses all methods which are inherently easy to produce explanations for. In particular, we focus on word embedding representations, which are an essential component of practically all NLP architectures, allowing these mathematical models to process human language in a more semantically-rich way. Unfortunately, many of the models which generate these representations, produce them in a way which is not interpretable by humans. To address this problem, we experiment with the construction and usage of Interpretable Word Embedding models, which attempt to correct this issue, by using constraints which enforce interpretability on these representations. We then make use of these, in a simple but effective novel setup, to attempt to detect lexical correlations, spurious or otherwise, in some popular

Développement d’une communauté d’apprentissage en informatique pour soutenir le développement professionnel des enseignants dans plusieurs pays européens. Le poster fait le point sur le processus mis en place, les outils numériques développés ainsi que sur la recherche appliquée qui accompagne le projet.

La détection des anomalies a connu dernièrement une grande attention, tant au niveau académique qu’au niveau industriel. La prédiction automatique pour la détection d’anomalie s’applique également aux données démographies à Madagascar. Une approche alternative qui se montre prometteuse, est l’utilisation de la méthode des forêts d’isolation (iForest).Cet article nous démontre que la détection des anomalies peut être appliquer sur tous les différents domaines, comme sur les données de la démographie par rapport au nombre de bureau de l’état civil à Madagascar. Les résultats de l’algorithme iForest présentent des réponses qui sont difficiles à l’interpréter. Il est toujours difficile de savoir la contribution de chaque variable dans cet algorithme d’isolation et de comprendre pourquoi des observations particulières reçoivent un score plus élevé.

La détection des anomalies a connu dernièrement une grande attention, tant au niveau académique qu’au niveau industriel. La prédiction automatique pour la détection d’anomalie s’applique également aux données démographies à Madagascar. Une approche alternative qui se montre prometteuse, est l’utilisation de la méthode des forêts d’isolation (iForest).Cet article nous démontre que la détection des anomalies peut être appliquer sur tous les différents domaines, comme sur les données de la démographie par rapport au nombre de bureau de l’état civil à Madagascar. Les résultats de l’algorithme iForest présentent des réponses qui sont difficiles à l’interpréter. Il est toujours difficile de savoir la contribution de chaque variable dans cet algorithme d’isolation et de comprendre pourquoi des observations particulières reçoivent un score plus élevé.

This study examines the use of the Multi-Spectral Instrument (MSI) in Sentinel-2 satellite in combination with regression-based random forest models to estimate bathymetry along the extended southwestern Florida nearshore region. In this study, we focused on the development of a framework leading to a generalized Satellite-Derived Bathymetry (SDB) model applicable to an extensive and diversified coastal region (>200 km of coastline) utilizing multi-date images. The model calibration and validation were done using airborne lidar bathymetry (ALB). As ALB surveys are very expensive to conduct, the proposed model was trained with a limited and practically feasible ALB data sample to expand the model’s practicality. Out of the three different sub-models introduced using varying combinations of historical satellite imagery, the combined-band model with the largest feature pool yielded the highest accuracy. The results showed root mean square error (RMSE) values of 8% and lower for the 0–13.5 m depth range (limit of the lidar surveys used) for all areas of interest, indicating the model efficiency and adaptability to varying coastal characteristics. The influence of training sample locations on model performance was evaluated using three distinct model configurations. The difference between these configurations was less than 5 cm, which highlights the robustness of the proposed SDB model. The quality of the satellite imagery is a significant factor that influences the accuracy of the bathymetry estimation. A preliminary methodology incorporating spectral data embedded in Sentinel-2 imagery to effectively select the most optimal satellite imagery was also proposed in this study.

Organizations can use big data analytics to evaluate large data volumes and collect new information. It aids in answering basic inquiries concerning business operations and performance. It also aids in the discovery of unknown patterns in massive datasets or combinations of datasets. Overall, companies use big data in their systems to enhance operations, provide better customer service, generate targeted marketing campaigns, and take other activities that can raise revenue and profitability in the long run. Therefore, it’s becoming increasingly important to apply and analyze big data approaches for business growth in today’s data-driven world. More precisely, given the abundance of data available on the Internet, whether via social media, websites, online portals, or platforms, to mention a few, businesses must understand how to mine that data for meaningful insights. In this context, Web scraping is an essential strategy. As a result, this work aims to explain the application of the developed tool to the specific case of retrieving big data information about the particular companies in our sample. The paper starts with a short literature review about Web scraping then discusses the tools and methods utilized, describing how the developed technology was applied to the specific scenario of retrieving information about big data usage in the enterprises present in our sample.

