1,721,126 research outputs found
Approximations robustes de tenseur de rang faible en utilisant la parcimonie de groupe
No full textLe développement de méthodes de décomposition de tableaux multi-dimensionnels suscite toujours autant d'attention, notamment d'un point de vue applicatif. La plupart des algorithmes, de décompositions tensorielles, existants requièrent une estimation du rang du tenseur et sont sensibles à une surestimation de ce dernier. Toutefois, une telle estimation peut être difficile par exemple pour des rapports signal à bruit faibles. D'un autre côté, estimer simultanément le rang et les matrices de facteurs du tenseur ou du tenseur cœur n'est pas tâche facile tant les problèmes de minimisation de rang sont généralement NP-difficiles. Plusieurs travaux existants proposent d'utiliser la norme nucléaire afin de servir d'enveloppe convexe de la fonction de rang. Cependant, la minimisation de la norme nucléaire engendre généralement un coût de calcul prohibitif pour l'analyse de données de grande taille. Dans cette thèse, nous nous sommes donc intéressés à l'approximation d'un tenseur bruité par un tenseur de rang faible. Plus précisément, nous avons étudié trois modèles de décomposition tensorielle, le modèle CPD (Canonical Polyadic Decomposition), le modèle BTD (Block Term Decomposition) et le modèle MTD (Multilinear Tensor Decomposition). Pour chacun de ces modèles, nous avons proposé une nouvelle méthode d'estimation de rang utilisant une métrique moins coûteuse exploitant la parcimonie de groupe. Ces méthodes de décomposition comportent toutes deux étapes : une étape d'estimation de rang, et une étape d'estimation des matrices de facteurs exploitant le rang estimé. Des simulations sur données simulées et sur données réelles montrent que nos méthodes présentent toutes une plus grande robustesse à la présence de bruit que les approches classiques.Last decades, tensor decompositions have gained in popularity in several application domains. Most of the existing tensor decomposition methods require an estimating of the tensor rank in a preprocessing step to guarantee an outstanding decomposition results. Unfortunately, learning the exact rank of the tensor can be difficult in some particular cases, such as for low signal to noise ratio values. The objective of this thesis is to compute the best low-rank tensor approximation by a joint estimation of the rank and the loading matrices from the noisy tensor. Based on the low-rank property and an over estimation of the loading matrices or the core tensor, this joint estimation problem is solved by promoting group sparsity of over-estimated loading matrices and/or the core tensor. More particularly, three new methods are proposed to achieve efficient low rank estimation for three different tensors decomposition models, namely Canonical Polyadic Decomposition (CPD), Block Term Decomposition (BTD) and Multilinear Tensor Decomposition (MTD). All the proposed methods consist of two steps: the first step is designed to estimate the rank, and the second step uses the estimated rank to compute accurately the loading matrices. Numerical simulations with noisy tensor and results on real data the show effectiveness of the proposed methods compared to the state-of-the-art methods
Going Beyond Counting First Authors in Author Co-citation Analysis
Full text linkThe present study examines one of the fundamental aspects of author co-citation analysis (ACA) - the way co-citation
counts are defined. Co-citation counting provides the data on which all subsequent statistical analyses and mappings
are based, and we compare ACA results based on two different types of co-citation counting - the traditional type that
only counts the first one among a cited work's authors on the one hand and a non-traditional type that takes into
account the first 5 authors of a cited work on the other hand. Results indicate that the picture produced through this non-traditional author co-citation counting contains more coherent author groups and is therefore considerably clearer. However, this picture represents fewer specialties in the research field being studied than that produced through the traditional first-author co-citation counting when the same number of top-ranked authors is selected and analyzed. Reasons for these effects are discussed
Analyse des signaux de vibrations cardiaques thoraciques et intra-gastriques pour le suivi de l’insuffisance cardiaque
