3,182 results on '"Génie Informatique"'
Search Results
2. Management decision-aiding with a fuzzy integral based Performance Measurement System
- Author
-
Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC) ; Université de Savoie, Laboratoire de Génie Informatique et d'Ingénierie de Production (LGI2P) ; Ecole Nationale Supérieure des Mines d'Alès, Atlantis press, Berrah, Lamia, Montmain, Jacky, Clivillé, Vincent, Mauris, Gilles, Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC) ; Université de Savoie, Laboratoire de Génie Informatique et d'Ingénierie de Production (LGI2P) ; Ecole Nationale Supérieure des Mines d'Alès, Atlantis press, Berrah, Lamia, Montmain, Jacky, Clivillé, Vincent, and Mauris, Gilles
- Abstract
International audience, This article is a contribution to the decision-maker's requirements to adapt resource allocation and define rewards according to the performance assessments at each milestone of an improvement action plan execution. Our approach is based on Performance Measurement Systems relating interacting elementary performance to the overall performance by a 2-additive Choquet integral aggregation. Performance improvement analysis for resource allocation and motivation management is based on the marginal contributions of each elementary performance to the overall performance which give useful information on the way the overall performance has been achieved and would be improved. The propositions are applied to the business turn-over performance improvement of a SME company manufacturing kitchens and bathrooms.
3. The Contribution concept for the control of a manufacturing multi-criteria performance improvement
- Author
-
Vincent Clivillé, Lamia Berrah, Jacky Montmain, Gilles Mauris, Laboratoire d'Informatique, Systèmes, Traitement de l'Information et de la Connaissance (LISTIC), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry]), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), and Laboratoire de Génie Informatique et d'Ingénierie de Production (LGI2P)
- Subjects
0209 industrial biotechnology ,Engineering ,Operations research ,Choquet Integral ,Control (management) ,Context (language use) ,02 engineering and technology ,Industrial and Manufacturing Engineering ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] ,Set (abstract data type) ,020901 industrial engineering & automation ,Artificial Intelligence ,0202 electrical engineering, electronic engineering, information engineering ,Production (economics) ,Performance measurement ,Performance Measurement System ,business.industry ,Multi-criteria and interacting Performance ,Manufacturing Performance ,Industrial engineering ,Improvement Contribution ,Expression (mathematics) ,[SPI.MECA.GEME]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph] ,Choquet integral ,020201 artificial intelligence & image processing ,Performance improvement ,business ,Software - Abstract
International audience; By dealing with an overall manufacturing performance improvement context, we introduce in this paper the “improvement contribution” concept. A framework that integrates such a concept to the quantification of a multi-criteria interacting performance is proposed. The improvement contribution is defined as a new intelligent functionality that quantifies the impact of the improvement of a single (or a set of) mono-criterion performance(s) on the improvement of an overall performance. When performances are interacting, the quantification of such a contribution cannot be direct. The proposed approach consists of an extension of a previously developed Performance Measurement System (PMS). The considered PMS integrates an aggregation operator - the Choquet Integral (CI) - for the expression of an overall performance by handling weights and interactions between the mono-criterion performances. The principles of the improvement contribution and its quantification are thus presented in addition to the way the improvement contribution can be used for helping decision-makers in their manufacturing improvement control. As an illustration, the use of these contributions within successive iterations of improvement actions is shown using a case study submitted by the SME Fournier Company
- Published
- 2016
4. Global, regional, and national comparative risk assessment of 79 behavioural, environmental and occupational, and metabolic risks or clusters of risks in 188 countries, 1990-2013
- Author
-
Yong Zhao, Hadi Danawi, Bach Xuan Tran, Gene Bukhman, Vasiliki Stathopoulou, Taavi Tillmann, Nelson Alvis-Guzman, Yongmei Li, Jerry Puthenpurakal Abraham, Sudan Prasad Neupane, Jack Caravanos, Ben Schöttker, Rafael Lozano, Damian G Hoy, Yoshihiro Kokubo, Nicholas J K Breitborde, Sergey Soshnikov, Yukito Shinohara, Randall V. Martin, Michael Brainin, Fernando Perez-Ruiz, Yingfeng Zheng, Santosh Mishra, Julio Cesar Montañez Hernandez, Michael Phillips, Belinda J. Gabbe, Hebe N. Gouda, Ziad A. Memish, Rupert R A Bourne, Guoqing Hu, Emmanuel A. Ameh, Abigail McLain, Michelle L. Bell, Christopher Margono, Marissa Iannarone, Wilkister N. Moturi, Donald H. Silberberg, Carl Abelardo T. Antonio, Nataliya Foigt, Anand Dayama, Yanping Wang, Amanda J. Mason-Jones, Bolajoko O. Olusanya, Monica S. Vavilala, Katherine B Gibney, David Tanne, Sidibe S Kany Roseline, Marcella Montico, Abhishek Singh, Sarah Derrett, Alireza Esteghamati, Seok Jun Yoon, Corine Karema, Rakhi Dandona, David M. Pereira, Kazem Rahimi, Gitanjali M. Singh, Vivekanand Jha, John Hornberger, Anne M. Riederer, Kathryn H. Jacobsen, Andrea Pedroza, Lily Alexander, Fiona M. Blyth, Tommi Vasankari, Kyle J Foreman, Rana J. Asghar, Tilahun Nigatu Haregu, Yousef Khader, Rafael Alfonso-Cristancho, Suzanne Barker-Collo, Lydia S. Atkins, Simerjot K. Jassal, Mohammad Ali Sahraian, Peter Scarborough, Hans W. Hoek, E. Ray Dorsey, Muluken Dessalegn, David C. Schwebel, Gavin Shaddick, Thomas D. Fleming, Mohammad Tavakkoli, Dorairaj Prabhakaran, Mohammad H. Forouzanfar, Christopher C. Mapoma, Jost B. Jonas, Erin C Mullany, Gene F. Kwan, Johanna M. Geleijnse, Antonio Luiz Pinho Ribeiro, Roberto Tchio Talongwa, Tolesa Bekele, Jed D. Blore, Gunn Marit Aasvang, Philimon Gona, Miguel Angel Alegretti, Babak Eshrati, Mitsuru Mukaigawara, Richard F. Gillum, Odgerel Chimed-Ochir, Ubai