Search

Your search keyword '"Boné, Romuald"' showing total 85 results
Start Over Author "Boné, Romuald"

Refine your results

more »

more »

more »
85 results on '"Boné, Romuald"'

1. SOCXAI: Leveraging CNN and SHAP Analysis for Battery SOC Estimation and Anomaly Detection

Author

Hidouri, Amel, Arbaoui, Slimane, Samet, Ahmed, Ayadi, Ali, Mesbahi, Tedjani, Boné, Romuald, de Beuvron, François de Bertrand, Hartmanis, Juris, Founding Editor, van Leeuwen, Jan, Series Editor, Hutchison, David, Editorial Board Member, Kanade, Takeo, Editorial Board Member, Kittler, Josef, Editorial Board Member, Kleinberg, Jon M., Editorial Board Member, Kobsa, Alfred, Series Editor, Mattern, Friedemann, Editorial Board Member, Mitchell, John C., Editorial Board Member, Naor, Moni, Editorial Board Member, Nierstrasz, Oscar, Series Editor, Pandu Rangan, C., Editorial Board Member, Sudan, Madhu, Series Editor, Terzopoulos, Demetri, Editorial Board Member, Tygar, Doug, Editorial Board Member, Weikum, Gerhard, Series Editor, Vardi, Moshe Y, Series Editor, Goos, Gerhard, Founding Editor, Bertino, Elisa, Editorial Board Member, Gao, Wen, Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Yung, Moti, Editorial Board Member, Woeginger, Gerhard, Editorial Board Member, Franco, Leonardo, editor, de Mulatier, Clélia, editor, Paszynski, Maciej, editor, Krzhizhanovskaya, Valeria V., editor, Dongarra, Jack J., editor, and Sloot, Peter M. A., editor

Published
2024
Full Text
View/download PDF

3. SocHAP: A New Data Driven Explainable Prediction of Battery State of Charge

Author

Heitzmann, Théo, Samet, Ahmed, Mesbahi, Tedjani, Soufi, Cyrine, Jorge, Inès, Boné, Romuald, Goos, Gerhard, Founding Editor, Hartmanis, Juris, Founding Editor, Bertino, Elisa, Editorial Board Member, Gao, Wen, Editorial Board Member, Steffen, Bernhard, Editorial Board Member, Yung, Moti, Editorial Board Member, Mikyška, Jiří, editor, de Mulatier, Clélia, editor, Paszynski, Maciej, editor, Krzhizhanovskaya, Valeria V., editor, Dongarra, Jack J., editor, and Sloot, Peter M.A., editor

Published
2023
Full Text
View/download PDF

5. Hierarchical Clustering for Local Time Series Forecasting

Author

Cherif, Aymen, Cardot, Hubert, Boné, Romuald, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Doug, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Lee, Minho, editor, Hirose, Akira, editor, Hou, Zeng-Guang, editor, and Kil, Rhee Man, editor

Published
2013
Full Text
View/download PDF

6. Graph-Based Regularization of Binary Classifiers for Texture Segmentation

Author

Faucheux, Cyrille, Olivier, Julien, Boné, Romuald, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Doug, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Wilson, Richard, editor, Hancock, Edwin, editor, Bors, Adrian, editor, and Smith, William, editor

Published
2013
Full Text
View/download PDF

8. Recurrent Neural Networks as Local Models for Time Series Prediction

Author

Cherif, Aymen, Cardot, Hubert, Boné, Romuald, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Doug, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Leung, Chi Sing, editor, Lee, Minho, editor, and Chan, Jonathan H., editor

Published
2009
Full Text
View/download PDF

9. Active Contours Driven by Supervised Binary Classifiers for Texture Segmentation

Author

Olivier, Julien, Boné, Romuald, Rousselle, Jean-Jacques, Cardot, Hubert, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Doug, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Bebis, George, editor, Boyle, Richard, editor, Parvin, Bahram, editor, Koracin, Darko, editor, Remagnino, Paolo, editor, Porikli, Fatih, editor, Peters, Jörg, editor, Klosowski, James, editor, Arns, Laura, editor, Chun, Yu Ka, editor, Rhyne, Theresa-Marie, editor, and Monroe, Laura, editor

