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

widget_cartohal

Documents avec texte intégral

185

Documents en Open Access %

55 %

Références bibliographiques

221

Mots-clés

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