Scientific Publications of the University of Toulouse II Le Mirail
Not a member yet
92205 research outputs found
Sort by
Sentiment de reconnaissance des familles
No full textInternational audienceSeveral articles and book chapters discuss the functional adjustments families face with a loved one’s neuro-evolutionary disease (NED). However, few studies focus on these families' experiences, their stance toward the disease, and how they feel recognized by their loved ones with severe stage NED. In this study, we looked at the sense of recognition felt by children and spouses, the emotions of anger and sadness, as well as feelings of discouragement and helplessness experienced by families facing the progression of their parent’s/spouse’s NED. We wanted to know if there was a significant difference between children and spouses regarding their sense of recognition and experiences. Our results show a significant difference between children and spouses in terms of anger.Un certain nombre d’articles et de chapitres d’ouvrages évoquent les remaniements fonctionnels des familles face à la maladie neuro-évolutive (MNE) d’un de leurs proches. Cependant, peu d’études s’arrêtent sur le vécu de ces familles, sur leur positionnement face à la maladie et de comment elles se sentent reconnues par leurs proches atteints d’une MNE à un stade sévère. Dans cette étude, nous nous sommes intéressés au sentiment de reconnaissance des enfants et des conjoints, aux émotions de colère et de tristesse ainsi qu’aux sentiments de découragement et d’impuissance vécus par les familles face à l’évolution de la MNE de leurs parents / conjoints. Nous avons souhaité savoir s’il existait une différence significative entre les enfants et les conjoints au niveau de leur sentiment de reconnaissance et de leurs vécus. Nos résultats montrent qu’il existe une différence significative entre les enfants et les conjoints au niveau de la colère
Une nouvelle approche au problème des valeurs propres pour l'opérateur de Monge-Ampère
No full textWe study the eigenvalue problem for the complex Monge-Ampère operator in bounded hyperconvex domains in C^n , where the right-hand side is a non-pluripolar positive Borel measure. We establish the uniqueness of eigenfunctions in the finite energy class introduced by Cegrell, up to positive multiplicative constants, and provide a Rayleigh quotient type formula for computing the eigenvalue. Under a natural continuity assumption on the measure, we further show that both the eigenvalue and eigenfunctions can be obtained via an iterative procedure starting from any negative finite energy function. Our approach relies on the fine properties of plurisubharmonic envelopes, which allow a partial sublinearization of the nonlinear problem. As far as we know, this method is new, even in the linear case, and not only yields new results but also significantly simplifies existing arguments in the literature. Moreover, it extends naturally to the setting of complex Hessian operators. Finally, by translating our results from the complex Monge-Ampère setting via a logarithmic transformation, we also obtain several interesting analogues for the real Monge-Ampère operator.Nous étudions le problème des valeurs propres pour l'opérateur complexe de Monge-Ampère dans les domaines hyperconvexes bornés en C^n , où le membre droite est une mesure de Borel positive non multipolaire. Nous établissons l'unicité des fonctions propres dans la classe d'énergie finie introduite par Cegrell, à constantes multiplicatives positives près, et fournissons une formule de type quotient de Rayleigh pour le calcul de la valeur propre. Sous une hypothèse de continuité naturelle sur la mesure, nous montrons en outre que la valeur propre et les fonctions propres peuvent être obtenues par une procédure itérative à partir de toute fonction d'énergie finie négative. Notre approche s'appuie sur les propriétés fines des enveloppes plurisubharmoniques, qui permettent une sous-linéarisation partielle du problème non linéaire. À notre connaissance, cette méthode est nouvelle, même dans le cas linéaire, et non seulement produit de nouveaux résultats, mais simplifie aussi considérablement les arguments existants dans la littérature. De plus, il s'étend naturellement au cadre des opérateurs hessiens complexes. Enfin, en traduisant nos résultats du cadre complexe de Monge-Ampère via une transformation logarithmique, nous obtenons également plusieurs analogues intéressants pour le véritable opérateur de Monge-Ampère
Lutte contre l’obésité, lutte contre la grossophobie
No full textComment penser simultanément les questions de grosseur, d’obésité et de grossophobie ? C’est tout le défi auquel s’attelle cet ouvrage. En faisant appel aux sciences médicales et sociales, de l’endocrinologie à la communication, en passant par la sociologie ou les sciences politiques, les auteur.e.s de ce livre proposent une discussion pluridisciplinaire qui s’obstine à saisir ce que les politiques et les pratiques de santé font aux personnes grosses ou qualifiées d’obèses et parallèlement, à définir les contours de la grossophobie (à l’école, dans la santé, dans les médias ou dans les arts de la scène)
Humanoid Robot Whole-body Geometric Calibration with Embedded Sensors and a Single Plane