Published
2008
Full Text
View/download PDF

10. Region-Based 2D Deformable Generalized Cylinder for Narrow Structures Segmentation

Author

Mille, Julien, Boné, Romuald, Cohen, Laurent D., Hutchison, David, Series editor, Kanade, Takeo, Series editor, Kittler, Josef, Series editor, Kleinberg, Jon M., Series editor, Mattern, Friedemann, Series editor, Mitchell, John C., Series editor, Naor, Moni, Series editor, Nierstrasz, Oscar, Series editor, Pandu Rangan, C., Series editor, Steffen, Bernhard, Series editor, Sudan, Madhu, Series editor, Terzopoulos, Demetri, Series editor, Tygar, Doug, Series editor, Vardi, Moshe Y., Series editor, Weikum, Gerhard, Series editor, Forsyth, David, editor, Torr, Philip, editor, and Zisserman, Andrew, editor

Published
2008
Full Text
View/download PDF

11. Predicting Chaotic Time Series by Boosted Recurrent Neural Networks

Author

Assaad, Mohammad, Boné, Romuald, Cardot, Hubert, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Dough, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, King, Irwin, editor, Wang, Jun, editor, Chan, Lai-Wan, editor, and Wang, DeLiang, editor

Published
2006
Full Text
View/download PDF

12. Study of the Behavior of a New Boosting Algorithm for Recurrent Neural Networks

Author

Assaad, Mohammad, Boné, Romuald, Cardot, Hubert, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Dough, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Duch, Włodzisław, editor, Kacprzyk, Janusz, editor, Oja, Erkki, editor, and Zadrożny, Sławomir, editor

Published
2005
Full Text
View/download PDF

13. Time Delay Learning by Gradient Descent in Recurrent Neural Networks

Author

Boné, Romuald, Cardot, Hubert, Hutchison, David, editor, Kanade, Takeo, editor, Kittler, Josef, editor, Kleinberg, Jon M., editor, Mattern, Friedemann, editor, Mitchell, John C., editor, Naor, Moni, editor, Nierstrasz, Oscar, editor, Pandu Rangan, C., editor, Steffen, Bernhard, editor, Sudan, Madhu, editor, Terzopoulos, Demetri, editor, Tygar, Dough, editor, Vardi, Moshe Y., editor, Weikum, Gerhard, editor, Duch, Włodzisław, editor, Kacprzyk, Janusz, editor, Oja, Erkki, editor, and Zadrożny, Sławomir, editor

Published
2005
Full Text
View/download PDF

14. Extraction de paramètres des séries temporelles pour la prédiction de l’état de santé des batteries Li-Ion

Author

Jorge, Inès, Mesbahi, Tedjani, Samet, Ahmed, Boné, Romuald, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube), École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Université de Strasbourg (UNISTRA)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Les Hôpitaux Universitaires de Strasbourg (HUS)-Centre National de la Recherche Scientifique (CNRS)-Matériaux et Nanosciences Grand-Est (MNGE), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Réseau nanophotonique et optique, Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), and univOAK, Archive ouverte

Subjects
[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG]
Published
2022

19. Predictive prognostic for Li-Ion batteries in electric vehicles

Author

Jorge, Inès, Samet, Ahmed, Mesbahi, Tedjani, Boné, Romuald, univOAK, Archive ouverte, Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (ICube), École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Université de Strasbourg (UNISTRA)-Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National de Recherche en Informatique et en Automatique (Inria)-Les Hôpitaux Universitaires de Strasbourg (HUS)-Centre National de la Recherche Scientifique (CNRS)-Matériaux et Nanosciences Grand-Est (MNGE), Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Réseau nanophotonique et optique, Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS)-École Nationale du Génie de l'Eau et de l'Environnement de Strasbourg (ENGEES)-Réseau nanophotonique et optique, Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Matériaux et nanosciences d'Alsace (FMNGE), and Institut de Chimie du CNRS (INC)-Université de Strasbourg (UNISTRA)-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Institut de Chimie du CNRS (INC)-Université de Strasbourg (UNISTRA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG]
Published
2021

