263 research outputs found
Parution : Munther Younes, "Charging Steeds or Maidens Performing Good Deeds In Search of the Original Qur’an", Routledge, avril 2019.
No full textParution : Munther Younes, Charging Steeds or Maidens Performing Good Deeds In Search of the Original Qur’an, Routledge, avril 2019. Description Charging Steeds or Maidens Performing Good Deeds: In Search of the Original Qur'ān brings an important contribution to understanding the development of the Qur'ānic corpus. Through a selection of meaningful case studies, the author convincingly argues for a different interpretative approach to the Qur’ānic text. Taking as a starting point the consona..
War Narratives Through The Eyes/I´S of Women in Iman Humaydan Younes’ B As In Beirut
No full textLebanese author and journalist Iman Humaydan Younes published her debut novel B as in Beirut in Arabic in 1997 while the English translation didn’t appear until 2007. The novel is divided into four narratives told by Lillian, Warda, Camilia, and Maha who live in the same apartment building in Beirut during the Lebanese civil war that extended from 1975 till 1990. Younes chooses to present personal narratives that reflect the emotional states of these women rather than describe the violent occurrences of the actual war. In this sense she tells of the repercussions of the war on her female narrators, and the coping mechanisms that each adopts away from the violence, destruction and absurdity that have been the main foci of most Lebanese war novels. My paper affects a close reading of these interlocked narratives and investigates the female voices behind them: who they are, what they are going through, and what they do in order to survive the state of inertia and loss during the civil war. My contention is that Younes’s novel is one of the very few that succeeds in conveying the female experience during the civil war and paves the way for a Feminist attitude towards gender roles in a war- torn nation, and towards an understanding of the place of the woman in an overly maleoriented and maneuvered dominion
Correction to: Laccase from Scytalidium thermophilum: Production Improvement, Catalytic Behavior and Detoxifying Ability of Diclofenac (Catalysis Letters, (2019), 149, 7, (1833-1844), 10.1007/s10562-019-02771-1)
No full textThe article "Laccase from Scytalidium thermophilum: Production Improvement, Catalytic Behavior and Detoxifying Ability of Diclofenac" written by "Sonia Ben Younes, Saoussen Ben Khedher, Yongjun Zhang, Sven-Uwe Geissen and Sami Sayadi" was originally published electronically on the publisher's internet portal on 2 April 2019. The author Sayadi Sami's affiliation has been changed from (1,4) to (4). At the time of publication of the paper, the author Sami Sayadi is affiliated solely to the Center for Sustainable Development at Qatar university. The original article has been corrected. 2022, Springer Science+Business Media, LLC, part of Springer Nature.Scopu
Erratum: NICER View of the 2020 burst storm and persistent emission of SGR 1935+2154 (Astrophysical Journal Letters (2020) 904 (L21) DOI: 10.3847/2041-8213/abc94c)
No full textWe have been made aware that the arrival times of the SGR J1935+2154 radio bursts presented in Table 2 of Kirsten et al. (2021) are in the Coordinated Universal Time (UTC) system, corrected to the solar system barycenter (Kirsten et al. 2021). Unfortunately in Younes et al. (2020), we assumed that the radio burst times were given in Terrestrial Dynamical Time (TDT or TT), corrected to the solar system barycenter, i.e., in Barycentric Dynamical Time (TDB). Since we used the latter time system to obtain the SGR J1935 +2154 spin ephemerides (Section 4.1 in Younes et al. 2020), deriving the phases of the radio bursts using the times as presented in Kirsten et al. (2021) is erroneous (Younes et al. 2020, dotted blue lines in bottom panel of Figure 5). The radio burst arrival times in the TDB system is 58993.93088958 and 58993.93090573 Modified Julian Day for B1 and B2, respectively (Kirsten et al. 2021; Kirsten et al. 2021). The correct rotational phases of the two bursts as compared to the X-ray pulse is shown in the corrected bottom panel of Figure 5. This figure supersedes the bottom panel of Figure 5 in Younes et al. (2020). Given that the two bursts still occur away from the peaks of the X-ray pulse, our conclusions in Section 5.3 are unaffected. Moreover, this correction does not affect any other element of the paper. (Figure Presented)
A reading of Younes Emgran's book, The Letter of the Monk of France and Judge Abu al-Walid al-Baji's response to it A comparative historical and analytical study between the doctrines of Christianity and Islam
