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
Big Data
Coda Wave Interferometry
Metamaterial
Apprentissage par Renforcement
Claudication
Reliability
Model-checking
Integrated circuit modeling
Monitoring
Acoustoelasticity
Optimization
Electromagnetic compatibility
Action
Thoracic outlet syndrome
Structural health monitoring
Modélisation
Equations
Machine Learning
Optimal command
Vehicle dynamics
Active transformation
Capacitors
PCB
Accelerométrie
Radio frequency
Concrete
Immunity
EMC
Emission
Field-to-line coupling
Ultrasound
Transcutaneous oximetry
Susceptibility
Microstrip
OCL
Binary sequence
Malai
Analytical model
Accelerometry
Initial conditions
Interaction
Antioxidant activity
Super-Twisting Sliding Mode Control
Immunity testing
Independent chaotic attractors
Ischemia
Anti-diabetic properties
Systèmes embarqués
Cable shielding
Model transformation
MDE
Modeling
Switching piecewise-constant controller
Temperature distribution
Machine learning
Pins
Damage detection
Active Front Steering
Instrument
Calf pain
Malan
Peripheral artery disease
IEC
GTEM cell
UML
Integrated circuits
Modelling
Classification
Mapping
IDM
Entropy
Microembolus
Artefact rejection
Simulation
Bandits-Manchots Combinatoires
Dairy cows
Autonomous Vehicles
FDTD
Pathophysiology
IC
Bifurcation
DPI
Aging
Symmetry
Chaos
Genetic algorithm
Full-wave simulation
Field-to-trace coupling
Accelerometer
Diagnosis
Nonlinearity
Prediction
Integrated circuit
Model Driven Engineering
Conducting materials
Anticontrol of chaos
Sleep apnea
Near field
Temperature measurement
Calibration
|
|
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⟩
-
Safae Ouahabi, Nour Elhouda Daoudi, El Hassania Loukili, Hbika Asmae, Mohammed Merzouki, et al.. Investigation into the Phytochemical Composition, Antioxidant Properties, and In-Vitro Anti-Diabetic Efficacy of Ulva lactuca Extracts. Marine drugs, 2024, 22 (6), pp.240. ⟨10.3390/md22060240⟩. ⟨hal-04616809⟩
-
-
-
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⟩