Alsharif, Richard C. Franklin, Felix Masiye, Richard T. Burnett, Sanjay Krishnaswami, Martin McKee, John J Huang, Lucía Cuevas-Nasu, Wagner Marcenes, Walid Ammar, Knud Juel, Joseph R. Zunt, Martha M Téllez Rojo, Mamta Swaroop, Noela M Prasad, Azmeraw T. Amare, Tim Driscoll, Michael Kravchenko, Heresh Amini, Amir Sapkota, Theo Vos, Charlotte Watts, Dennis Odai Laryea, D. Alex Quistberg, Justin Beardsley, Cheng Huang, Adnan M. Durrani, Sarah V Thackway, Rita Van Dingenen, Manami Inoue, Martha Híjar, Honglei Chen, Amany H. Refaat, Yichong Li, Vineet K. Chadha, Wenzhi Wang, Louisa Degenhardt, Kingsley N. Ukwaja, Nayu Ikeda, James D. Wilkinson, Linh N Bui, Maria Hagströmer, Gonghuan Yang, Ann Kristin Knudsen, David J. Margolis, Soewarta Kosen, Hans Kromhout, Atsushi Goto, Man Mohan Mehndiratta, Thomas N. Williams, Michael Soljak, Yun Jin Kim, Hideaki Toyoshima, Jeyaraj D Pandian, Borja del Pozo-Cruz, Soufiane Boufous, Ivy Shiue, Anders Larsson, Guilherme V. Polanczyk, John Powles, Yara A. Halasa, Robin Room, Ratilal Lalloo, Carolina Batis Ruvalcaba, Panniyammakal Jeemon, Elisabete Weiderpass, Jürgen Rehm, Ejaz Ahmad Khan, Alicia Aleman, Zacharie Tsala Dimbuene, Elena Alvarez, Rachelle Buchbinder, Randah R. Hamadeh, Bryan Hubbell, Sadaf G. Sepanlou, Farhad Islami, Costas A. Christophi, Heidi Stöckl, Ismael R. Campos-Nonato, Nigel Bruce, Edward J Mills, Samuel A L Perry, Taavi Lai, Baffour Awuah, Mete Saylan, Karen J. Courville, Arindam Basu, Vanessa De la Cruz-Góngora, Teresita González de Cosío, Naohiro Yonemoto, Frida Namnyak Ngalesoni, Muluken Azage Yenesew, Atte Meretoja, Michael Brauer, Cyrus Cooper, Giorgia Giussani, Valentina S. Arsic Arsenijevic, Vasiliy Victorovich Vlassov, André Karch, Leilei Duan, Matthew M Coates, Omid Ameli, Gelin Xu, Matthias Endres, Ganesan Karthikeyan, Ione Jayce Ceola Schneider, Mohamed Hsairi, Palwasha Anwari, Mazin J. Al Khabouri, Dariush Mozaffarian, Juan R. Sanabria, Pablo M. Lavados, Sumeet S. Chugh, Johan Ärnlöv, Ivo Rakovac, Maurice Giroud, Haidong Kan, Ibrahim Abdelmageem Mohamed Ginawi, José Luis Texcalac-Sangrador, Luigi Naldi, Erica Leigh Slepak, Deena Alasfoor, James E. Saunders, Richard Matzopoulos, Talal Bakfalouni, Stein Emil Vollset, Andrea Werdecker, Lennert J. Veerman, Lorenzo Monasta, Henrica A. F. M. Jansen, Reyna A Gutiérrez, Brittany Wurtz, Luz Maria Sanchez, Lijing L. Yan, M. Patrice Lindsay, Michele Meltzer, Sanjay Basu, Steven van de Vijver, Alaa Badawi, Thomas Claßen, Young-Ho Khang, Brett M. Kissela, Jun Zhu, In-Hwan Oh, Fiona J Charlson, Maria Cecilia Bahit, Dinorah González-Castell, Rosario Cárdenas, Dan Poenaru, Sayed Saidul Alam, Mitchell T. Wallin, Harish Chander Gugnani, James Leigh, Ferrán Catalá-López, Lidia Morawska, Jim van Os, Stephanie J. London, Kaire Innos, Isabelle Romieu, Fiorella Cavalleri, Adrian Davis, Hwee Pin Phua, Chakib Nejjari, Héctor Gómez Dantés, Boris I. Pavlin, Karen Sliwa, Lynne Gaffikin, Constance D. Pond, Michael F. MacIntyre, Blake Thomson, Norberto Perico, Ronny Westerman, Samantha M. Colquhoun, Michael H. Criqui, Ana Maria Nogales Vasconcelos, Wubegzier Mekonnen, Bulat Idrisov, Ana Basto-Abreu, Andrew G. M. Bulloch, Jasvinder A. Singh, Vinod K. Paul, Emin Murat Tuzcu, Svetlana Popova, Hmwe H Kyu, Richard L. Guerrant, Mohammed I. Albittar, Srikanth Mangalam, Steven E. Lipshultz, Lela Sturua, Semaw Ferede Abera, Eduardo Bernabé, George D. Thurston, Bruno F. Sunguya, Tiffany Ku, Alejandra G. Contreras, Abdullah Sulieman Terkawi, Charles Atkinson, Ashkan Afshin, Heidi J. Larson, Abdullatif Husseini, Jose C. Adsuar, Reza Assadi, Ademola Lukman Adelekan, Joshua A. Salomon, Yousef M. Elshrek, Gokalp Kadri Yentur, Devina Nand, Narayanaswamy Venketasubramanian, Graça Maria Ferreira De Lima, Maheswar Satpathy, Fotis Topouzis, Traolach S. Brugha, Hywel C Williams, Coen H. Van Gool, Andrew H. Kemp, Awoke Misganaw, Amado D Quezada, Norito Kawakami, Bert Brunekreef, Peter Burney, Tati S. Warouw, Jongmin Lee, Inga Dora Sigfusdottir, Marcel Tanner, Solveig A. Cunningham, Benjamin O. Anderson, Tariku Jibat Beyene, Lars Barregard, Xia Wan, Giuseppe Remuzzi, Bernadette Thomas, Lilia S Pedraza, Massimo Cirillo, Alina Rodriguez, Ricky Leung, Farshad Pourmalek, K. Srinath Reddy, Charles D.A. Wolfe, Ulrich O Mueller, Neeraj Bedi, Al Artaman, Lucia Hernandez, Itamar S. Santos, C. Arden Pope, Norlinah Mohamed Ibrahim, Carlo Irwin A. Panelo, Selen Begüm Uzun, Miltiadis K. Tsilimbaris, Anwar Rafay, Daniel Dicker, Melvin Barrientos Marzan, Sajjad Ur Rahman, Mohammed O. Basulaiman, Edgar P. Simard, Mohammad T Mashal, Maysaa El Sayed Zaki, Shiwei Liu, Don C. Des Jarlais, Bo Norrving, Salvador Villalpando, Miia Kivipelto, Yang Liu, Carolina Maria Teixeira, Catalina Medina, Sudha Jayaraman, Josep Maria Haro, Diego De Leo, Angel J Paternina Caicedo, Abigail C. McKay, Eric L. Ding, Mukesh Dherani, Ljiljana Pejin Stokic, Vinay Nangia, Sukanta Saha, Juan Liang, Elisabeth Cardis, Zourkaleini Younoussi, José R Nogueira, Braden Te Ao, Vasco Manuel Pedro Machado, Lionel Racapé, Ting Wu Chuang, Shahab Khatibzadeh, E Filipa de Castro, Barthelemy Kuate Defo, Ulises Trujillo, Alan D. Lopez, Soraya Seedat, Lope H Barrero, Linhong Wang, Daniel Pope, Alexandra Brazinova, Faris Lami, Valentina Colistro, G Anil Kumar, Derek F J Fay, Haidong Wang, Hwashin H. Shin, Raimundas Lunevicius, Suzanne Polinder, Dietrich Plass, David Rojas-Rueda, Stephen S Lim, Tania G Sánchez-Pimienta, K.M. Venkat Narayan, Yuantao Hao, Jung-Chen Chang, Corina Benjet, Seyed-Mohammad Fereshtehnejad, Luciano A. Sposato, Stan Biryukov, Kunihiro Matsushita, Beth E. Ebel, Cleusa P. Ferri, Soumya Swaminathan, K. Ryan Wessells, Gustavo Velasquez-Melendez, Leslie T. Cooper, David O. Carpenter, Nancy Lopez, Bryan L. Sykes, Sandra Nolte, Murray B. Stein, Paul N. Jensen, Fabiola Mejía-Rodríguez, Xiaonong Zou, Bradford D. Gessner, Dhruv S. Kazi, Dragos Virgil Davitoiu, Alejandra Jáuregui, Pouria Heydarpour, Megan Bohensky, Harvey Whiteford, Berrak Bora Basara, Zhengming Chen, Gregory R. Wagner, Paul I. Dargan, Hermann Brenner, Nima Hafezi-Nejad, John Nelson Opio, Scott Weichenthal, Deborah Salvo, Jun She, Tea Lallukka, Carolyn C. Gotay, Stephen G. Waller, Christian Kieling, Shivanthi Balalla, Valery L. Feigin, Qing Lan, Matias Trillini, Adam D M Briggs, Sungroul Kim, Niveen