Recherche Data Gouv
Not a member yet
4753 research outputs found
Sort by
B-spline Dataset of "B-spline Curve Approximation With Transformer Neural Networks"
No full textB-spline Dataset of B-spline Curve Approximation With Transformer Neural Networks article
This dataset contains Cubic B-spline curves with randomly generated knots and control points. The set contains 160,000 different curves, each curve having between 9 and 16 knots, equally represented (20,000 per category). Curves are not sampled.
This dataset was originally generated to train a Neural network on B-spline curve approximation. The dataset is divided in two subset : train and val of respectively 150,000 and 10,000 curves randomly sampled from the full dataset. You are free to use other subdivision of the dataset.
More technical information about the data can be found in the Readme file. Feel free to contact the author if you have any questions/problems regarding the data.B-spline Dataset de l'article B-spline Curve Approximation With Transformer Neural Networks
Ce jeu de donnée contient des courbes B-spline cubiques avec des noeuds et des points de contrôles générés aléatoirement. Il contient 160 000 courbes différentes, chacune possédant entre 9 et 16 noeuds, repartis équitablement (20 000 par catégories). Les courbes ne sont pas échantillonnées.
Ce jeu de donnée a été créé pour entrainer un réseau de neurone à l'approximation de courbe avec des B-splines. Il a donc été divisé en deux sous-ensembles : train et val de respectivement 150 000 et 10 000 courbes sélectionnées aléatoirement. Vous êtes libre d'utiliser différentes divisions des données.
Des informations plus techniques peuvent être trouvés dans le Readme. N'hésitez-pas à contacter l'auteur en cas de questions/problèmes concernant les données.</p
Both the type and amount of triglycerides influence the bioavailability of fat-soluble vitamins in mice
No full textThis dataset contains the data used in the article "Both the type and amount of triglycerides influence the bioavailability of fat-soluble vitamins in mice"
16S RNA metabarcoding dataset from microbiota of Label Rouge broiler carcass rinses
No full textThe dataset provides information on the bacterial composition of 465 Label Rouge broiler carcasses collected in a French slaughterhouse between september 2023 and february 2024. Carcasses were cuted in halves and 16S rRNA metabarcoding sequencing was performed before and after 7 days of storage at 4°C (on the two half of the same carcasse). Carcass rinses were pooled in groups of three to create one sample, resulting in a total of 310 sequenced samples. Amplicons from the region V3-V4 of 16S rRNA were sequenced with Illumina MiSeq technology. The aim of collecting these carcass microbial diversity data was to characterize bacterial species that are positively or negatively correlated with Campylobacter on fre-range chicken meat
Research data to Breard et al. (2025), Biopreservation strategies: can organic acid concentrations be sufficient to predict yeast and mould growth in strawberry purée?, submitted for publication to International Journal of Food Microbiology in April 2025
No full textResearch data associated to Breard et al. (2025) submitted to International Journal of Food Microbiology in April 2025 ;
Table 1 contains growth parameters used for MIC determination ;
Table 2 contains observed TCG used to draw 1A ;
Table 3 contains predicted TCG used to draw 1A ;
Table 4 contains observed TCG used to draw figure 1B ;
Table 5 contains predicted TCG used to draw figure 1B ;
Table 6 contains growth curves related to observed TCG from figure 1B ;
Table 7 contains observed TCG used to draw figure 2 ;
Table 8 contains predicted TCG used to draw figure 2 ;
Table 9 contains growth curves related to observed TCG from figure 2 ;
Table 10 contains identification sequences from isolated yeasts ;
Table 11 contains observed growth/no growth data for LIC determination ;
Table 12 contains literature MIC data used to draw figure 3 and the associated experimental conditions ;
Table 13 contains observed TCG used to draw 4 ;
Table 14 contains predicted TCG used to draw
Indicateurs des séries par horizons temporels issus des projections hydrologiques Explore2 pour le modèle MORDOR-SD sous RCP 8.5
No full textIndicateurs des séries par horizons temporels issus des débits journaliers simulés par le modèle hydrologique MORDOR-SD pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de l'agrégation temporelle des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement dans la collection Explore2 - Projections hydrologiques.
Ce dépôt regroupe un tableau par indicateur et chaîne de simulation, c'est-à-dire, scénario d'émission RCP, couple GCM/RCM, correction de biais BC et modèle hydrologique HM. Ces données sont brutes et contiennent donc des chaînes de projections jugées aberrantes / horsains qu'il est possible de filtrer grâce à des métadonnées supplémentaires. Pour des raisons techniques, ces indicateurs sont regroupés par dossiers compressés selon les différentes phases du régime hydrologique.