26. Data-driven strategy for state of health prediction and anomaly detection in lithium-ion batteries

Author

Arbaoui, Slimane, Samet, Ahmed, Ayadi, Ali, Mesbahi, Tedjani, and Boné, Romuald

Abstract

This study addresses the crucial challenge of monitoring the State of Health (SOH) of Lithium-Ion Batteries (LIBs) in response to the escalating demand for renewable energy systems and the imperative to reduce CO2 emissions. The research introduces deep learning (DL) models, namely Encoder-Long Short-Term Memory (E-LSTM) and Convolutional Neural Network-LSTM (CNN–LSTM), each designed to forecast battery SOH. E-LSTM integrates an encoder for dimensionality reduction and an LSTM model to capture data dependencies. CNN–LSTM, on the other hand, employs CNN layers for encoding followed by LSTM layers for precise SOH estimation. Significantly, we prioritize model explainability by employing a game-theoretic approach known as SHapley Additive exPlanations (SHAP) to elucidate the output of our models. Furthermore, a method based on pattern mining was developed, synergizing with the model, to identify patterns contributing to abnormal SOH decrease. These insights are presented through informative plots. The proposed approach relies on the battery dataset from the Massachusetts Institute of Technology (MIT) and showcases promising results in accurately estimating SOH values, in which the E-LSTM model outperformed the CNN–LSTM model with a Mean Absolute Error (MAE) of less than 1%.

Published
2024
Full Text
View/download PDF

28. An Active Contour Model with Improved Shape Priors using Fourier Descriptors

Author

Ahmed, Fareed, Lê-Huu, Ð.Khuê, Julien, Olivier, Boné, Romuald, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), and OLIVIER, Julien

Subjects
active contours, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing, [INFO.INFO-TS] Computer Science [cs]/Signal and Image Processing, deformable models, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], shape prior, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Fourier descriptors, invariants
Abstract

International audience; Snakes or active contours are widely used for image segmentation. There are many different implementationsof snakes. No matter which implementation is being employed, the segmentation results suffer greatly inpresence of occlusions, noise, concavities or abnormal modification of shape. If some prior knowledge aboutthe shape of the object is available, then its addition to an existing model can greatly improve the segmentationresults. In this work inclusion of such shape constraints for explicit active contours is presented. Theseshape priors are introduced through the use of Fourier based descriptors which makes them invariant to thetranslation, scaling and rotation factors and enables the deformable model to converge towards the prior shapeeven in the presence of occlusion and context noise. These shape constraints have been computed in descriptorspace so no reconstruction is required. Experimental results clearly indicate that the inclusion of these shapepriors greatly improved the segmentation results in comparison with the original snake model.

Published
2013

29. Segmentation d'images échographique 2D et 3D par régularisation de graphe basée texture

Author

Faucheux, Cyrille, Olivier, Julien, Boné, Romuald, Makris, Pascal, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Dans cet article, nous nous intéressons à un récent algorithme de segmentation d'images non-supervisé basé sur un processus de régularisation de graphe, auquel nous proposons d'intégrer le support de caractéristiques de textures. Ce modèle, décrit par Ta, consiste en la diffusion et la régularisation d'une fonction indicatrice sur un graphe représentant une image. L'intérêt de notre approche est de permettre la combinaison de deux techniques de traitement d'images dites " non-locales " : au niveau des pixels grâce à l'utilisation des caractéristiques de textures, et de par l'utilisation d'une structure de graphe qui rend possible l'expression efficace de relations entre des pixels non-adjacents. Évalué sur de l'imagerie échographique, les résultats obtenus montrent une amélioration significative de la qualité de segmentation comparé à l'algorithme originel, ou encore à l'algorithme de Chan & Vese multimodal.

Published
2012

30. Un modèle de Contour Actif avec un a priori de forme basé sur les descripteurs de Fourier

Author

Ahmed, Fareed, Lê-Huu, Ð.Khuê, Julien, Olivier, Boné, Romuald, Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2012

32. Guidage de contour actif par classificateur binaire supervisé pour la segmentation d'images texturées

Author

Julien, Olivier, Boné, Romuald, Cardot, Hubert, Rousselle, Jean-Jacques, Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Dans cet article, un modèle de contour actif pour la segmentation supervisée d'images texturées est proposé. Une image d'apprentissage avec une segmentation experte est utilisée pour réaliser l'apprentissage d'un classificateur binaire grâce aux caractéristiques de texture d'Haralick. Ce classificateur est ensuite intégré dans un contour actif afin de guider son évolution sur plusieurs images. Des résultats sur deux problématiques de segmentation 2D sont présentés et évalués, mettant en avant la précision de nos modèles: la détection de zones urbaines dans des images satellites, et la segmentation de naevus dans des images échographiques. L'approche proposée a également été adaptée avec succès à la reconstruction d'objet dans des images échographiques 3D, et des résultats de reconstruction sont présentés.