No full textLe développement d'un système de surveillance des vibrations cardiaques offrant une gestion intégrée des paramètres multimodaux avec un dispositif peu invasif est actuellement nécessaire dans le domaine des maladies cardiovasculaires chroniques, afin de déclencher une attention médicale précoce et adéquate contre les événements de décompensation et de réduire les hospitalisations. L'objectif principal de cette thèse est de proposer des méthodes d'acquisition et de traitement du signal afin d'utiliser au mieux les unités inertielles dans le suivi des patients atteints d'insuffisance cardiaque (HF), en exploitant efficacement les informations multimodales des signaux de vibration cardiaque (CVS). Deux nouvelles approches sont proposées dans ce contexte : 1) l'évaluation de la faisabilité de l'acquisition des CVS longitudinaux en utilisant un implant intra-gastrique dans une configuration d'expérimentation animale préclinique, et 2) le développement d'un système d'acquisition de signaux cardiaques afin d'évaluer de manière préliminaire la faisabilité de la détection automatique d'événements cardiorespiratoires on-the-edge à l'aide d'un capteur MEMS avec un noyau d'apprentissage automatique intégré (MLC). Les résultats obtenus montrent les premières preuves précliniques de la faisabilité d'une surveillance cardiovasculaire chronique à partir d'un dispositif cardiaque implantable peu invasif placé dans le fond de l'estomac, ainsi que la faisabilité préliminaire de l'utilisation d'un MLC intégré dans un capteur MEMS pour la détection on-the-edge de plusieurs événements cardiorespiratoires liés à des variations hémodynamiques, comme l'apnée et la manœuvre de Valsalva. La nature transversale de l'ensemble du contenu de cette thèse ouvre de nouvelles perspectives dans l'utilisation des CVS pour le développement de méthodes et d'outils pouvant être utilisés dans la surveillance cardiovasculaire à long terme de patients diagnostiqués avec une maladie cardiaque chronique telle que l'HF.The development of a remote cardiac vibrations monitoring system offering integrated management of multimodal parameters with a minimally invasive device is currently needed in the chronic cardiovascular diseases domain, aiming to trigger early and adequate medical attention against the decompensation events and to reduce hospitalization. The main objective of this thesis is to propose signal acquisition and processing methods to make the best use of inertial units in the monitoring of patients with heart failure (HF), by efficiently exploiting multimodal information from cardiac vibration signals (CVS). Two novel approaches are proposed in this context: 1) the evaluation of the feasibility of acquiring longitudinal CVS using an intra-gastric implant in a preclinical animal experimentation setup, and 2) the development of a cardiac signal acquisition system to preliminarily assess the feasibility of automatically detecting cardiorespiratory events on-the-edge using a MEMS sensor with an embedded machine learning core (MLC). The obtained results show initial preclinical evidence on the feasibility of chronic cardiovascular monitoring from a minimally invasive implantable cardiac device placed in the gastric fundus, and preliminary feasibility for using a MLC embedded in a MEM sensor for on-the-edge detection of multiple cardiorespiratory events related to hemodynamic variations, such as apnea and Valsalva maneuver. The cross-cutting nature of the entire content of this thesis opens up new perspectives in the use of CVS for the development of methods and tools that can be used in the long-term cardiovascular monitoring of patients diagnosed with chronic heart disease such as HF
Traitement de données massives et apprentissage automatique explicable dans les unités de soins intensifs néonatals
No full textLes nouveaux-nés prématurés sont vulnérables à des complications comme l’hyperbilirubinémie néonatale et le sepsis tardif (LOS), posant des défis importants dans les unités de soins intensifs néonatals (USIN). Malgré les avancées en matière de soins, la détection précoce et la gestion efficace de ces affections restent complexes. Cette thèse, basée sur l’étude CARESS-Premi (NCT01611740), vise à développer des techniques avancées de traitement des données et des modèles interprétables d’apprentissage automatique afin d’améliorer la prise de décision en USIN, via des systèmes de surveillance non invasifs, continus et en temps réel. Les principales contributions comprennent : (i) une chaîne optimisée de traitement des signaux pour l’analyse ECG en conditions réelles, adaptée aux USIN; (ii) un modèle mathématique patient-spécifique pour la caractérisation de la dynamique postnatale de la bilirubine, avec des paramètres comme biomarqueurs potentiels pour détecter les comorbidités associées ; (iii) une estimation non invasive de la bilirubine utilisant des modèles d’apprentissage automatique à effets mixtes intégrant l’analyse de la variabilité de la fréquence cardiaque (HRV) et des informations physiologiques ; (iv) des modèles pour la détection précoce du LOS via l’analyse de la HRV ; (v) la conception, le déploiement et l’évaluation préliminaire d’un système d’aide à la décision clinique (CDSS) on-the-edge, intégrant du traitement des signaux en quasi-temps réel et des modèles d’inférence dans un contexte USIN. Ces résultats démontrent le potentiel du traitement avancé des signaux physiologiques combiné à l’apprentissage automatique pour optimiser les soins néonatals.Preterm infants are highly vulnerable to complications such as