No full textWhole-body geometric calibration of humanoid robots using classical robot calibration methods is a timeconsuming and experimentally burdensome task. However, despite its significance for accurate control and simulation, it is often overlooked in the humanoid robotics community. To address this issue, we propose a novel practical method that utilizes a single plane, embedded force sensors, and an admittance controller to calibrate the whole-body kinematics of humanoids without requiring manual intervention. Given the complexity of humanoid robots, it is crucial to generate and determine a minimal set of optimal calibration postures. To do so, we propose a new algorithm called IROC (Information Ranking algorithm for selecting Optimal Calibration postures). IROC requires a pool of feasible candidate postures to build a normalized weighted information matrix for each posture. Then, contrary to other algorithms from the literature, IROC will determine the minimal number of optimal postures that are to be played onto a robot for its calibration. Both IROC and the single-plane calibration method were experimentally validated on a TALOS humanoid robot. The total whole-body kinematics chain was calibrated using solely 31 optimal postures with 3-point contacts on a table by the robot gripper. In a cross-validation experiment, the average root-mean-square (RMS) error was reduced by a factor of 2.3 compared to the manufacturer's model
Une approche itérative au problème des valeurs propres pour l'opérateur de Monge-Ampère complexe
No full textInternational audienceWe present an iterative approach to approximate the solution to the Dirichlet complex Monge-Ampère eigenvalue problem on a bounded strictly pseudoconvex domain in C^n . This approach is inspired by a similar approach initiated by F. Abedin, J. Kitagawa who considered the real Monge-Ampère operator on a strictly convex domain in R N .This work is based on recent results obtained by P. Badiane and the author on the existence and uniqueness of the solution to the Dirichlet eigenvalue problem for the complex Monge-Ampère operator.However, the iterative approach does not require the a priori knowledge of the first eigenvalue but it provides an effective scheme for approximating it, as well as the associated eigenfunction.Nous présentons une approche itérative pour approximer la solution du problème aux valeurs propres de l'opérateur de Monge-Ampère complexe sur un domaine strictement pseudo-convexe borné en C^n . Cette approche s'inspire d'une approche similaire initiée par F. Abedin et J. Kitagawa qui ont considéré l'opérateur de Monge-Ampère réel sur un domaine strictement convexe en R^N .Ce travail s'appuie sur les résultats récents obtenus par P. Badiane et l'auteur sur l'existence et l'unicité de la solution du problème aux valeurs propres de Monge-Ampère complexe de Dirichlet.Cependant, l'approche itérative ne nécessite pas la connaissance a priori de la première valeur propre, mais elle fournit un schéma efficace pour l'approximer, ainsi que la fonction propre associée.</div
Deep Unfolded Approximate Message Passing for Quantitative Acoustic Microscopy Image Reconstruction
No full textInternational audienc
La “didactique professionnelle augmentée” pour accompagner et former les professionnels de la transition agroécologique
No full textInternational audienceLes métiers en transition représentent un défi pour la didactique professionnelle pour étudier à la fois des situations de travail en évolution et les compétences nécessaires pour y faire face afin de former et accompagner de (futurs) professionnels. Cette conférence se centre sur la transition agroécologique au cœur des enjeux actuels des situations de travail agricole que nous étudions et auxquels nous formons. Dans ces métiers avec le vivant impliquant de multiples acteurs et partenaires humains et autres qu’humains, les dimensions subjective et axiologique jouent un rôle central dans l’organisation de l’activité des professionnels. En s’appuyant sur nos travaux de recherche menés auprès d’agriculteurs en transition et d’enseignants formant à la transition agroécologique, nous argumentons l’intérêt de l'articulation possible de la didactique professionnelle avec d'autres champs théoriques et méthodologiques pour comprendre pleinement les rôles de ces dimensions dans l’orientation de l’action des professionnels
Calculs de positionnements à partir d'anciennes données topographiques à Gabian (Hérault)
No full textCe rapport explique comment peuvent être calculées les coordonnées de points à partir d'anciennes données disparates et très peu documentées
Accélérer la recherche sur les nanomatériaux énergétiques : modèles de substitution basés sur les données pour les simulations coûteuses