M E Abu-Rmeileh, Renata Micha, Sergey Petrovich Ermakov, Ole Frithjof Norheim, Zulfiqar A Bhutta, Paul S. F. Yip, Grant Nguyen, Ralph L. Sacco, Biju Abraham, Ken Takahashi, Jixiang Ma, Peter A. Meaney, Ayse Abbasoglu Ozgoren, Kimberly Cooperrider, M Rifat Kose, Shams Eldin Ali Hassan Khalifa, Rasmus Havmoeller, Alize J. Ferrari, Kebede Deribe, Nadim E. Karam, George A. Mensah, Bongani M. Mayosi, Konrad Pesudovs, Joanna Moschandreas, Ziad Nahas, James Damsere-Derry, Nsanzimana Sabin, Tonatiuh Barrientos-Gutiérrez, Ying Jiang, Andre Pascal Kengne, Peter Allebeck, Jonas Minet Kinge, Shankuan Zhu, Guy B. Marks, Daniel C Casey, Marco A Avila, Anna Roca, Lalit Dandona, Ami R. Moore, Adansi A. Amankwaa, David Gunnell, Andre Keren, Yohannes Adama Melaku, Nhung T Nguyen, Anthony D. Woolf, Mayuree Rao, Peter J. Allen, Christina Papachristou, Karzan Abdulmuhsin Mohammad, Ravi Kumar Balu, Marie Ng, Marcello Tonelli, Maziar Moradi-Lakeh, Maigeng Zhou, Emmanuela Gakidou, Mohammed K. Ali, Amanda W Pain, Dan J. Stein, Kawkab Shishani, Fortuné Gbètoho Gankpé, Howard J. Hoffman, James Scott, Nadine Steckling, Samia Alhabib, Deborah Jarvis, Kara Estep, Arsène Kouablan Adou, Ricardo Orozco, Holly Hagan, K. C. Astha, Reza Malekzadeh, Klara Dokova, Aliya Naheed, Ernst J. Kuipers, Valeria Caso, Derrick A Bennett, Andrea B. Feigl, Uche S. Uchendu, Holly E. Erskine, Shireen Sindi, Arjun Lakshmana Balaji, Francesco Saverio Violante, Monika Sawhney, Alejandra Cantoral, Ketevan Goginashvili, Raghib Ali, Fan Jiang, Robert G. Weintraub, Homie Razavi, Myriam Tobollik, Howard Hu, Emerito Jose A. Faraon, Irma Khonelidze, Patricia M. Riccio, Eun-Kee Park, Julio Cesar Campuzano, Ibrahim Abubakar, Jürgen C Schmidt, Konstantinos Stroumpoulis, Aref A. Bin Abdulhak, Graeme J. Hankey, Natan M. Bornstein, Mouhanad Hammami, Lee Richardson, Rintaro Mori, Alanur Çavlin, Ruth W Kimokoti, Samir Soneji, Mark J. Nieuwenhuijsen, John Q. Wong, Joseph Frostad, Tom Achoki, Rahman Shiri, Ashish Bhalla, Kurt Straif, Simon I. Hay, Scott B. Patten, Kalpana Balakrishnan, Awoke Misganaw Temesgen, Chandrashekhar T Sreeramareddy, Ryan M Barber, Rosana E. Norman, JianLi Wang, Siyi Shangguan, Luke Nyakarahuka, Kovin Naidoo, Charles D. H. Parry, Mercedes Colomar, H. Ross Anderson, Carlos Magis-Rodriguez, Joan M. Nolla, Muhammad Imran Nisar, Karen Devries, Andrew L. Thorne-Lyman, Denis Nash, Marape Marape, Rajiv Chowdhury, Dima M. Qato, Luca Ronfani, Nobhojit Roy, Daniel Kim, Yuichiro Yano, Luke D. Knibbs, Margaret Robinson, Hilda L Harb, Rogelio Pérez-Padilla, Janet L Leasher, Jonathan L. Wright, Peter Brooks, Cristiana Abbafati, Belinda K Lloyd, Victor Aboyans, Nikhil Tandon, Charles R. Newton, Simón Barquera, Ted R. Miller, Kinnari S. Murthy, Habib Benzian, Glen Mola, Paulo A. Lotufo, Burcu Kucuk Bicer, Peggy Pei-Chia Chiang, Alexander Kraemer, Solomon Meseret Woldeyohannes, Saman Fahimi, Lesley Rushton, Kim Moesgaard Iburg, Vafa Rahimi-Movaghar, Logan Sandar, Bruce Neal, Teresa Shamah Levy, Karen M. Tabb, Jeffrey A. Towbin, Christopher J L Murray, Ramesh Sahathevan, Aaron Cohen, Chanda Kulkarni, Van C. Lansingh, François Alla, Tasara T. Mazorodze, Murugesan Raju, Saeid Shahraz, Uchechukwu K.A. Sampson, Rajeev Gupta, Neil Pearce, Mustafa Z. Younis, Veena S. Kulkarni, Francisco A García-Guerra, Amanda G. Thrift, Stefan Ma, Samaya Ismayilova, Evariste Gasana, Amitava Banerjee, Aslam Pervaiz, Emilie Agardh, Abraham D. Flaxman, Farshad Farzadfar, Peter W. Gething, Ileana Heredia-Pi, Boris Bikbov, Wanqing Chen, Saad B. Omer, Ruben Castro, Neeraj Bhala, Sara Sheikhbahaei, Hilton Lam, Urbano Fra Paleo, Lidia Sanchez-Riera, Alicia Elena Beatriz Lawrynowicz, Kristen Delwiche, Richard G. Ellenbogen, Max Petzold, Yuri Y Varakin, Guilherme Borges, Guohong Jiang, Francis Guillemin, Kyle R. Heuton, Yohannes Kinfu, Victoria F Bachman, Joseph A Wagner, Carlos A Castañeda-Orjuela, Leonardo Trasande, Abbas Ali Mahdi, Josef Coresh, Chuanhua Yu, Kenji Shibuya, Berrin Serdar, Laetitia Huiart, Xiaofeng Liang, Jean de Dieu Ngirabega, Takayoshi Ohkubo, Natalie Stephens, Francis Apolinary Mhimbira, Jefferson Traebert, Amiran Gamkrelidze, Kjetil Søreide, Samath D Dharmaratne, Robert P. Dellavalle, George Mugambage Ruhago, Lakshmi Vijayakumar, Joannie Lortet-Tieulent, Dipan Bose, Tania C Aburto, Saleem M Rana, Miriam Levi, Mohammad Taghi Hedayati, Rodolfo S Pagcatipunan, Ron T. Gansevoort, H. D. Hosgood, Michael Burch, Mohsen Naghavi, Vegard Skirbekk, Ayfer Pekericli, Walter Mendoza, Pengpeng Ye, Gabrielle deVeber, Ali H. Mokdad, David M. Broday, Koranteng Adofo, Zewdie Aderaw Alemu, Shifalika Goenka, Carrie Beth Peterson, Nicolas J. C. Stapelberg, Edson Serván-Mori, Anil Kaul, Foad Abd-Allah, Marek Majdan, Rahul Gupta, Giancarlo Logroscino, Kardiyoloji, Peterson, Carrie B., Laboratoire de Physique des Solides (LPS), Université Paris-Sud - Paris 11 (UP11)-Centre National de la Recherche Scientifique (CNRS), Wisconsin Division of Public Health, Laboratoire de psychologie sociale et de psychologie cognitive (LAPSCO), Centre National de la Recherche Scientifique (CNRS)-Université Blaise Pascal - Clermont-Ferrand 2 (UBP), Erosion torrentielle neige et avalanches (UR ETGR (ETNA)), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA), London South Bank University, Metropolitan Police Service, Hong Kong Baptist University (HKBU), Institut für Informatik [München/Munich] (LMU), Ludwig-Maximilians-Universität München (LMU), Neuroépidémiologie Tropicale (NET), Institut Génomique, Environnement, Immunité, Santé, Thérapeutique (GEIST), Université de Limoges (UNILIM)-Université de Limoges (UNILIM)-CHU Limoges-Institut d'Epidémiologie Neurologique et de Neurologie Tropicale-Institut National de la Santé et de la Recherche Médicale (INSERM), Service de Chirurgie Thoracique et Vasculaire - Médecine vasculaire [CHU Limoges], CHU Limoges, Insight Centre for Data Analytics [Galway] (INSIGHT), National University of Ireland [Galway] (NUI Galway), Maladies chroniques, santé perçue, et processus d'adaptation (APEMAC), Université Paris Descartes - Paris 5 (UPD5)-Université de Lorraine (UL), Centre d'Investigation Clinique - Epidemiologie Clinique/essais Cliniques Nancy, Cancéropôle du Grand Est-Institut National de la Santé et de la Recherche Médicale (INSERM), Karolinska