No full textيعتبر يونس إمغران من الباحثين المتخصصبن في دراسة قضايا الحضارة الإسلامية والمسيحية في العالم العربي، واهتم بمقاربة هذه المواضيع من زوايا متعددة سوسيولوجيا وأنتربوبوجيا وتاريخيا،وصدر سنة 2018م كتابه حول رسالة راهب فرنسا ورد القاضي أبي الوليد الباجي عليها-دراسة تحليلية تاريخية مقارنة بين عقائد النصرانية والإسلام، وهو من منشورات سليكي إخوان، فالمؤلف هو باحث في مجال علم الأديان والشأن التشريعي له، وصدرت له مؤلفات للعديد من الدراسات والأبحاث في نفس التخصص، ويعتبر كتابه هذا من بين الإسهامات المهمة حول الحوار بين الاديان.Younes Emgran is one of the researchers specialized in studying the issues of Islamic and Christian civilization in the Arab world, and he was interested in approaching these topics from multiple angles, sociologically, anthropologically and historically. In 2018, his book on the letter of the monk of France and the response of Judge Abu al-Walid al-Baji to it - a comparative historical analytical study between the beliefs of Christianity and Islam, published by Saliki Brothers, the author is a researcher in the field of religion and its legislative affairs, and has published several studies and research in the same specialization, and his book is considered one of the important contributions to interreligious dialogue
Un système multi-agent pour la composition logicielle opportuniste en environnement ambiant et dynamique
No full textCyber-physical and ambient systems consist of fixed or mobile devices connected through communication networks. These devices host software components that provide services and may require other services to operate. These software components are usually developed, installed, and activated independently of each other and, with the mobility of users and devices, they may appear or disappear unpredictably. This gives cyber-physical and ambient systems an open and changing character. Software components are bricks that can be assembled to form applications. But, in such a dynamic and open context, component assemblies are difficult to design, maintain and adapt. Applications are used by humans who are at the heart of these systems. Ambient intelligence aims to offer them a personalized environment adapted to the situation, i.e. to provide the right application at the right time, anticipating their needs, which may also vary and evolve over time. To answer these problems, our team is exploring an original approach called "opportunistic software composition", which consists in automatically building applications on the fly from components currently available in the environment, without relying on explicit user needs or predefined assembly plans. In this way, applications emerge from the environment, taking advantage of opportunities as they arise. This thesis defines a software architecture for opportunistic software composition and proposes an intelligent system, called "opportunistic composition engine", in order to automatically build relevant applications, both adapted to the user and to the surrounding environment. The opportunistic composition engine periodically detects the components and their services that are present in the ambient environment, builds assemblies of components, and proposes them to the user. It automatically learns the user's preferences according to the situation in order to maximize user satisfaction over time. Learning is done online by reinforcement. It is decentralized within a multi-agent system in which agents interact via a protocol that supports dynamic service discovery and selection. To learn from and for the user, the latter is put in the loop. In this way, he keeps control over his ambient environment, and decides on the relevance of the emerging application before it is deployed. The solution has been implemented and tested. It works in conjunction with an interface that describes the emerging applications to the user and allows him to edit them. The user's actions on this interface are sources of feedback for the engine and serve as an input to the reinforcement learning mechanism.Les systèmes cyber-physiques et ambiants sont constitués d'appareils fixes ou mobiles reliés par des réseaux de communication. Ces appareils hébergent des composants logiciels qui fournissent des services et peuvent nécessiter d'autres services pour fonctionner. Ces composants logiciels sont généralement développés, installés et activés indépendamment les uns des autres et, avec la mobilité des utilisateurs et des appareils, ils peuvent apparaître ou disparaître avec une dynamique imprévisible. Ceci donne aux systèmes cyber-physiques et ambiants une nature ouverte et changeante. Les composants logiciels sont des briques que l'on peut assembler pour former des applications mais, dans un tel contexte de dynamique et d'ouverture, les assemblages de composants sont difficiles à concevoir, à maintenir et à adapter. Les applications sont utilisées par des humains qui sont donc au cœur de ces systèmes. L'intelligence ambiante vise à leur offrir un environnement personnalisé adapté à la situation, c'est-à-dire à fournir la bonne application au bon moment, en anticipant leurs besoins, qui peuvent aussi changer dans le temps. Pour répondre à ces problèmes, notre équipe explore une approche originale appelée "composition logicielle opportuniste" qui consiste à construire automatiquement des applications à la volée à partir des composants disponibles sur le moment dans l'environnement, sans s'appuyer sur des besoins explicites de l'utilisateur ni sur des plans d'assemblage prédéfinis. Ainsi, les applications émergent de l'environnement, en tirant parti des opportunités au fur et à mesure qu'elles se présentent. Cette thèse définit une architecture logicielle pour la composition logicielle opportuniste et propose un système intelligent, appelé "moteur" de composition opportuniste, afin de construire