La description des chaines de modélisation du climat et celle des modèles hydrologiques sont, respectivement, disponibles dans le rapport https://doi.org/10.57745/PUR7ML et dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires : Récapitulatif de l'ensemble des indicateurs hydrologiques : https://doi.org/10.57745/JVNHQL Récapitulatif de l'ensemble des chaînes de simulation : https://doi.org/10.57745/R6HG5X Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5 Liste des chaînes de modélisation jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ Récapitulatif des années pivots utilisées pour la TRACC : https://doi.org/10.57745/DCOQM6
Décomposition des chaînes de caractères formant le nom des fichiers parquet, séparées par des "_" : {1} Indicateur : Le nom de l’indicateur, du type de statistique calculée {2} Échantillonnage : Échantillonnage temporel sur laquelle est calculé l’indicateur → {1}_{2} Variable : Variable résultante d'un indicateur temporellement contextualisé {3} HX : Horizon futur (H[123]) → {1}_{2}_{3} Série : Série d'une variable pour un horizon temporel, défini dans le récapitulatif des indicateurs hydrologiques {4} EXP : Identifiant de l’expérience historique (post 2005) ou future (post 2005) {5} GCM : Identifiant du GCM forçeur {6} RCM : Identifiant du RCM {7} BC : Identifiant de la méthode de correction de biais statistique {8} HM : Identifiant du modèle hydrologique {9} Futur : Période futur (fut-YYYYMMDD-YYYYMMDD)
Les colonnes des fichiers parquet sont : EXP : Voir ci-dessus GCM : Voir ci-dessus RCM : Voir ci-dessus BC : Voir ci-dessus HM : Voir ci-dessus code : Code à 10 caractères du point de simulation fourni dans la description des points de simulation date : (optionnelle) Date associée à l'agrégation (plus d'information dans les métadonnées de variable) *Série* : Voir ci-dessus
Retrouvez des scripts d'aide pour utiliser ces données parquet
Projections hydrologiques Explore2 du débit pour le modèle CTRIP sous RCP 8.5
No full textDébit journalier simulé par le modèle hydrologique CTRIP pour l'ensemble des projections climatiques Explore2 sous RCP 8.5. Ces fichiers résultent de la concaténation des simulations hydrologiques sous runs historiques (avant 2005) et des projections hydrologiques (post 2005), fichiers NetCDF disponibles au téléchargement sur le portail https://www.drias-eau.fr/commande.
Ce dépôt regroupe un fichier NetCDF par couple GCM/RCM et correction de biais. Retrouvez davantage d'information sur la chaîne de modélisation du climat dans les métadonnées des fichiers NetCDF et le rapport https://doi.org/10.57745/PUR7ML .
La description des modèles hydrologiques utilisés est disponible dans les annexes du rapport https://doi.org/10.57745/S6PQXD. Retrouvez le diagnostic des modèles hydrologiques résumé à l'échelle des régions hydrologiques dans les fiches téléchargeables ici : https://doi.org/10.57745/DMFUXW.
Métadonnées supplémentaires :
Description de l'ensemble des chaînes de modélisations : https://doi.org/10.57745/R6HG5X
Description de l'ensemble des points de simulation : https://doi.org/10.57745/UTKWR5
Liste des simulations des chaînes de projections jugées aberrantes / horsains : https://doi.org/10.57745/YZNENQ
Décomposition des chaînes de caractère formant le nom des fichiers NetCDF, séparées par des "_" :
{1}: Variable : Nom de la variable (avec Adjust si les données sont corrigées)
{2}: Domain : Couverture spatiale des données
{3}: GCM-Inst-Model : Identifiant du GCM forçeur = Institut-Modèle
{4}: Experiment : Identifiant de l’expérience historique ou future via le scénario
{5}: Member : Numéro du membre de l'ensemble
{6}: RCM-Inst-Model : Identifiant du RCM = Institut-Modèle
{7}: Version : Identifiant de l’expérience historique ou future via le scénario
{8}: Bc-Inst-Method-Obs-Period : Identifiant de la méthode de correction de biais statistique =
Institut-Méthode-Réanalyse-Période
{9}: HYDRO-Inst-Model : Identifiant du HYDRO = Institut-Modèle
{10}: TimeFrequency : Pas de temps du jeu de données
{11}: Startyear-Endyear : Couverture temporelle des données sous forme YYYYMMDD-YYYYMMD
NiTi-Like SMAs transformation temperatures dataset
No full textThis dataset provides the martensite transformation temperatures for various "NiTi-like" alloys containing 1, 2, 3, and more of the most employed elements that are thermodynamically closest to Ni and Ti. The elements (Ni, Fe, Co, Cu, Pd, and Pt) are classified as Ni-like elements, while (Ti, Zr and Hf ) are considered as Ti-like elements and Nb and Ta are the Nb-like elements.
This is an extension of the first version, which was published in October 2023 and focused solely on martensite start transformation temperature (Ms)
Metabolites characterization in boosting orphan legumes from the Mediterranean Basin: INRAE 2024 trial datasets of accession Guifredo
No full textResults of the greenhouse trial on Guifredoaccession at INRAE-Versailles/ France
The trial was conducted from september 2023 to March 2024.
These data refer to metabolites (Chlorophyll, Anthocyanins, Flavonols and NBI ratio) measurements in Guifredo accession.
The dataset is organised following the MIAPPE (Minimum Information About Plant Phenotyping Experiments) guidelines
The biological material file contains the information on the biological materials used for the trial.
The study and the observed variables files explains the observed variables and describe the study.
In the dataset file, the study_ID and the biologicalmaterial_ID refers to the identification of the trial from which the dataset is build.
The "Species_ID" column refers to the specy used in the study.
The "Accessions" column refers to the accession used in the study.
The "Treatment_ID" column refers to the treatment that is applied.
The "Days" columns refers to the different stage of development of the plant when the metabolites measurements are collected.
The 'Chlorophyll', 'Anthocyanins', 'Flavonols' and 'NBI (Nitrogen Balance Ratio)' columns refer to the measurement results of each of these metabolites. The measurement unit is µg/cm².
</br