Institute, karolinska institute, Department of Molecular Biosciences, Department of Molecular Biosciences [Oslo], Faculty of Mathematics and Natural Sciences [Oslo], University of Oslo (UiO)-University of Oslo (UiO)-Faculty of Mathematics and Natural Sciences [Oslo], University of Oslo (UiO)-University of Oslo (UiO), Centro de Estudios Avanzados en Zonas Aridas (CEAZA), Ecole Polytechnique Fédérale de Lausanne (EPFL), Regional Genetic Service, St Mary's Hospital, Manchester, Laboratoire d'Ingénierie des Matériaux (LIM), Centre National de la Recherche Scientifique (CNRS), Computer Science Department [Bristol], University of Bristol [Bristol], Universität Mannheim [Mannheim], Lawrence Berkeley National Laboratory [Berkeley] (LBNL), Samsung Research &Development Institute India - Bangalore (Groupe Samsung) (SRI-B), Computational Science and Engineering Department [Daresbury] (STFC), Science & Technologie Facilities Council, Multimedia Research Center (MRC), University of Alberta, Division of Biostatistics (Biostat - MINNEAPOLIS), University of Minnesota [Twin Cities], University of Minnesota System-University of Minnesota System, University of Southampton, Imperial College London, Neurology Department, Ichilov Medical Center, Interactions, transferts, ruptures artistiques et culturels - EA 6301 (InTRu), Université de Tours, Institut Jacques Monod (IJM (UMR_7592)), Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), Julius Center for Health Sciences and Primary Care, University Medical Center [Utrecht], Risk Assessment Sciences Institute, Utrecht University [Utrecht], Unité de Biologie Fonctionnelle et Adaptative (BFA (UMR_8251 / U1133)), Université Paris Diderot - Paris 7 (UPD7)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Respiratory Epidemiology and Public Health, Imperial College London-Royal Brompton Hospital-National Heart and Lung Institute [UK], CIBER de Epidemiología y Salud Pública (CIBERESP), STAR laboratory, Stanford University [Stanford], Unité de recherche Virologie et Immunologie Moléculaires (VIM), Institut National de la Recherche Agronomique (INRA), Tennent Institute of Ophthalmology, National University of Singapore (NUS), Centre de Robotique (CAOR), MINES ParisTech - École nationale supérieure des mines de Paris, Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL), Multidisciplinary Nanotechnology Centre, Swansea University, Cyprus International Institute for the Environment and Public Health, Harvard School of Public Health, Genomics Research Center, Academia Sinica, Neuro Rehab Services LLP [New Delhi], Department of Signal Theory and Communications (TSC), Univ. Politec. de Catalunya, King‘s College London, Dept. Mat. Engn. De Ma, Sao Carlos, Fed. Univ. Sao Carlos UFSCar, RESPEC (RESPEC), RESPEC, Advanced Laboratories on Embedded Systems [Roma] (ALES), Department of Biology [Miami], University of Miami [Coral Gables], Health Care, Minister Of Labour-Ministry of Labor, Health and Social Affairs, Department of Nephrology, University Medical Center, University of Groningen, Division of Human Nutrition, Wageningen University and Research Centre [Wageningen] (WUR), Spatial Ecology and Epidemiology Group, University of Oxford [Oxford], College of Medicine, University of Hail, Saudi Arabia, Laboratory of Neurologic Diseases, Mario Negri Institute, Milan, Department of Civil Engineering [Hamirpur], National Institute of Technology [Hamirpur], GEMMA — Environmental Engineering and Microbiology Research Group, Department of Hydraulic, Maritime and Environmental Engineering, Universitat Politècnica de Catalunya [Barcelona] (UPC), Department of Biosciences and Nutrition, Karolinska Institutet [Stockholm], Institut National de Recherche et d'Analyse Physico-Chimique (INRAP), Institut National de Recherche et d'Analyse Physico-chimique (Ariana, Tunisie) (INRAP), Franche-Comté Électronique Mécanique, Thermique et Optique - Sciences et Technologies (UMR 6174) (FEMTO-ST), Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC)-Centre National de la Recherche Scientifique (CNRS)-Ecole Nationale Supérieure de Mécanique et des Microtechniques (ENSMM)-Université de Technologie de Belfort-Montbeliard (UTBM), Obesity Research Center, Research Institute for Endocrine Sciences, Shahid Beheshti University of Medical Sciences [Tehran] (SBUMS), Shahid Beheshti University-Shahid Beheshti University, Center for Applied Medical Research (CIMA), University of Tehran, Secretariat of the Pacific Community, Public Health Division, Sociétés, Acteurs, Gouvernement en Europe (SAGE), Université de Strasbourg (UNISTRA)-Centre National de la Recherche Scientifique (CNRS), College of Precision Instrument and Optoelectronics Engineering, Tianjin University, George Washington University (GW), Sciences Economiques et Sociales de la Santé & Traitement de l'Information Médicale (SESSTIM - U912 INSERM - Aix Marseille Univ - IRD), Institut de Recherche pour le Développement (IRD)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Universiteit Gent [Ghent], Washington State University (WSU), Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse 1 Capitole (UT1)-Université Toulouse - Jean Jaurès (UT2J)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Université Fédérale Toulouse Midi-Pyrénées, School of Computer Science - China University of Geosciences (China University of Geosciences (East Area)), Centre de Recherche en Automatique de Nancy (CRAN), Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS), Université Catholique de Louvain (UCL), Fachbereich Physik [Berlin], Freie Universität Berlin, Div Cyclotron & Radiopharmaceut Sci (DRDO, INMAS), Univ New Delhi, School of Physics and Astronomy, University of St Andrews [Scotland], University of Cape Town, Department of Neuroscience, Department of Computer Science and Engineering [Daejeon] (Chungnam National University), Lawrence University, Gastroenterology & Hepatology, Tata Research Development and Design Center (TRDDC), TCS Innovation Labs, University of Helsinki, Google Inc [Mountain View], Research at Google, Swedish Defense Research Agency (FOI), Servicio de Neurologia (SANTIAGO - Neurologie), Universidad del Desarrollo, Novartis Pharmaceutical Corporation, Laboratoire de glaciologie et géophysique de l'environnement (LGGE), Observatoire