automatiquement des applications pertinentes, à la fois adaptées à l'utilisateur et à l'environnement ambiant. Le moteur de composition opportuniste détecte périodiquement les composants et leurs services présents dans l'environnement ambiant, construit des assemblages de composants et les propose à l'utilisateur. Il apprend automatiquement les préférences de l'utilisateur en fonction de la situation afin de maximiser ultérieurement sa satisfaction. L'apprentissage se fait en ligne par renforcement. Il est décentralisé au sein d'un système multi-agent dans lequel les agents interagissent via un protocole qui prend en charge la découverte et la sélection dynamique de services. Pour apprendre de l'utilisateur et pour l'utilisateur, ce dernier est mis dans la boucle. Ainsi, il garde le contrôle sur son environnement ambiant, et décide de la pertinence de l'application émergente avant qu'elle ne soit déployée. La solution a été implémentée et expérimentée. Elle fonctionne de manière couplée avec une interface qui décrit les applications émergentes à l'utilisateur et lui permet de les modifier. Les actions de l'utilisateur sur cette interface sont sources de feedback pour le moteur et servent à alimenter le mécanisme d'apprentissage par renforcement
Un système multi-agent pour la composition logicielle opportuniste en environnement ambiant et dynamique
No full textCyber-physical and ambient systems consist of fixed or mobile devices connected through communication networks. These devices host software components that provide services and may require other services to operate. These software components are usually developed, installed, and activated independently of each other and, with the mobility of users and devices, they may appear or disappear unpredictably. This gives cyber-physical and ambient systems an open and changing character. Software components are bricks that can be assembled to form applications. But, in such a dynamic and open context, component assemblies are difficult to design, maintain and adapt. Applications are used by humans who are at the heart of these systems. Ambient intelligence aims to offer them a personalized environment adapted to the situation, i.e. to provide the right application at the right time, anticipating their needs, which may also vary and evolve over time. To answer these problems, our team is exploring an original approach called "opportunistic software composition", which consists in automatically building applications on the fly from components currently available in the environment, without relying on explicit user needs or predefined assembly plans. In this way, applications emerge from the environment, taking advantage of opportunities as they arise. This thesis defines a software architecture for opportunistic software composition and proposes an intelligent system, called "opportunistic composition engine", in order to automatically build relevant applications, both adapted to the user and to the surrounding environment. The opportunistic composition engine periodically detects the components and their services that are present in the ambient environment, builds assemblies of components, and proposes them to the user. It automatically learns the user's preferences according to the situation in order to maximize user satisfaction over time. Learning is done online by reinforcement. It is decentralized within a multi-agent system in which agents interact via a protocol that supports dynamic service discovery and selection. To learn from and for the user, the latter is put in the loop. In this way, he keeps control over his ambient environment, and decides on the relevance of the emerging application before it is deployed. The solution has been implemented and tested. It works in conjunction with an interface that describes the emerging applications to the user and allows him to edit them. The user's actions on this interface are sources of feedback for the engine and serve as an input to the reinforcement learning mechanism.Les systèmes cyber-physiques et ambiants sont constitués d'appareils fixes ou mobiles reliés par des réseaux de communication. Ces appareils hébergent des composants logiciels qui fournissent des services et peuvent nécessiter d'autres services pour fonctionner. Ces composants logiciels sont généralement développés, installés et activés indépendamment les uns des autres et, avec la mobilité des utilisateurs et des appareils, ils peuvent apparaître ou disparaître avec une dynamique imprévisible. Ceci donne aux systèmes cyber-physiques et ambiants une nature ouverte et changeante. Les composants logiciels sont des briques que l'on peut assembler pour former des applications mais, dans un tel contexte de dynamique et d'ouverture, les assemblages de composants sont difficiles à concevoir, à maintenir et à adapter. Les applications sont utilisées par des humains qui sont donc au cœur de ces systèmes. L'intelligence ambiante vise à leur offrir un environnement personnalisé adapté à la situation, c'est-à-dire à fournir la bonne application au bon moment, en anticipant leurs besoins, qui peuvent aussi changer dans le temps. Pour répondre à ces problèmes, notre équipe explore une approche originale appelée "composition logicielle