No full textThis thesis explores the development and application of machine learning techniques, particularly surrogate modeling and adaptive sampling, to address the computational challenges associated with the simulation and optimization of nanothermite combustion. Traditional physical simulations of nanothermites are computationally intensive, limiting their exploitation for structural design through optimization. To overcome these limitations, this research focuses on building efficient surrogate models and implementing adaptive data generation strategies that significantly reduce computational costs while maintaining predictive accuracy. The first phase of this work involves benchmarking various machine learning algorithms to identify the most effective surrogate modeling approach for nanothermite combustion. Multilayer Perceptrons (MLPs) emerged as the optimal choice, achieving superior accuracy and computational efficiency compared to other models, including Gaussian Process Regression (GPR). These surrogates demonstrated the capability to approximate the nonlinear dynamics of combustion processes with remarkable precision, paving the way for their integration into adaptive sampling frameworks. The second phase introduces an Interest Region Bayesian Sampling (IRBS) methodology, designed to inject physical knowledge into the sampling process to generate training data efficiently by focusing on regions of interest within the design space. The research emphasizes two critical advancements: enabling parallelized evaluations of candidate designs to accelerate data collection and enhancing the sampling process through a novel figure of merit (FOM) formulation. This FOM leverages Kernel Density Estimation (KDE) for exploration, replacing the computationally expensive GPR uncertainty metric. The KDE-based approach not only improves sampling efficiency but also enhances the adaptability of the framework to diverse data distributions. Furthermore, the integration of MLPs as surrogates within the IRBS framework validated the methodology's scalability to higher dimensional design spaces. The results underscore the potential of adaptive sampling and surrogate modeling to revolutionize the design and optimization of complex materials. By reducing computational overhead and enabling rapid exploration of the design space, this work addresses a key bottleneck in materials science, particularly for energetic nanomaterials like thermites. Beyond its immediate application, the proposed framework lays the groundwork for extending machine learning techniques to multi-physics simulations and the optimization of other high-dimensional, computationally demanding systems.Cette thèse explore le développement et l'application de techniques d'apprentissage automatique, en particulier la modélisation par substitut (surrogate modeling) et l'échantillonnage adaptatif, pour relever les défis computationnels associés à la simulation et à l'optimisation de la combustion des nanothermites. Les simulations physiques traditionnelles des nanothermites sont extrêmement coûteuses en termes de calcul, ce qui limite leur exploitation pour la conception via l'optimisation. Pour surmonter ces limitations, cette recherche se concentre sur la construction de modèles substitutifs efficaces et la mise en œuvre de stratégies adaptatives de génération de données, permettant de réduire considérablement les coûts de calcul tout en maintenant une précision prédictive élevée. La première phase de ce travail consiste en une évaluation comparative de divers algorithmes d'apprentissage automatique afin d'identifier l'approche de modélisation par substitut la plus efficace pour la combustion des nanothermites. Les Perceptrons Multi-Couches (MLP) se sont révélés être le choix optimal, offrant une précision et une efficacité calculatoire supérieures par rapport à d'autres modèles, y compris la Régression par Processus Gaussiens (GPR). Ces modèles de substitution ont démontré leur capacité à approximer les dynamiques non linéaires des processus de combustion avec une précision remarquable, ouvrant la voie à leur intégration dans des cadres d'échantillonnage adaptatif. La deuxième phase introduit une méthodologie d'échantillonnage bayésien axée sur les régions d'intérêt (Interest Region Bayesian Sampling, IRBS), conçue pour injecter des connaissances physiques dans le processus d'échantillonnage afin de générer efficacement des données d'entraînement en se concentrant sur des régions spécifiques de l'espace de conception. Cette recherche met en avant deux avancées majeures : l'implémentation d'évaluations parallélisées des configurations optimales pour accélérer la collecte des données, et l'amélioration du processus d'échantillonnage à travers une nouvelle formulation d'une fonction de mérite (FOM). Cette fonction utilise une estimation de densité par noyau (Kernel Density Estimation, KDE) pour l'exploration, remplaçant la métrique coûteuse d'incertitude basée sur le GPR. L'approche basée sur le KDE améliore non seulement l'efficacité de l'échantillonnage, mais renforce également l'adaptabilité du cadre à des distributions de données diverses. De plus, l'intégration des MLP comme modèles substitutifs dans le cadre d'IRBS a validé la possibilité d'implémenter cette méthodologie aux espaces de conception de plus haute dimension. Les résultats mettent en lumière le potentiel de l'échantillonnage adaptatif et de la modélisation par substitut pour révolutionner la conception et l'optimisation de matériaux complexes. En réduisant les coûts de calcul et en permettant une exploration rapide de l'espace de conception, ce travail répond à une limitation majeure dans la science des matériaux, en particulier pour les nanomatériaux énergétiques tels que les nanothermites. Au-delà de ses applications immédiates, le cadre proposé établit une base pour l'extension des techniques d'apprentissage automatique à des simulations multi-physiques et à l'optimisation d'autres systèmes de haute dimension et exigeants en puissance de calcul