des Sciences de l'Univers de Grenoble [1985-2015] (OSUG [1985-2015]), Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Institut national des sciences de l'Univers (INSU - CNRS)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS), Department of Mechanical and Automation Engineering (CAD Laboratory), The Chinese University of Hong Kong [Hong Kong], Università degli studi di Bari, Department of Health and Human Services, National Institutes of Health [Bethesda] (NIH), Centre d'études et de recherche en informatique et communications (CEDRIC), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise (ENSIIE)-Conservatoire National des Arts et Métiers [CNAM] (CNAM), Heuristique et Diagnostic des Systèmes Complexes [Compiègne] (Heudiasyc), Université de Technologie de Compiègne (UTC)-Centre National de la Recherche Scientifique (CNRS), College of Information and Electrical Engineering [Beijing] (CIEE), China Agricultural University (CAU), Thales Research and Technology [Palaiseau], THALES, Department of Rheumatology and Connective Tissue Diseases, Medical University of Lublin, Barts and The London School of Medicine and Dentistry, Queen Mary University of London (QMUL), Centre d'économie de la Sorbonne (CES), Université Panthéon-Sorbonne (UP1)-Centre National de la Recherche Scientifique (CNRS), Paris School of Economics (PSE), École supérieure du professorat et de l'éducation - Académie de Grenoble [2013-2019] (ESPE Grenoble [2013-2019]), Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Department of Mathematics, University of Iowa [Iowa City], College of Medicine, Alfaisal University, Saudi Ministry of Health, Institut national des recherches agricoles du Bénin, Centre de Recherches agricoles du Sud, Departments of Epidemiology and Nutrition, Unit of Human Nutrition, Agricultural University of Athens, Department of Animal Science, Pennsylvania State University (Penn State), Penn State System-Penn State System, University of Virginia, University of Virginia [Charlottesville], Epidemiology and Biostatistics Unit, Institute for Maternal and Child Health - IRCCS ‘‘Burlo Garofolo', Jet Propulsion Laboratory (JPL), NASA-California Institute of Technology (CALTECH), Division of Cardiovascular Medicine and Channing Division of Network Medicine, Brigham and Women's Hospital [Boston], American University of Beirut [Beyrouth] (AUB), Department of Chemistry, Scientific Computing Research Unit, Department of dermatology, Milano University-Azienda Ospedaleria Ospedali Riuniti di Bergamo, Mailman School of Public Health, Columbia University [New York], The Georges Institute for International Health, The University of Sydney, Department of epidemiology and Public Health, Faculty of Medicine, Département Optique (OPT), Université européenne de Bretagne - European University of Brittany (UEB)-Télécom Bretagne-Institut Mines-Télécom [Paris] (IMT), Laboratoire des signaux et systèmes (L2S), Université Paris-Sud - Paris 11 (UP11)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), Universitat Pompeu Fabra [Barcelona], Center for Research in Environmental Epidemiology (CREAL), Universitat Pompeu Fabra [Barcelona]-Catalunya ministerio de salud, Nutriments Lipidiques et Prévention des Maladies Métaboliques, Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut National de la Recherche Agronomique (INRA)-Université de la Méditerranée - Aix-Marseille 2, Department of Neurology Lunds University Hospital Lund, Unit of Functional Bionanomaterials, School of Biosciences, University of Birmingham [Birmingham], Electrical Engineering and Computer Science Department - Case Western Reserve University, Case Western Reserve University [Cleveland], World Health Organization, Organisation Mondiale de la Santé / World Health Organization Office (OMS / WHO), Nordic School of Public Health, The James Hutton Institute, Horia Hulubei National Institute for Physics and Nuclear Engineering, Department of Pediatrics, University of Washington [Seattle], Institute of Public Health, Department of Physics, Clarendon Laboratory, Center for TeleInFrastruktur (CTIF), Aalborg University [Denmark] (AAU), Physikalisches Institut [Freiburg], Albert-Ludwigs-Universität Freiburg, Savoirs, Textes, Langage (STL) - UMR 8163 (STL), Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Dept.of Computer Science, Indian Institute of Technology Madras (IIT Madras), Istituto Mario Negri Bergamo, Centro Ricerche e Trapianti Villa Camozzi, Universidade Estadual Paulista Júlio de Mesquita Filho [São José do Rio Preto] (UNESP), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Institut geològic de Catalunya (IGC), Institut Geològic de Catalunya-IGC, Institut Cochin (IC UM3 (UMR 8104 / U1016)), Université Paris Descartes - Paris 5 (UPD5)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Physiologie et Génomique des Poissons (LPGP), Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique )-Institut National de la Recherche Agronomique (INRA), Politecnico di Milano [Milan] (POLIMI), Symantec, University of Oviedo, European Microsoft Innovation Center (EMIC), Microsoft Corporation [Redmond, Wash.], Technion - Israel Institute of Technology [Haifa], Laboratoire de Mécanique, Physique et Géosciences (LMPG), Université Le Havre Normandie (ULH), Normandie Université (NU)-Normandie Université (NU), Department of Physics, Cavendish Laboratory, University of Cambridge [UK] (CAM), Laboratoire de Probabilités et Modèles Aléatoires (LPMA), Centre National de la Recherche Scientifique (CNRS)-Université Paris Diderot - Paris 7 (UPD7)-Université Pierre et Marie Curie - Paris 6 (UPMC), Institut de Génétique et de Biologie Moléculaire et Cellulaire (IGBMC), Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA), Departments of Applied Physics [New Haven], Yale University [New Haven], Center for Mathematical Modeling (CMM), Department of Global Health and Development, London School of Hygiene and Tropical Medicine (LSHTM), University of Occupational and Environmental Health [Kitakyushu] (UEOH), Department of Computer Science and Engineering [New Delhi], Indian Institute of Technology Delhi (IIT Delhi), Institut de Recherche sur les Phénomènes Hors Equilibre (IRPHE), Aix Marseille Université (AMU)-École Centrale de Marseille (ECM)-Centre National