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
Vehicle dynamics
Coda Wave Interferometry
Sleep apnea
Classification
Big Data
Full-wave simulation
Machine learning
Accelerométrie
Aging
Field-to-line coupling
Switching piecewise-constant controller
Cardiovascular risk
Model-checking
Machine Learning
Action
Genetic algorithm
Interaction
Malai
Optimal command
Calf pain
Nonlinearity
Field-to-trace coupling
Capacitors
Analytical model
Cable shielding
Simulation
Calibration
Microembolus
Apprentissage par Renforcement
Immunity
Initial conditions
Pins
DPI
Artefact rejection
Modeling
Concrete
Temperature measurement
Prediction
IC
Temperature distribution
MDE
Claudication
Diagnosis
OCL
Ultrasound
Conducting materials
Instrument
Active transformation
Damage detection
Accelerometry
EMC
Integrated circuits
Systèmes embarqués
Model transformation
Reliability
Autonomous Vehicles
GTEM cell
Integrated circuit modeling
Equations
Immunity testing
Chaos
Emission
Binary sequence
PCB
Bifurcation
Super-Twisting Sliding Mode Control
IDM
Transcutaneous oximetry
Anticontrol of chaos
Structural health monitoring
Integrated circuit
FDTD
UML
Ischemia
Optimization
Malan
Acoustoelasticity
Electromagnetic compatibility
Monitoring
Mapping
Metamaterial
Modélisation
Entropy
Susceptibility
Independent chaotic attractors
Thoracic outlet syndrome
Modelling
Symmetry
Microstrip
Near field
Accelerometer
Closed-form solution
Peripheral artery disease
Model Driven Engineering
Radio frequency
Dairy cows
Active Front Steering
IEC
Bandits-Manchots Combinatoires
Pathophysiology
|
|
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⟩