opportuniste" qui consiste à construire automatiquement des applications à la volée à partir des composants disponibles sur le moment dans l'environnement, sans s'appuyer sur des besoins explicites de l'utilisateur ni sur des plans d'assemblage prédéfinis. Ainsi, les applications émergent de l'environnement, en tirant parti des opportunités au fur et à mesure qu'elles se présentent. Cette thèse définit une architecture logicielle pour la composition logicielle opportuniste et propose un système intelligent, appelé "moteur" de composition opportuniste, afin de construire automatiquement des applications pertinentes, à la fois adaptées à l'utilisateur et à l'environnement ambiant. Le moteur de composition opportuniste détecte périodiquement les composants et leurs services présents dans l'environnement ambiant, construit des assemblages de composants et les propose à l'utilisateur. Il apprend automatiquement les préférences de l'utilisateur en fonction de la situation afin de maximiser ultérieurement sa satisfaction. L'apprentissage se fait en ligne par renforcement. Il est décentralisé au sein d'un système multi-agent dans lequel les agents interagissent via un protocole qui prend en charge la découverte et la sélection dynamique de services. Pour apprendre de l'utilisateur et pour l'utilisateur, ce dernier est mis dans la boucle. Ainsi, il garde le contrôle sur son environnement ambiant, et décide de la pertinence de l'application émergente avant qu'elle ne soit déployée. La solution a été implémentée et expérimentée. Elle fonctionne de manière couplée avec une interface qui décrit les applications émergentes à l'utilisateur et lui permet de les modifier. Les actions de l'utilisateur sur cette interface sont sources de feedback pour le moteur et servent à alimenter le mécanisme d'apprentissage par renforcement
A multi-agent system for opportunistic software composition in ambient and dynamic environment
No full textLes systèmes cyber-physiques et ambiants sont constitués d'appareils fixes ou mobiles reliés par des réseaux de communication. Ces appareils hébergent des composants logiciels qui fournissent des services et peuvent nécessiter d'autres services pour fonctionner. Ces composants logiciels sont généralement développés, installés et activés indépendamment les uns des autres et, avec la mobilité des utilisateurs et des appareils, ils peuvent apparaître ou disparaître avec une dynamique imprévisible. Ceci donne aux systèmes cyber-physiques et ambiants une nature ouverte et changeante. Les composants logiciels sont des briques que l'on peut assembler pour former des applications mais, dans un tel contexte de dynamique et d'ouverture, les assemblages de composants sont difficiles à concevoir, à maintenir et à adapter. Les applications sont utilisées par des humains qui sont donc au cœur de ces systèmes. L'intelligence ambiante vise à leur offrir un environnement personnalisé adapté à la situation, c'est-à-dire à fournir la bonne application au bon moment, en anticipant leurs besoins, qui peuvent aussi changer dans le temps. Pour répondre à ces problèmes, notre équipe explore une approche originale appelée "composition logicielle opportuniste" qui consiste à construire automatiquement des applications à la volée à partir des composants disponibles sur le moment dans l'environnement, sans s'appuyer sur des besoins explicites de l'utilisateur ni sur des plans d'assemblage prédéfinis. Ainsi, les applications émergent de l'environnement, en tirant parti des opportunités au fur et à mesure qu'elles se présentent. Cette thèse définit une architecture logicielle pour la composition logicielle opportuniste et propose un système intelligent, appelé "moteur" de composition opportuniste, afin de construire automatiquement des applications pertinentes, à la fois adaptées à l'utilisateur et à l'environnement ambiant. Le moteur de composition opportuniste détecte périodiquement les composants et leurs services présents dans l'environnement ambiant, construit des assemblages de composants et les propose à l'utilisateur. Il apprend automatiquement les préférences de l'utilisateur en fonction de la situation afin de maximiser ultérieurement sa satisfaction. L'apprentissage se fait en ligne par renforcement. Il est décentralisé au sein d'un système multi-agent dans lequel les agents interagissent via un protocole qui prend en charge la découverte et la sélection dynamique de services. Pour apprendre de l'utilisateur et pour l'utilisateur, ce dernier est mis dans la boucle. Ainsi, il garde le contrôle sur son environnement ambiant, et décide de la pertinence de l'application émergente avant qu'elle ne soit déployée. La solution a été implémentée et expérimentée. Elle fonctionne de manière couplée avec une interface qui décrit les applications émergentes à l'utilisateur et lui permet de les modifier. Les actions de l'utilisateur sur cette interface sont sources de feedback pour le moteur et servent à alimenter le mécanisme d'apprentissage par renforcement.Cyber-physical and ambient systems consist of fixed or mobile devices connected through communication networks. These devices host software components that provide services and may require other services to operate. These software components are usually