L'équipe SIAM (Signal, Image, AutoMatique) est une équipe interdisciplinaire dont les recherches s’articulent autour des quatre étapes indispensables à l’étude générale d’un système que sont la perception, l’observation, la modélisation et la commande. Les deux types de systèmes visés pour l’application de ces méthodes sont principalement les véhicules et les systèmes biologiques. Les comportements hors normes des systèmes étudiés ainsi que la prise en compte de leur autonomie conduisent les chercheurs de l’équipe à mettre en œuvre des méthodes originales sur des aspects très variés : comportement en limite de sécurité pour les véhicules, véhicule aérien plus léger que l’air, coopération d’engins autonomes, mobilité des cellules en phase améboïde et prise en compte du micro-environnement.

Cette expertise participe à la définition de l’équipe et à son rayonnement. S’appuyant sur des applications hétérogènes, l’équipe a imaginé des méthodes transversales aux outils habituels, offrant ainsi la possibilité de relier des disciplines donc des communautés qui ne le sont pas naturellement. Citons quelques exemples : la décomposition de tenseurs statistiques pour l’analyse d’images 3D, la théorie de la décision statistique appliquée à la reconnaissance de types cellulaires, la prise en compte de modèles déformables avec efforts aéro-élastiques dans le but du contrôle de dirigeables, la classification de la stabilité sous contraintes de systèmes non-hamiltoniens.

L’équipe mise donc sur ces interactions multidisciplinaires pour asseoir son projet de recherche dans un contexte local favorable (installation du CHSF en 2010, de l’IRBA en 2009, extension de Genopole, rapprochement avec l’IFFSTAR-LIVIC).

Derniers dépôts

Chargement de la page

widget_cartohal

Documents avec texte intégral

182

Documents en Open Access %

56 %

Références bibliographiques

216

Mots-clés

Nonlinear systems Gait rehabilitation Heuristic algorithms Neural networks Model Predictive Control Deep Learning LMI constraints Fuzzy systems Segmentation Fault detection Autonomous vehicles Localization State estimation Actuator saturation Aggregation Robust control Markov processes Model predictive control Stability Unknown input Ridge extraction UAVs Apprentissage profond LMI Object detection Linear Matrix Inequality LMI Lyapunov Theory Interval observer Fault-Tolerant Control Adaptive Control Games UAV Identification Cyberattack Contour extraction Stability analysis Pooling function Vehicle dynamics Roads Optical flow Optimization Lyapunov methods Multi-task learning Time delay Fault-tolerant control Reinforcement learning Linear matrix inequality Rank aggregation Home Electrical Appliances HEAs Machine learning Adaptation models Takagi-Sugeno Autonomous aerial vehicles Autonomous Vehicles Sensor faults Adaptive control Optimal control Clinical gait analysis Calibration Photovoltaic system Fuzzy control Costs Convolutional neural networks Nonlinear control Estimation Deep learning Grid stability Adaptive fuzzy control Sliding mode control Fuzzy logic systems DC MicroGrids Semantic segmentation Stability criteria Actuators Attention Renewable source integration LPV systems Neural Networks Observers Disturbance observer Linear matrix inequalities LMIs Multi-agent systems Cameras Asymmetric saturation Consensus control Aerial Robot Structure from Motion LMIs Fault estimation Linear systems Time-frequency Adaptive systems Synchrosqueezing Linear matrix inequalities Autonomous driving Six-rotor unmanned aerial vehicles Protocols LBP Observer-based control Artificial intelligence