neonatal hyperbilirubinemia and late-onset sepsis (LOS), which pose significant challenges in Neonatal Intensive Care Units (NICU). Despite advancements in neonatal care, early detection and effective management of these conditions remain difficult. Based on the CARESS-Premi project (NCT01611740), the dissertation aims to develop advanced data processing techniques and interpretable machine learning (ML) models to enhance NICU decision-making and neonatal outcomes, by leveraging non-invasive, continuous and real-time monitoring systems. The main contributions include: (i) an optimized automatic signal processing pipeline for real-life ECG analysis tailored to NICU; (ii) a patient-specific mathematical model for postnatal bilirubin dynamics characterization in preterm infants, with model parameters serving as potential biomarkers for detecting associated comorbidities; (iii) the knowledge-based non-invasive bilirubin estimation using mixed-effects ML integrating heart rate variability (HRV) analysis and physiological insights; (iv) ML models for LOS early detection using HRV analysis, proving timely alerts before clinical suspicion; (v) the design, deployment and preliminary evaluation of an on-the-edge clinical decision support system (CDSS) integrating quasi-real-time signal processing and ML models in a NICU setting. These results demonstrate the potential of combining advanced physiological signal processing with ML to optimize neonatal care
Variations on the Author
Full text link“Variations on the Author” discusses two of Eduardo Coutinho’s recent films (Um Dia na Vida, from 2010, and Últimas Conversas, posthumously released in 2015) and their contribution to the general question of documentary authorship. The director’s filmography is characterized by a consistent yet self-effacing form of authorial self-inscription: Coutinho often features as an interviewer that rather than express opinions propels discourses; an interviewer that is good at listening. This mode of self-inscription characterizes him as an author who is not expressive but who is nonetheless markedly present on the screen. In Um Dia na Vida, however, Coutinho is completely absent form the image, while Últimas Conversas, on the contrary, includes a confessional prologue that moves the director from the margins to the center of his films. This article examines the ways in which these works stand out in the filmography of a director who offers new insights into the notion of cinematic authorship
Appropriate Similarity Measures for Author Cocitation Analysis
Full text linkWe provide a number of new insights into the methodological discussion about author cocitation analysis. We first argue that the use of the Pearson correlation for measuring the similarity between authors’ cocitation profiles is not very satisfactory. We then discuss what kind of similarity measures may be used as an alternative to the Pearson correlation. We consider three similarity measures in particular. One is the well-known cosine. The other two similarity measures have not been used before in the bibliometric literature. Finally, we show by means of an example that our findings have a high practical relevance.information science;Pearson correlation;cosine;similarity measure;author cocitation analysis
Dispelling the Myths Behind First-author Citation Counts
Full text linkWe conducted a full-scale evaluative citation analysis study of scholars in the XML research field to explore just how different from each other author rankings resulting from different citation counting methods actually are, and to demonstrate the capability of emerging data and tools on the Web in supporting more realistic citation counting methods. Our results contest some common arguments for the continued
use of first-author citation counts in the evaluation of scholars, such as high correlations between author rankings by first-author citation counts and other citation
counting methods, and high costs of using more realistic citation counting methods that are not well-supported by the ISI databases. It is argued that increasingly available digital full text research papers make it possible for citation analysis studies to go beyond what the ISI databases have directly supported and to employ more
sophisticated methods
koamabayili/VECTRON-author-checklist: VECTRON author checklist
No full textWe have done our best to complete the author checklist relating to the use of animals in the hut study. Note that the objective for the hut study was to evaluate the IRS treatment applications for residual efficacy against Anopheles mosquitoes, including the local An. coluzzii mosquito population. Cows were only used to attract mosquitoes into the huts and no tests were carried out directly on the cows. The author checklist is intended for use with studies where experiments are carried out on animals, which is why we have had such difficulty in completing this for the hut study, as many of the questions do not relate to how the cows were used
- …