Published
2009

33. Recurrent Neural Networks for Local Models Prediction

Author

Cherif, Aymen, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; "Local models" (Walter, J., et al. International Joint Conference on Neural Networks, vol. 1. (1990) 589-594), consists on dividing the data into homogeneous clusters by Vector Quantization (VQ (Gray, R. M., and Neuhoff, D.L. IEEE Trans. Inf. Theory 44(6) (1998) 2325-2383)) to simplify the prediction task on each cluster and mostly inspired from the Self-Organizing Maps algorithm (SOM (Kohonen, T. Self-Organization and associative memory, 3rd edn. (1989))). Since recurrent neural networks have demonstrated in many times a better results and specially for chaotic time series (Boné, R. Recurrent Neural Networks for Time Series Forecasting. (2000)), we propose in this paper a method to use the Recurrent Neural Networks in the local approach.

Published
2009

34. Dynamic neighborhoods in active surfaces for 3D segmentation

Author

Julien, Olivier, Mille, Julien, Boné, Romuald, Rousselle, Jean-Jacques, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, greedy algorithm, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], mesh, [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], fast level set, ComputingMethodologies_COMPUTERGRAPHICS, Active surface
Abstract

International audience; Active contours and surfaces are deformable models used for 2D and 3D image segmentation. In this paper, we propose two methods developed in order to accelerate 3D image segmentation process. They are adaptations on active surfaces of two methods developed for 2D active contour. We use them on a discrete 3D surface model (mesh) evolving with the greedy algorithm. Those methods will be compared to the classical greedy algorithm and to a recent fast adaptation of the level set method.

Published
2008

35. Réflexions sur la mise en place d'une vérité terrain pour la segmentation de maillages polygonaux 3D en parties significatives

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
Maillages polygonaux 3D, Segmentation, Vérité terrain, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

National audience; La segmentation de maillages polygonaux 3D est un outil essentiel à de nombreuses applications. L'indexation, la reconnaissance des formes, la compression, la simplification ou encore les tatouages numériques sont quelques unes de ces applications. La segmentation de maillages polygonaux 3D se décline en deux familles : la segmentation en carreaux surfaciques (régions du maillage présentant certaines caractéristiques géométriques) et la segmentation en parties significatives. Cet article est axé sur la deuxième famille qui, à l'heure actuelle, ne dispose pas de mesure précise pour déterminer l'efficacité des méthodes de segmentation. La vérité terrain est généralement utilisée sur les images 2D afin de comparer la segmentation d'un expert à celle obtenue à partir d'un algorithme. Nous discutons ici de l'intérêt d'une vérité terrain pour la segmentation de maillages polygonaux 3D et de sa mise en oeuvre.

Published
2008

36. Améliorer la prévision multipas par réseaux de neurones récurrents

Author

Assad, Mohammed, Boné, Romuald, Cardot, Hubert, Centre d'EPistémologie et d'ERgologie Comparatives (CEPERC), Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Nous évaluons sur le problème de la prévision multipas un algorithme de boosting pour les réseaux de neurones récurrents (RNRs). Cet algorithme combine un grand nombre de RNRs, chacun d'entre eux étant généré en apprenant sur une version différente de l'ensemble d'apprentissage d'origine. Ces versions sont obtenues selon une variante de la méthode du boosting, qui permet de concentrer l'apprentissage sur les exemples difficiles mais, à la différence de l'algorithme d'origine, en prenant en compte tous les exemples disponibles. Nous l'appliquons au problème de la prévision pour différents horizons de trois séries temporelles de référence en testant à chaque fois trois fonctions de coût différentes et en variant les valeurs du paramètre principal. Nous comparons notre algorithme avec l'algorithme Back-Propagation Through Time (BPTT) et avec d'autres méthodes appliquées sur les mêmes ensembles de données, dont des approches locales

Published
2008

37. La segmentation de maillages polygonaux en carreaux surfaciques : applications et méthodes

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], Segmentation, [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, maillages polygonaux, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], carreaux surfaciques
Abstract