developed, installed, and activated independently of each other and, with the mobility of users and devices, they may appear or disappear unpredictably. This gives cyber-physical and ambient systems an open and changing character. Software components are bricks that can be assembled to form applications. But, in such a dynamic and open context, component assemblies are difficult to design, maintain and adapt. Applications are used by humans who are at the heart of these systems. Ambient intelligence aims to offer them a personalized environment adapted to the situation, i.e. to provide the right application at the right time, anticipating their needs, which may also vary and evolve over time. To answer these problems, our team is exploring an original approach called "opportunistic software composition", which consists in automatically building applications on the fly from components currently available in the environment, without relying on explicit user needs or predefined assembly plans. In this way, applications emerge from the environment, taking advantage of opportunities as they arise. This thesis defines a software architecture for opportunistic software composition and proposes an intelligent system, called "opportunistic composition engine", in order to automatically build relevant applications, both adapted to the user and to the surrounding environment. The opportunistic composition engine periodically detects the components and their services that are present in the ambient environment, builds assemblies of components, and proposes them to the user. It automatically learns the user's preferences according to the situation in order to maximize user satisfaction over time. Learning is done online by reinforcement. It is decentralized within a multi-agent system in which agents interact via a protocol that supports dynamic service discovery and selection. To learn from and for the user, the latter is put in the loop. In this way, he keeps control over his ambient environment, and decides on the relevance of the emerging application before it is deployed. The solution has been implemented and tested. It works in conjunction with an interface that describes the emerging applications to the user and allows him to edit them. The user's actions on this interface are sources of feedback for the engine and serve as an input to the reinforcement learning mechanism
Expression of estrogen receptor beta isoforms in pancreatic adenocarcinoma
No full textCopyright: Younes et al. This is an open-access article distributed under the terms of the Creative Commons Attribution License 3.0 (CC BY 3.0), which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited. Limited studies have shown that some patients with pancreatic adenocarcinoma (PAC) may benefit from treatment with tamoxifen. PAC has been shown to be largely negative for estrogen receptor alpha (ER-alpha). The aim of this pilot study was to investigate ER-beta expression in human PAC. Sections of tissue microarray with 18 evaluable cases of human PAC were stained by immunohistochemistry (IHC) for ER-beta1, ER-beta2, ER-beta5, and Cyclin A. The levels of ER-beta isoform expression and the S-phase fraction (SPF) were determined using quantitative digital image analysis. Higher mean and median ER-beta2 levels correlated with male sex (p = 0.057 and p = 0.035, respectively), older age (p = 0.005 and p = 0.006, respectively), and lower pT stage (p = 0.008 and p = 0.009). Mean and median ER-beta5 levels correlated negatively with SPF (p = 0.021 and p = 0.047, respectively). Mean ER-beta1 expression did not correlate with any of the above mentioned clinicopathologic factors. The findings in this pilot study, although should be considered preliminary, suggest that some ER-beta isoforms may play a role in the biology of PAC. Additional larger studies are needed to confirm our findings, and to determine whether ER-beta may be considered for future targeted therapy
Spin glass analysis of the invariant distribution of lotka-volterra SDE with a large random interaction matrix
No full textThe generalized Lotka-Volterra stochastic differential equation with a symmetric food interaction matrix is frequently used to model the dynamics of the abundances of the species living within an ecosystem when these interactions are mutualistic or competitive. In the relevant cases of interest, the Markov process described by this equation has an unique invariant distribution which has a Hamiltonian structure. Following an important trend in theoretical ecology, the interaction matrix is considered in this paper as a large random matrix. In this situation, the (conditional) invariant distribution takes the form of a random Gibbs measure that can be studied rigorously with the help of spin glass techniques issued from the field of physics of disordered systems. Considering that the interaction matrix is an additively deformed GOE matrix, which is a well-known model for this matrix in theoretical ecology, the free energy of the model is derived in the limit of the large number n of species, making rigorous some recent results from the literature. The free energy analysis made in this paper could be adapted to other situations where the Gibbs measure is non compactly supported
- …
