Bảo vệ khóa luận của các sinh viên Lê Xuân Sang, Samy Mameri và Phạm Văn Trung
- Thứ ba - 10/12/2013 15:24
- In ra
- Đóng cửa sổ này
TÓM TẮT
Khóa luận của Lê Xuân Sang
Đề tài: OPTIMISATION PAR PARALLELISATION DE L’ALGORITHME DE RECALAGE ELASTIQUE 3D FREE FORM DEFORMATION (FFD)
Le travail de ce stage consiste à optimiser les paramètres d’une implémentation de l’algo- rithme de recalage élastique FFD (3D) afin d’améliorer la qualité des estimations calculées. Pour cela, il est nécessaire, dans un premier temps, d’acquérir une bonne connaissance de l’infrastructure logicielle existante (2.6) au sein de l’équipe et de comprendre le fonc- tionnement de l’algorithme de recalage non-linéaire FFD étudié (2.5). Dans un deuxième temps, il est indispensable de mettre en œuvre un outil permettant d’évaluer quantitati- vement les performances de l’algorithme de recalage et de réaliser une série de tests afin d’optimiser les paramètres de cette méthode. Le but final est de proposer une approche d’optimisation permettant de pallier les problèmes posés.
P { margin-bottom: 0.21cm; }
Khóa luận của Samy Mamery
Đề tài : Développement d'outils de visualisation 3D au sein d'une plateforme de modélisation et simulation à base d'agents
L'objectif de ce stage est de participer au développement et à l'amélioration d'outils existants de visualisation des modèles de simulation en utilisant la librairie graphique OpenGL mais également de contribuer à l'ajout de nouvelles fonctionnalités permettant l'importation et l'exportation des simulations sous la forme de fichiers capables aussi bien de stocker les informations 3D ainsi que celles liées aux règles intrinsèques des modèles multi-agents.
P { margin-bottom: 0.21cm; }
Khóa luận của Phạm Văn Trung
Đề tài: Implémentation d’une copule mutilvariée
L’objectif de ce mémoire de fin d’études est d’implémenter une copule multivariée associée à un Cumulative Distribution Network (CDN). CDN est une fonction de répartition d’un grand nombre de variables qui se factorise en produit de fonctions de répartition bivariées. Ce modèle permet de décrire la dépendance entre plusieurs variables aléatoires via un graphe où les arrêtes représentent les fonctions reliant les variables. La fonction de vraisemblance est calculée grâce à un algorithme de message-passing. L’inférence dans le CDN est alors mise en oeuvre via la maximisation de la vraisemblance en utilisant une méthode d’optimisation.