de la Recherche Scientifique (CNRS), GlaxoSmithKline, Imperial College London-Clinical Imaging Center, Universidade Federal de Pernambuco [Recife] (UFPE), Maclean Building, Benson Lane, Crowmarsh Gifford, Centre for Ecology and Hydrology, Nanoscience Institute (NEST), Dipartimento di Fisica, Università di Pisa, Aristotle University of Thessaloniki, Laboratory Of Immune Cell Biology (LICB), JRC Institute for Environment and Sustainability (IES), European Commission - Joint Research Centre [Ispra] (JRC), Institute of Human Genetics, Rheinische Friedrich-Wilhelms-Universität Bonn, Laboratorio Nacional de Computação Cientifica [Rio de Janeiro] (LNCC / MCT), Occupational Health Unit, Bologna University Hospital-Sant'Orsola-Malpighi Polyclinic, Royal Institute of Technology [Stockholm] (KTH ), NICTA [Eveleigh], National ICT Australia [Sydney] (NICTA), Division of Solid Mechanics, Lund University [Lund], University of Calgary, BioWare Corp, Manchester Academic Health Sciences Centre, Institut d'Histoire et de Philosophie des Sciences et des Techniques (IHPST), Université Panthéon-Sorbonne (UP1)-Centre National de la Recherche Scientifique (CNRS)-Département d'Etudes Cognitives - ENS Paris (DEC), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS Paris), Ghent University [Belgium] (UGENT), Imaging Sciences and Biomedical Engineering Division [London], Guy's and St Thomas' Hospital [London]-King‘s College London, Children’s Hospital of Philadelphia (CHOP ), Perelman School of Medicine, University of Pennsylvania [Philadelphia], Laboratoire de recherche en Hydrodynamique, Énergétique et Environnement Atmosphérique (LHEEA), École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS), Institut de Recherche en Génie Civil et Mécanique (GeM), Université de Nantes - Faculté des Sciences et des Techniques, Université de Nantes (UN)-Université de Nantes (UN)-École Centrale de Nantes (ECN)-Centre National de la Recherche Scientifique (CNRS), Department of Physiology, Augusta University - Medical College of Georgia, University System of Georgia (USG)-University System of Georgia (USG), Neurorestoration Group, Wolfson Centre for Age-related Diseases-King‘s College London, Electronic Navigation Research Institute (ENRI), Ministry of Land, Infrastructure, Transport and Tourism, Department of Computer Science [KAIST] (CS), Korea Advanced Institute of Science and Technology (KAIST), Centre for Undergraduate Studies, University of the Punjab, Siemens Corporate Research, Siemens AG [Munich], University of Massachusetts [Boston] (UMass Boston), University of Massachusetts System (UMASS), Department of Materials Science, Sichuan University [Chengdu] (SCU), Natl Engn Res Ctr Vegetables, Key Lab Biol & Genet Improvement Hort Crops N Chi, Beijing Acad Agr & Forestry Sci, University Hospital Puerta de Hierro, Madrid, Université Blaise Pascal - Clermont-Ferrand 2 (UBP)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-Université Paris Diderot - Paris 7 (UPD7), Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Paris Diderot - Paris 7 (UPD7), MINES ParisTech - École nationale supérieure des mines de Paris-PSL Research University (PSL), Université de Franche-Comté (UFC)-Centre National de la Recherche Scientifique (CNRS)-Ecole Nationale Supérieure de Mécanique et des Microtechniques (ENSMM)-Université de Technologie de Belfort-Montbeliard (UTBM), Shahid Beheshti University of Medical Sciences, École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), MOLTECH-ANJOU (MOLTECH-ANJOU), Université d'Angers (UA)-Centre National de la Recherche Scientifique (CNRS), Universidad de Santiago de Chile [Santiago] (USACH)-Universidad del Desarrollo, Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Centre National de la Recherche Scientifique (CNRS), École supérieure du professorat et de l'éducation - Académie de Grenoble (ESPE Grenoble), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Université Grenoble Alpes (UGA), California Institute of Technology (CALTECH)-NASA, Centre National de la Recherche Scientifique (CNRS)-CentraleSupélec-Université Paris-Sud - Paris 11 (UP11), Université de la Méditerranée - Aix-Marseille 2-Institut National de la Recherche Agronomique (INRA)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université de Lille-Centre National de la Recherche Scientifique (CNRS), Institut National de la Recherche Agronomique (INRA)-Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Université Pierre et Marie Curie - Paris 6 (UPMC)-Université Paris Diderot - Paris 7 (UPD7)-Centre National de la Recherche Scientifique (CNRS), Université de Strasbourg (UNISTRA)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Universidad de Santiago de Chile [Santiago] (USACH), École normale supérieure - Paris (ENS Paris)-École normale supérieure - Paris (ENS Paris), King‘s College London-Wolfson Centre for Age-related Diseases, Sichuan University, Universitat de Barcelona, Interne Geneeskunde, Medische Sociologie, MUMC+: MA Psychiatrie (3), MUMC+: Hersen en Zenuw Centrum (3), Psychiatrie & Neuropsychologie, CHU Limoges-Institut d'Epidémiologie Neurologique et de Neurologie Tropicale-Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut Génomique, Environnement, Immunité, Santé, Thérapeutique (GEIST), Université de Limoges (UNILIM)-Université de Limoges (UNILIM), Centre National de la Recherche Scientifique (CNRS)-Université de Strasbourg (UNISTRA), Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut polytechnique de Grenoble - Grenoble Institute of Technology [2007-2019] (Grenoble INP [2007-2019])-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Institut Mines-Télécom [Paris] (IMT)-Télécom Bretagne-Université européenne de Bretagne - European University of Brittany (UEB), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris Descartes - Paris 5 (UPD5)-Centre National de la Recherche Scientifique (CNRS), Cardiovascular Centre (CVC), Groningen Kidney Center (GKC), RS: MHeNs - R2 - Mental Health, Laboratoire de Physique des Solides ( LPS ), Université Paris-Sud - Paris 11 ( UP11 ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire de psychologie sociale et de psychologie cognitive ( LAPSCO ), Université Blaise Pascal - Clermont-Ferrand 2 ( UBP ) -Centre National de la Recherche Scientifique ( CNRS ), Erosion torrentielle neige et avalanches ( UR ETGR ), Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture ( IRSTEA ), Hong Kong Baptist University ( HKBU ), Institut für Informatik [München/Munich] ( LMU ), Ludwig-Maximilians-Universität München, Neuroépidémiologie Tropicale ( NET ), CHU Limoges-Institut d'Epidémiologie Neurologique et de Neurologie Tropicale-Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Institut Génomique, Environnement, Immunité, Santé, Thérapeutique ( GEIST ), Université de Limoges ( UNILIM ) -Université de Limoges ( UNILIM ), Insight Centre for Data Analytics (National University of Ireland Galway (NUIG)) ( INSIGHT ), Maladies chroniques, santé perçue, et processus d'adaptation ( APEMAC ), Université Paris Descartes - Paris 5 ( UPD5 ) -Université de Lorraine ( UL ), Cancéropôle du Grand Est-Institut National de la Santé et de la Recherche Médicale ( INSERM ), University of Oslo ( UiO ) -University of Oslo ( UiO ), Centro de Estudios Avanzados en Zonas Aridas ( CEAZA ), Ecole Polytechnique Fédérale de Lausanne ( EPFL ), Laboratoire d'Ingénierie des Matériaux ( LIM ), Centre National de la Recherche Scientifique ( CNRS ), Lawrence Berkeley National Laboratory [Berkeley] ( LBNL ), Samsung Research &Development Institute India - Bangalore (Groupe Samsung) ( SRI-B ), Computational Science and Engineering Department [Daresbury] ( STFC ), Multimedia Research Center ( MRC ), University of Alberta [Edmonton], Division of Biostatistics ( Biostat - MINNEAPOLIS ), University of Minnesota [Minneapolis], University of Southampton [Southampton], Interactions, transferts, ruptures artistiques et culturels - EA 6301 ( InTRu ), Institut Jacques Monod ( IJM ), Université Paris Diderot - Paris 7 ( UPD7 ) -Centre National de la Recherche Scientifique ( CNRS ), University Medical Center Utrecht, Biologie Fonctionnelle et Adaptative ( BFA ), Imperial College London-Royal Brompton Hospital-National Heart and Lung Institute, Unité de recherche Virologie et Immunologie Moléculaires ( VIM ), Institut National de la Recherche Agronomique ( INRA ), National University of Singapore ( NUS ), Centre de Robotique ( CAOR ), MINES ParisTech - École nationale supérieure des mines de Paris-PSL Research University ( PSL ), Department of Signal Theory and Communications ( TSC ), RESPEC ( RESPEC ), Advanced Laboratories on Embedded Systems [Roma] ( ALES ), Wageningen University and Research Centre [Wageningen] ( WUR ), Universitat Politècnica de Catalunya [Barcelona] ( UPC ), Institut National de Recherche et d'Analyse Physico-Chimique ( INRAP ), Institut National de Recherche et d'Analyse Physico-chimique (INRAP-Tunisie), Franche-Comté Électronique Mécanique, Thermique et Optique - Sciences et Technologies (UMR 6174) ( FEMTO-ST ), Université de Franche-Comté ( UFC ) -Centre National de la Recherche Scientifique ( CNRS ) -Ecole Nationale Supérieure de Mécanique et des Microtechniques ( ENSMM ) -Université de Technologie de Belfort-Montbeliard ( UTBM ), Tehran University, Sociétés, Acteurs, Gouvernement en Europe ( SAGE ), Université de Strasbourg ( UNISTRA ) -Centre National de la Recherche Scientifique ( CNRS ), Sciences Economiques et Sociales de la Santé & Traitement de l'Information Médicale ( SESSTIM - U912 INSERM - AMU - IRD ), Institut de Recherche pour le Développement ( IRD ) -Aix Marseille Université ( AMU ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Washington State University ( WSU ), Laboratoire de Physique de l'ENS Lyon ( Phys-ENS ), École normale supérieure - Lyon ( ENS Lyon ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique ( CNRS ), Institut des Sciences Chimiques de Rennes ( ISCR ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Ecole Nationale Supérieure de Chimie de Rennes-Institut National des Sciences Appliquées ( INSA ) -Centre National de la Recherche Scientifique ( CNRS ), Institut de recherche en informatique de Toulouse ( IRIT ), Institut National Polytechnique [Toulouse] ( INP ) -Université Toulouse 1 Capitole ( UT1 ) -Université Toulouse - Jean Jaurès ( UT2J ) -Université Toulouse III - Paul Sabatier ( UPS ), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique ( CNRS ), Centre de Recherche en Automatique de Nancy ( CRAN ), Université de Lorraine ( UL ) -Centre National de la Recherche Scientifique ( CNRS ), Université Catholique de Louvain ( UCL ), Freie Universität Berlin [Berlin], Div Cyclotron & Radiopharmaceut Sci ( DRDO, INMAS ), Institut de Physique Nucléaire d'Orsay ( IPNO ), Université Paris-Sud - Paris 11 ( UP11 ) -Institut National de Physique Nucléaire et de Physique des Particules du CNRS ( IN2P3 ) -Centre National de la Recherche Scientifique ( CNRS ), Tata Research Development and Design Center ( TRDDC ), Laboratoire MOLTECH-Anjou [Angers] ( MOLTECH ANJOU ), Université d'Angers ( UA ) -Centre National de la Recherche Scientifique ( CNRS ), University of Helsinki [Helsinki], Swedish Defense Research Agency ( FOI ), Servicio de Neurologia ( SANTIAGO - Neurologie ), Universidad de Santiago de Chile [Santiago] ( USACH ) -Universidad del Desarrollo, Novartis Pharmaceutical Corp., East Hanover NJ 07936, USA, Laboratoire de glaciologie et géophysique de l'environnement ( LGGE ), Observatoire des Sciences de l'Univers de Grenoble ( OSUG ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut national des sciences de l'Univers ( INSU - CNRS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut national des sciences de l'Univers ( INSU - CNRS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Centre National de la Recherche Scientifique ( CNRS ), Department of Mechanical and Automation Engineering ( CAD Laboratory ), National Institutes of Health ( NIH ), Centre d'étude et de recherche en informatique et communications ( CEDRIC ), Ecole Nationale Supérieure d'Informatique pour l'Industrie et l'Entreprise ( ENSIIE ) -Conservatoire National des Arts et Métiers [CNAM] ( CNAM ), Heuristique et Diagnostic des Systèmes Complexes [Compiègne] ( Heudiasyc ), Université de Technologie de Compiègne ( UTC ) -Centre National de la Recherche Scientifique ( CNRS ), College of Information and Electrical Engineering [Beijing] ( CIEE ), China Agricultural University ( CAU ), Queen Mary University of London ( QMUL ), Centre