Dans un contexte de croissance exacerbée de la consommation à haut risque pour le climat et l’environnement, des enjeux importants se jouent en lien avec l’économie. Le développement durable se positionne comme un incontournable et avec lui, les stratégies d’économie circulaire. Sur un autre plan, les technologies d’information sont de plus en plus poussées et permettent des opportunités qui bouleversent les systèmes de production, on parle de 4e révolution industrielle. Il est impératif de mettre en relation l’utilisation de l’électronique avec la réduction de la production de déchets et d’adresser les enjeux environnementaux à un niveau économique. Le concept de cycle de vie du produit est au centre de cette recherche qui se penche sur les contributions des technologies relatives à l’industrie 4.0 à l’augmentation de la durabilité des produits. Une étude exploratoire et empirique est élaborée à partir d’entretiens ouverts obtenus auprès de 20 répondants sur un échantillon de 8 entreprises québécoises qui se classent dans des modèles d’affaires d’extension de la durée de vie des produits (EDVP) dans le but d’établir ces apports. Il en résulte que les technologies de l’industrie 4.0 sont très prometteuses quant aux possibilités de prolongement de la durée de vie des produits et cela dans les différentes phases du cycle de vie du produit, au moment de sa conception, de sa fabrication et de son utilisation bien que certaines résistances existent quant à leur adoption. Quatre grands thèmes émergent donc de cette étude. Il s’agit d’abord du thème de l’amélioration de la conception comprenant les catégories « meilleure planification », « facilitation du prototypage » et « correspondance aux besoins du marché ». Ensuite vient le thème de l’amélioration de la production avec la catégorie « optimisation de la fabrication » qui comporte comme sous-catégorie « contrôle des opérations », « réduction des erreurs » et « gabarits de fabrication » et la catégorie « amélioration de

The continual growth of the video game industry has led to a significant increase in the scale of development of new projects, requiring considerably more resources to complete. In an attempt to counteract some of the resource requirement inflation, we propose a motor difficulty evaluation mathematical model as a development tool to avoid difficulty targeted playtesting. The proposed model deviated from other currently researched approach by evaluating difficulty in a deterministic manner and without player data. We define the notions of reachability and danger of a game level based on the properties and possible actions of the player’s avatar. Reachability and danger are used to describe two difficulty evaluation metrics: one based on the relative area coverage of reachable to danger, and one based on the perimeter of overlapping areas. The metrics are put to test in levels taken from the game Super Mario Bros. and the results of both metrics are compared to each other as well as with the Nishikado difficulty. We underline current limitations of the model and their effect on the results and provide elementary solutions. We conclude by proposing a possible timeline of future research to expend our model into a general commercial applicable product. La croissance continue de l’industrie du jeu vidéo a conduit à une augmentation significative de l’échelle de développement de nouveaux projets, nécessitant beaucoup plus de ressources pour être achevés. Dans une tentative de contrecarrer une partie de l’inflation des besoins en ressources, nous proposons un modèle mathématique d’évaluation de la difficulté motrice comme outil de développement afin d’éviter les tests de difficulté ciblés. Le modèle proposé se différencie des autres approches actuellement étudiées en évaluant la difficulté de manière déterministe et sans données sur les joueurs. Nous définissons les notions d’accessibilité et de dangerosité d’un niveau de jeu en fonction des propriétés et des actions possi

With technological advancement and the rise of the Internet of Things, our society is becoming more interconnected than ever before. Our computers and devices are getting smaller, and their computing power and memory has been increasing. These advances coupled with the leaps in artificial intelligence caused by the deep learning revolution in recent yearshave led to an increasingly rising interest in the field of pervasive intelligence. Intelligence in the environment has been used in smart homes in order to bring assistance to semi-autonomous people by performing activity recognition based on sensor data. As technology keeps improving, we may start to investigate the extension of assistive technologies beyond the boundaries of smart homes and into our smart cities. In order to bring assistance to semi-autonomous people, the first step is to be able to recognize profiles of vulnerable people. In order to leverage technology and artificial intelligence to make our cities smarter, safer and more accessible, this thesis investigates the use of environmental sensors such as thermal cameras to perform pedestrian soft biometrics recognition (age, gender and mobility) in the city. In this thesis, the process of building prototypes from scratch in order to collect thermal gait data in the city is explored, and the use and optimization of deep learning algorithms to perform soft biometrics recognition, as well as the feasibility of implementing these algorithms on limited resource boards are explored. The use of unprocessed thermal images allows a higher degree of privacy for the citizens, and it is novel in the field of human profile recognition. This thesis aims to set the foundation of future work, both in the field of thermal images-based soft biometrics recognition and pervasive intelligence in our cities in order to make them smarter, and move towards an interconnected society. Les progrès technologiques et le développement de l’Internet des Objets nous mènent vers une

Myotonic dytrophy type 1 (DM1) is an incurable neuromuscular disease and muscle weakness is a prominent symptom. Research has shown that strength training can be an interesting solution to help with this symptom. Therefore an assistive technology aiming at supervising strength training at home for people with DM1 has been developed and tested in the home of 10 patients for 10 weeks. As many change point detection (CPD) techniques have been used for monitoring change in activity data in the past, no one applied these techniques to physical activities of people with DM1 disease. Hence, physical activity data have been collected during the 10-week experiment and state-of-the-art CPD algorithm has been used to analyze changes in physical activity during the strength training program at home. The results prove that many challenges need to be addressed in this context and could act as a guideline for future works.