International audience; Les maillages polygonaux sont présents dans de nombreuses applications graphiques pour approximer des objets 3D. Divers procédés ont été développés pour des besoins de compression de maillages, de simplification, d'application de texture, de retro-ingénierie, etc. La segmentation de maillages est bien souvent un passage obligé pour ces applications. De nombreux algorithmes ont été proposés ces dernières années, offrant une large diversité de méthodes et de critères d'évaluation. La segmentation de maillages peut être interprétée au sens purement géométrique ou bien d'une manière plus orientée sémantique. Dans cet article, nous traitons principalement du premier cas, communément appelé segmentation en carreaux surfaciques et proposons un état de l'art des différentes méthodes de segmentation. Nous discutons des nombreuses contributions et applications relatives à ce sujet.

Published
2008

38. Segmentation et suivi de l'endocarde dans des séquences IRM 3D par surface active

Author

Mille, Julien, Boné, Romuald, Makris, Pascal, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Nous proposons une modèle de surface active 3D+T pour la segmentation et le suivi de la paroi endocardique du ventricule gauche dans des séquences cardiaques 3D. Pour réunir les étapes de segmentation et de suivi, la surface possède est dotée d'une structure divisée à la fois dans l'espace et le temps. Elle se modélise sous la forme d'une matrice de contours actifs planaires, connectés d'une coupe et d'une phase à l'autre, ce qui permet de maintenir une cohérence temporelle et spatiale. Dans une phase donnée, les contours sont empilés et constituent un maillage triangulaire 3D de topologie cylindrique. La paroi ventriculaire est extraite par minimisation d'une énergie qui combine un terme contour et un nouveau terme basé région, exprimé selon le principe de la bande étroite

Published
2007

39. Speed up Active Contours Using Line Search

Author

Rousselle, Jean-Jacques, Boné, Romuald, Julien, Olivier, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Maurel, Denis, Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2007

40. Segmentation hiérarchique de maillage 3D а partir des dynamiques de contour

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Maurel, Denis, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2007

41. Etat de l'art de la segmentation de maillage 3D par patchs surfaciques

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Delest, Sébastien, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], état de l'art, segmentation, [INFO.INFO-GR] Computer Science [cs]/Graphics [cs.GR], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], maillage, [INFO.INFO-GR]Computer Science [cs]/Graphics [cs.GR], 3D
Abstract

National audience; La segmentation de maillage 3D est une composante essentielle de nombreuses applications. Elle se décline en deux familles : la segmentation en patchs surfaciques et la segmentation en parties significatives. Dans cet article, nous traitons principalement de la segmentation de maillages 3D en patchs surfaciques et en proposons un état de l'art. Nous positionnons le contexte de ce type de segmentation et discutons des contributions les plus pertinentes.

Published
2007

42. 2D and 3D deformable models with narrow band region energy

Author

Mille, Julien, Boné, Romuald, Makris, Pascal, Cardot, Hubert, Maurel, Denis, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-CL] Computer Science [cs]/Computation and Language [cs.CL], ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]
Abstract

International audience; We introduce a narrow band region approach in explicit de-formable models for 2D and 3D image segmentation. Embedding a region term into the evolution process, we derive a general formulation which is applied both on a 2D parametric contour and a 3D triangular mesh. Evolution of deformable models is performed by means of energy minimization using the computationally efficient greedy algorithm. The use of a region energy related to the vicinity of the evolving surface overcomes limitations of edge-based active models while remaining time effective. Experiments with segmentation quality assessment are carried out on medical images.

Published
2007

43. Accélération de surfaces actives

Author

Julien, Olivier, Mille, Julien, Boné, Romuald, Rousselle, Jean-Jacques, Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Maurel, Denis, Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Les contours actifs et surface actives sont des mod'èes déformables utilisés respectivement pour la segmentation d'images 2D et 3D. Dans cet article, nous présentons deux méthodes développées afin d'améliorer la vitesse de ces processus de segmentation d'image. Elles reposent sur des adaptations à la 3D de méthodes développées en 2D pour les contours actifs. Nous les appliquons ici sur un mod'ele de surface 3D discr'ete (maillage) dont l'évolution est guidée par l'algorithme greedy, bien qu'elles puissent s'utiliser avec d'autres types d'implémentation des contours actifs, tels les courbes de niveaux.