d'économie de la Sorbonne ( CES ), Université Panthéon-Sorbonne ( UP1 ) -Centre National de la Recherche Scientifique ( CNRS ), Paris School of Economics ( PSE ), École supérieure du professorat et de l'éducation - Académie de Grenoble ( ESPE Grenoble ), Université Savoie Mont Blanc ( USMB [Université de Savoie] [Université de Chambéry] ) -Université Grenoble Alpes ( UGA ), PennState University [Pennsylvania] ( PSU ), Jet Propulsion Laboratory ( JPL ), NASA-California Institute of Technology ( CALTECH ), American University of Beirut [Beyrouth], The University of Sydney [Sydney], Département Optique ( OPT ), Université européenne de Bretagne ( UEB ) -Télécom Bretagne-Institut Mines-Télécom [Paris], Laboratoire des signaux et systèmes ( L2S ), Université Paris-Sud - Paris 11 ( UP11 ) -CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Center for Research in Environmental Epidemiology ( CREAL ), Université de la Méditerranée - Aix-Marseille 2-Institut National de la Recherche Agronomique ( INRA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Center for TeleInFrastruktur ( CTIF ), Aalborg University [Denmark] ( AAU ), Savoirs, Textes, Langage (STL) - UMR 8163 ( STL ), Université de Lille-Centre National de la Recherche Scientifique ( CNRS ), Indian Institute of Technology Madras ( IIT Madras ), Universidade Estadual Paulista Júlio de Mesquita ( UNESP ), Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Institut geològic de Catalunya ( IGC ), Institut Cochin ( UM3 (UMR 8104 / U1016) ), Université Paris Descartes - Paris 5 ( UPD5 ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Laboratoire de Physiologie et Génomique des Poissons ( LPGP ), Institut National de la Recherche Agronomique ( INRA ) -Structure Fédérative de Recherche en Biologie et Santé de Rennes ( Biosit : Biologie - Santé - Innovation Technologique ), Politecnico di Milano [Milan], European Microsoft Innovation Center ( EMIC ), Laboratoire de Mécanique, Physique et Géosciences ( LMPG ), Université Le Havre Normandie ( ULH ), Normandie Université ( NU ) -Normandie Université ( NU ), University of Cambridge [UK] ( CAM ), Laboratoire de Probabilités et Modèles Aléatoires ( LPMA ), Université Pierre et Marie Curie - Paris 6 ( UPMC ) -Université Paris Diderot - Paris 7 ( UPD7 ) -Centre National de la Recherche Scientifique ( CNRS ), Institut de Génétique et de Biologie Moléculaire et Cellulaire ( IGBMC ), Université de Strasbourg ( UNISTRA ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Center for Mathematical Modeling ( CMM ), Universidad de Santiago de Chile [Santiago] ( USACH ), London School of Hygiene and Tropical Medicine ( LSHTM ), University of Occupational and Environmental Health [Kitakyushu] ( UEOH ), Indian Institute of Technology Delhi ( IIT Delhi ), Institut de Recherche sur les Phénomènes Hors Equilibre ( IRPHE ), Aix Marseille Université ( AMU ) -Ecole Centrale de Marseille ( ECM ) -Centre National de la Recherche Scientifique ( CNRS ), Universidade Federal de Pernambuco [Recife] ( UFPE ), Nanoscience Institute ( NEST ), Laboratory Of Immune Cell Biology ( LICB ), JRC Institute for Environment and Sustainability ( IES ), European Commission - Joint Research Centre [Ispra] ( JRC ), Bonn Universität [Bonn], Laboratorio Nacional de Computação Cientifica [Rio de Janeiro] ( LNCC / MCT ), Royal Institute of Technology [Stockholm] ( KTH ), National ICT Australia [Sydney] ( NICTA ), Institut d'Histoire et de Philosophie des Sciences et des Techniques ( IHPST ), Université Panthéon-Sorbonne ( UP1 ) -Département d'Etudes Cognitives - ENS Paris ( DEC ), École normale supérieure - Paris ( ENS Paris ) -École normale supérieure - Paris ( ENS Paris ) -Centre National de la Recherche Scientifique ( CNRS ), Ghent University [Belgium] ( UGENT ), Children’s Hospital of Philadelphia ( CHOP ), Univeristy of Pennsylvania Medical School, Laboratoire de recherche en Hydrodynamique, Énergétique et Environnement Atmosphérique ( LHEEA ), École Centrale de Nantes ( ECN ) -Centre National de la Recherche Scientifique ( CNRS ), Institut de Recherche en Génie Civil et Mécanique ( GeM ), Université de Nantes ( UN ) -École Centrale de Nantes ( ECN ) -Centre National de la Recherche Scientifique ( CNRS ), Medical College of Georgia, Electronic Navigation Research Institute ( ENRI ), Department of Computer Science [KAIST] ( CS ), Korea Advanced Institute of Science and Technology ( KAIST ), Laboratoire de l'Accélérateur Linéaire ( LAL ), University of Massachusetts [Boston] ( UMass Boston ), Forouzanfar, Mohammad H, Alexander, Lily, Anderson, H. Ro, Bachman, Victoria F, Biryukov, Stan, Brauer, Michael, Burnett, Richard, Casey, Daniel, Coates, Matthew M, Cohen, Aaron, Delwiche, Kristen, Estep, Kara, Frostad, Joseph J, Kc, Astha, Kyu, Hmwe H, Moradi Lakeh, Maziar, Ng, Marie, Slepak, Erica Leigh, Thomas, Bernadette A, Wagner, Joseph, Aasvang, Gunn Marit, Abbafati, Cristiana, Ozgoren, Ayse Abbasoglu, Abd Allah, Foad, Abera, Semaw F, Aboyans, Victor, Abraham, Biju, Abraham, Jerry Puthenpurakal, Abubakar, Ibrahim, Abu Rmeileh, Niveen M. E, Aburto, Tania C, Achoki, Tom, Adelekan, Ademola, Adofo, Koranteng, Adou, Arsène K, Adsuar, José C, Afshin, Ashkan, Agardh, Emilie E, Al Khabouri, Mazin J, Al Lami, Faris H, Alam, Sayed Saidul, Alasfoor, Deena, Albittar, Mohammed I, Alegretti, Miguel A, Aleman, Alicia V, Alemu, Zewdie A, Alfonso Cristancho, Rafael, Alhabib, Samia, Ali, Raghib, Ali, Mohammed K, Alla, Françoi, Allebeck, Peter, Allen, Peter J, Alsharif, Ubai, Alvarez, Elena, Alvis Guzman, Nelson, Amankwaa, Adansi A, Amare, Azmeraw T, Ameh, Emmanuel A, Ameli, Omid, Amini, Heresh, Ammar, Walid, Anderson, Benjamin O, Antonio, Carl Abelardo T, Anwari, Palwasha, Cunningham, Solveig Argeseanu, Arnlöv, Johan, Arsenijevic, Valentina S. Arsic, Artaman, Al, Asghar, Rana J, Assadi, Reza, Atkins, Lydia S, Atkinson, Charle, Avila, Marco A, Awuah, Baffour, Badawi, Alaa, Bahit, Maria C, Bakfalouni, Talal, Balakrishnan, Kalpana, Balalla, Shivanthi, Balu, Ravi Kumar, Banerjee, Amitava, Barber, Ryan M, Barker Collo, Suzanne L, Barquera, Simon, Barregard, Lar, Barrero, Lope H, Barrientos Gutierrez, Tonatiuh, Basto Abreu, Ana C, Basu, Arindam, Basu, Sanjay, Basulaiman, Mohammed O, Ruvalcaba, Carolina Bati, Beardsley, Justin, Bedi, Neeraj, Bekele, