ESEO-Tech est le centre de Recherche, Developpement et Innovation de l'ESEO. L'activité de recherche est centrée sur la thématique des systèmes intelligents et communicants, du capteur à la décision.
ESEO-Tech regroupe 4 équipes de recherche : AGE : Automatique et Génie électrique prend appui sur le développement des énergies renouvelables (EnR) dans le paysage de la production d’énergie électrique et travaille au pilotage et à l’optimisation des réseaux électriques intelligents, en partenariat avec l’IREENA – EA 4642, Institut de recherche en Énergie Électrique de Nantes Atlantique. ERIS : L'équipe de Recherche en Informatique et Systèmes s’articule avec un premier axe autour de l'intelligence artificielle pour créer et améliorer des systèmes d'aide à la décision pour les systèmes d'information. Son deuxieme axe s'interesse à l'ingénierie logicielle et en particulier l'ingénierie des modèles en développant des outils de transformation, synchronisation, interprétation ou éxécution de modèles avec un focus particulier sur les systèmes embarqués. L'équipe est partiellement rattachée au LERIA-EA2645 (Laboratoire d’étude et de recherche en informatique de l’Université d’Angers). GSII : Groupe Signal Image et Instrumentation s’intéresse aux domaines du traitement du signal et de l’image et de l’intelligence artificielle pour la mesure, l’instrumentation et le développement de capteurs, sur des applications en géophysique, contrôle non destructif et biomédical, en lien avec le LAUM UMR 6613 –CNRS, le laboratoire d’Acoustique de Le Mans Université. RF-EMC : L'équipe Radio-Fréquences et Compatibilité Électromagnétique travaille à la fois à l’échelle du composant électronique et du système. Elle crée de nouvelles architectures de systèmes et dispositifs de transmission, de récupération/transmission d’énergie électromagnétique et mène des travaux sur la compatibilité électromagnétique : modélisation et caractérisation prédictive des comportements. Ses membres sont associés à l’IETR - Institut d’Electronique et des Technologies du numérique UMR CNRS 6164.
Le laboratoire accueille 35 permanents, dont 27 enseignants-chercheurs, qui élaborent dans leurs domaines respectifs de nouveaux concepts, expérimentent et mènent leurs projets jusqu’à la démonstration en environnement réel. ESEO-Tech accueille également chaque année une trentaine de doctorants et post-doctorants. |
Mots clés
Model Driven Engineering
Closed-form solution
Active transformation
Entropy
Peripheral artery disease
Accelerométrie
FDTD
Coda Wave Interferometry
Pathophysiology
Microstrip
Temperature measurement
Genetic algorithm
Apprentissage par Renforcement
Model-checking
Switching piecewise-constant controller
IDM
Malan
Nonlinearity
Modelling
Machine Learning
Malai
Bifurcation
OCL
Emission
Artefact rejection
DPI
Independent chaotic attractors
Near field
EMC
Super-Twisting Sliding Mode Control
Calibration
Classification
Analytical model
Systèmes embarqués
Autonomous Vehicles
Binary sequence
Immunity testing
Diagnosis
Structural health monitoring
Cable shielding
Immunity
IEC
Anticontrol of chaos
Active Front Steering
Optimization
Optimal command
Full-wave simulation
Big Data
Field-to-trace coupling
Claudication
Concrete
MDE
Mapping
Interaction
Cardiovascular risk
Sleep apnea
Accelerometry
Model transformation
Dairy cows
Vehicle dynamics
Pins
Acoustoelasticity
Modeling
Reliability
PCB
Metamaterial
Equations
GTEM cell
Action
Field-to-line coupling
Susceptibility
Electromagnetic compatibility
Transcutaneous oximetry
Integrated circuit modeling
Simulation
Temperature distribution
Conducting materials
Capacitors
UML
Thoracic outlet syndrome
Damage detection
IC
Calf pain
Integrated circuits
Initial conditions
Modélisation
Aging
Monitoring
Bandits-Manchots Combinatoires
Prediction
Chaos
Radio frequency
Ultrasound
Microembolus
Accelerometer
Instrument
Symmetry
Machine learning
Ischemia
Integrated circuit
|
|
Nos dernières publications
-
Jaber Al Rashid, Mohsen Koohestani, Laurent Saintis, Mihaela Barreau. Degradation and Reliability Modeling of EM Robustness of Voltage Regulators Based on ADT: An Approach and A Case Study. IEEE Transactions on Device and Materials Reliability, 2024, 24 (1), pp.2-13. ⟨10.1109/TDMR.2023.3340426⟩. ⟨hal-04334074⟩
-
Lokesh Devaraj, Qazi Mashaal Khan, Alastair Ruddle, Alistair Duffy, Richard Perdriau, et al.. Improvements Proposed to Noisy-OR Derivatives for Multi-Causal Analysis: A Case Study of Simultaneous Electromagnetic Disturbances. International Journal of Approximate Reasoning, 2024, 164, pp.109068. ⟨10.1016/j.ijar.2023.109068⟩. ⟨hal-04301458⟩
-
Nathan Fradet, Nicolas Gutowski, Fabien Chhel, Jean-Pierre Briot. Byte Pair Encoding for Symbolic Music. The 2023 Conference on Empirical Methods in Natural Language Processing (EMNLP 2023), Association for Computational Linguistics, Dec 2023, Singapore, Singapore. pp.2001-2020, ⟨10.18653/v1/2023.emnlp-main.123⟩. ⟨hal-03976252v2⟩
-
Nathan Fradet, Nicolas Gutowski, Fabien Chhel, Jean-Pierre Briot. Impact of time and note duration tokenizations on deep learning symbolic music modeling. 24th Conference of the International Society for Music Information Retrieval (ISMIR) 2023, Augusto Sarti; Fabio Antonacci; Mark Sandler, Nov 2023, Milano, Italy. pp.89-97, ⟨10.5281/zenodo.10265229⟩. ⟨hal-04147659⟩
-
Jaber Al Rashid, Mohsen Koohestani, Laurent Saintis, M. Barreau. High Temperature Accelerated Ageing Influence on the Conducted Immunity Modelling of the Commonly Used Voltage Regulator ICs. 2023 International Symposium on Electromagnetic Compatibility – EMC Europe, Sep 2023, Cracovie, Poland. pp.1-7, ⟨10.1109/EMCEurope57790.2023.10274315⟩. ⟨hal-04239269⟩