Published
2006

44. Génération automatique de marqueurs pour la ligne de partage des eaux en 3D

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; Cet article presente une nouvelle m éthode de segmentation de maillage triangulaire basee sur la ligne de partage des eaux, initialisee par des marqueurs issus de la squelettisation de l'objet 3D. Dans cette methode, le modèle est d'abord transformé en une repr ésentation de voxels ; un algorithme de squelettisation est ensuite utilise pour extraire le squelette constitue de voxels. Chaque branche du squelette est labellisee et les voxels de surface prennent le label des voxels du squelette qui leur sont associes. Les voxels de surface non ambigus peuvent ensuite servir de marqueurs pour la ligne de partage des eaux 3D. Cette methode, qui associe la decomposition en partie et la d écomposition en patches surfaciques, est particulierement bien adaptée aux problematiques de segmentation d'objet qui comportent des parties significatives.

Published
2006

45. 3D watershed transformation based on connected faces structure

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2006

46. Active Surfaces Acceleration Methods

Author

Julien, Olivier, Mille, Julien, Boné, Romuald, Rousselle, Jean-Jacques, Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2006

47. Fast Segmentation of Triangular Meshes Using Waterfall

Author

Delest, Sébastien, Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION, [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; This paper describes a patch-type segmentation method for fast partitioning of 3D triangular meshes. This method uses the hierarchical queue watershed algorithm as well as a merging process to limit over segmentation. The merging process is based on waterfall and offers an effective struc ture for checking the different merging levels in order to find the best level of segmentation. This method has ap plications for different problems in visualization and geo metrical modelling such as 3D feature extraction, mesh re duction, texture mapping of 3D surfaces or computer aided design.

Published
2006

48. Boosting Multi-Step-Ahead Forecasting with Recurrent Neural Networks

Author

Assaad, M., Boné, Romuald, Cardot, Hubert, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV]
Abstract

International audience; A common problem with time series forecasting models is the low accuracy of long term forecasts. However reliable multi-step-ahead (MS) time series prediction has many important applications and is often the intended outcome, most of the published literature usually considers single-step-ahead (SS) time series prediction. The main reason for this is the increased difficulty of the problems requiring MS prediction and the fact that the results obtained by simple extensions of techniques developed for SS prediction are often disappointing. To improve upon the obtained performance, we can adapt general procedures that were found to enhance the precision of various basic models. One such procedure is known under the name of boosting. Following this idea, we evaluate on MS time series forecasting problems an algorithm for improving the accuracy of recurrent neural networks (RNNs). The improvement is achieved by combining a large number of RNNs, each of them is generated by training on a different set of examples. This algorithm allows concentrating the training on difficult examples but, unlike the original algorithm, by taking into account all the available examples.We study the behavior of our method applied on three time series of reference: a natural one and two synthetic chaotic ones. We compare our algorithm to numerous other methods applied to the same datasets, including local approaches. The experimental results which were obtained on benchmark problems show that boosting recurrent neural networks greatly improve MS forecasting, keeping low standard deviation. The boosting effect proved to be dependent on the presence of long-range dependencies. We find that the local approaches keep their advantage when compared to our method, if enough data are available. If not, our algorithm boosts prediction performance of global approaches relying on RNNs.

Published
2006

49. Accélération d'un contour actif par 'line search'

Author

Rousselle, Jean-Jacques, Boné, Romuald, Julien, Olivier, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Centre National de la Recherche Scientifique (CNRS)-Université de Tours-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Archimedes Center for Modelling, Analysis and Computation (ACMAC), University of Crete [Heraklion] (UOC), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS), and Maurel, Denis

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2006

50. Fast Estimation of Skeleton Points on 3D Deformable Meshes

Author

Mille, Julien, Boné, Romuald, Makris, Pascal, Cardot, Hubert, Maurel, Denis, Laboratoire d'Informatique Fondamentale et Appliquée de Tours (LIFAT), Université de Tours (UT)-Institut National des Sciences Appliquées - Centre Val de Loire (INSA CVL), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-TT]Computer Science [cs]/Document and Text Processing, [INFO.INFO-CV] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TI] Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-TI]Computer Science [cs]/Image Processing [eess.IV], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV], [INFO.INFO-TT] Computer Science [cs]/Document and Text Processing, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2006

Catalog

Books, media, physical & digital resources
See catalog results