FID4SA-Repository
Not a member yet
21181 research outputs found
Sort by
Velázquez. Histoire et fiction
No full textInternational audienceLa peinture, comme la sculpture, semble pouvoir copier immédiatement la nature, en être son miroir. Pourtant, cette capacité mimétique tient de la représentation. Re-présenter, c’est, au sens strict, présenter de nouveau les images du monde. Mais représenter n’est pas l’équivalent de reproduire. Le roi portraituré n’est pas le roi, mais son portrait. Il devient de la peinture en étant représenté en peinture. Quand la fiction s’emmêle, c’est-à-dire quand les pinceaux s’émancipent explicitement de la mimesis (du grec ancien qui signifie « imitation ») en recourant à l’imagination, l’image devient-elle pour autant fausse ? Cette question peut conduire toute la réflexion sur l’art de Diego Velázquez (1599-1660)
Ocean and Sea Ice Retrievals From an End‐To‐End Simulation of the Copernicus Imaging Microwave Radiometer (CIMR) 1.4–36.5 GHz Measurements
No full textInternational audienceThe Copernicus Imaging Microwave Radiometer (CIMR) is currently being implemented by the European Space Agency (ESA) as a Copernicus Expansion Mission primarily designed to observe the Polar Regions in support of the Integrated European Policy for the Arctic. It is a conically scanning microwave radiometer with polarized channels centered at 1.414, 6.925, 10.65, 18.7, and 36.5 GHz and channel NEΔT between 0.2 and 0.7 K. A large rotating deployable mesh reflector will provide real-aperture resolutions ranging from urn:x-wiley:21699275:media:jgrc24799:jgrc24799-math-000160 (1.4 GHz) to urn:x-wiley:21699275:media:jgrc24799:jgrc24799-math-00025 km (36.5 GHz). To evaluate CIMR retrieval performance, a simplified end-to-end simulation of the mission has been carried out. The simulation includes important processes and input parameters, such as test geophysical datasets, forward models, an instrument simulator, and retrieval algorithms to derive the key mission geophysical products. The forward modeling is tested by producing Brightness Temperatures (TBs) from 4 global scenes. A comparison with current observations of the open ocean and sea ice at similar frequencies confirmed the realism of the simulations. The produced top-of-atmosphere TBs are converted to Antenna brightness Temperatures (TAs), taking into account the instrument design, and are then inverted to retrieve Sea Ice Concentration (SIC), Sea Surface Temperature (SST), and Sea Surface Salinity (SSS). Evaluating the retrieval performance showed that the simulated CIMR instrument can provide SST, SSS, and SIC measurements with precisions and spatial resolutions conforming with the mission requirements. The evaluation also highlighted the challenges of observing the Arctic environment and put in perspective CIMR capabilities compared with current instruments
Littérature de jeunesse et pratiques plurilingues. Le Français aujourd'hui 215
No full textInternational audienc
De la recherche à la formation des professionnels de santé. L'institutionnalisation de la naissance par césarienne au Brésil et en France
No full textInternational audienceThis article reports on research into the process of institutionalisation of Caesarean section delivery in Brazil and France using an institutional socio-clinical approach. Education and health are considered as institutions that determine professional mother-child practices. The very high caesarean section rate in Brazil questions the dominant logics and power relations in the health system. In the light of these observations, it is also necessary to envisage initial and continuing training modalities likely to transform practices by analysing the implications of professionals in a morbid and alienating institutionalisation.Cet article rend compte d’une recherche portant sur le processus d'institutionnalisation de l’accouchement par césarienne au Brésil et en France, en adoptant une démarche socio-clinique institutionnelle.L'éducation et la santé sont considérées comme des institutions qui déterminent les pratiques professionnelles materno-infantiles.Le taux très élevé de césarienne au Brésil interroge les logiques dominantes et les rapports de pouvoir dans le système de santé. Suite à ces constats, il s’agit d’envisager des modalités de formation initiale et continue susceptibles de transformer les pratiques par l’analyse des implications des professionnels dans une institutionnalisation morbide et aliénante
Piezoionic sensors based on formulated PEDOT:PSS and Aquivion ® for ionic polymer–polymer composites
No full textInternational audienc
La politique culturelle conduite par les ministères de la Justice et de la Culture en matière d’accession à la lecture en prison (1981-1996)
No full textInternational audienceLa volonté de développer l’offre culturelle en prison se traduit à partir des années 1980 par la mise en place d’un partenariat entre les ministères de la Justice et de la Culture. Cet article analyse la genèse de la politique culturelle conduite par les ministères de la Justice et de la Culture à travers la mise en place d’une commission « culture/justice » ainsi qu’une de ses applications effectives en milieu carcéral, celle de la mise en accès direct des bibliothèques pénitentiaires
Chapitre 12. Un quart de siècle de rhétorique réactionnaire : l’effet pervers de la géographie prioritaire
No full textInternational audienc
Techniques avancées d'estimation linéaire et d'apprentissage profond du canal dans des environnements doublement dispersifs
No full textWireless communications revolution plays a significant role in facilitating severalmobile applications like unmanned aerial vehicles, high-speed railway, and vehicularcommunications. Particularly, the concept of connected vehicles brings a new level ofconnectivity to vehicles. Along with novel on board computing and sensing technologies,vehicular networks serve as a key enabler of intelligent transportation systems andsmart cities. This new generation of networks have a profound impact on the society,making every day traveling safer, greener, and more efficient and comfortable. However,in vehicular environments, the propagation medium between the network nodes ishighly time-varying leading to considerable reliability challenges. In fact, transmittedsignals propagate through multiple paths, each with a different delay, attenuation, inaddition to Doppler shift effect resulting from the motion of vehicles and the surroundingenvironment. Ensuring communication reliability by the means of accurate channelestimation in such environments is very important. Therefore, the accuracy of thechannel estimation influences the system performance, since a precisely estimatedchannel response influences the follow-up equalization, demodulation, and decodingoperations at the receiver. In literature, there exists an extensive work on conventionalchannel estimation for vehicular communications. However, these conventional estimatorsrely on many assumptions that limit their performance in highly dynamic time-varyingchannels. Moreover, linear conventional estimators are impractical solutions in real casescenarios as they rely on statistical models and require high implementation complexity.Although there exists simple linear estimation with affordable complexity, they lackrobustness in highly dynamic environments. Therefore, investigating estimators with agood trade-off complexity vs. performance is a significant task. As a prevailing approachto AI, deep learning (DL) develops efficient methods to analyze data by finding patternsand learning underlying structures and represents an effective data driven approach toproblems encountered in various scientific fields. The main reason behind integratingDL in wireless communications is to find solutions to communication problems whereanalytical solutions are intractable or highly complex. DL has a strong ability to overcomethis challenge via low-complexity and robust solutions that improve the performance ofwireless systems. Additionally, the GPU-based distributed processing enables the DLemployment in real-time applications. As a result, DL can be leveraged to exploit thedata generated in vehicular networks. In this context, this thesis aims to investigatehow to adapt such tools to account for the characteristics of high mobility vehicularnetworks. We show that integrating optimized DL architectures brings low-complexitysolutions for vehicular channel estimation either by improving the performance comparedto the simplified linear channel estimators, or by approaching the performance ofcomplex robust model-based estimators with feasible implementation. Therefore, unlikeconventional estimators, DL-based estimators provide a good trade-off between thecomputational complexity and the system performance. Moreover, the generalizationability gives robustness to the system when deployed in highly dynamic environments.La révolution des communications sans fil joue un rôle important dans la facilitationde plusieurs applications mobiles telles que les drones, les trains à grande vitesse et lescommunications entre véhicules. En particulier, le concept de véhicules connectés apporteune bonne connectivité aux véhicules. En plus des nouvelles technologies de calcul et dedétection embarquées, les réseaux de véhicules servent de catalyseur clé aux systèmesde transport intelligents et aux villes intelligentes. Cette nouvelle génération de réseauxa un impact profond sur la société, rendant chaque jour les déplacements plus sûrs,plus écologiques, plus efficaces et plus confortables. Cependant, dans les environnementsvéhiculaires, le milieu de propagation entre les nœuds du réseau varie fortement dans letemps, ce qui pose des problèmes de fiabilité. En fait, les signaux transmis se propagent surplusieurs chemins, chacun avec un retard et une atténuation différente, en plus de l’effet dedécalage Doppler résultant du mouvement des véhicules et de l’environnement. Il est trèsimportant de garantir la fiabilité de la communication au moyen d’une estimation précisedes canaux dans de tels environnements. Par conséquent, la précision de l’estimationde canal influence les performances du système, car une réponse de canal estimée avecprécision influence les opérations d’égalisation, de démodulation et de décodage au niveaudu récepteur. Dans la littérature, il existe plusieurs travaux sur les méthodes classiquesd’estimation du canal pour les communications véhiculaires. Cependant, ces estimateursconventionnels reposent sur de nombreuses hypothèses qui limitent leurs performancesdans les canaux hautement dynamiques variant dans le temps. De plus, les estimateurslinéaires conventionnels sont des solutions peu pratiques dans des scénarios de cas réelscar ils reposent sur des modèles statistiques qui nécessitent une complexité élevée.Bien qu’il existe des estimateurs linéaires simples avec une complexité abordable, ilsmanquent de robustesse dans les environnements très dynamiques. Par conséquent, étudierdes estimateurs avec un bon compromis complexité/performance est une problématiqueimportante à investir. En tant qu’approche dominante de l’IA, l’apprentissage profonddéveloppe des méthodes efficaces pour analyser des données en apprenant efficacementles structures pour plusieurs problèmes rencontrés dans divers domaines scientifiques.La principale raison de l’intégration de l’apprentissage profond dans les communicationssans fil est de trouver des solutions aux problèmes de communication lorsque les solutionsanalytiques sont insolubles ou très complexes. L’apprentissage profond a une forte capacitéà relever ce défi grâce à des solutions peu complexes et robustes qui améliorent lesperformances des systèmes sans fil. De plus, le traitement distribué basé sur GPUpermet l’utilisation de l’apprentissage profond dans des applications à temps réel. Enconséquence, l’apprentissage automatique s’exploite pour les différentes données généréesdans les réseaux véhiculaires. Dans ce contexte, cette thèse vise à étudier comment adapterde tels outils pour tenir compte des caractéristiques des réseaux de véhicules à hautemobilité. Nous montrons que l’intégration d’architectures optimisées d’apprentissageprofond apporte des solutions de faible complexité pour l’estimation de canaux desréseaux véhiculaires soit en améliorant les performances par rapport aux estimateursde canaux linéaires, soit en approchant les performances d’estimateurs robustes tout enréduisant la complexité d’implémentation. Par conséquent, contrairement aux estimateursconventionnels, les estimateurs basés sur l’apprentissage profond offrent un bon compromisentre la complexité de calcul et les performances du système. De plus, la capacitéde généralisation rend le système plus robuste surtout quand il est déployé dans desenvironnements hautement dynamiques