1 ressource a été trouvée.
Affichage de
résultats par page
Attention : l'accès aux ressources peut être restreint, soit pour des raisons juridiques, soit par la volonté de l'auteur.

Développement de méthodes d’apprentissage profond pour la reconstruction de données spatio-temporelles hautement comprimées : application aux signaux des réseaux de capteurs sans fil et aux simulations céramiques de structures colloïdales

Développement de méthodes d’apprentissage profond pour la reconstruction de données spatio-temporelles hautement comprimées : application aux signaux des réseaux de capteurs sans fil et aux simulations céramiques de structures colloïdales Droits d'accès : non autorisé
année de soutenance : 2024
auteur : Rousseau Sébastien
laboratoire : XLIM
thème : Informatique
Description : Cette thèse présente des méthodes d’apprentissage profond de reconstruction dedonnées spatio-temporelles qui identifient les modèles de transformation des données connues en données attendues. Une première application est dédiée aux signaux compressés de réseaux de capteurs sans fil. Elle est basée ...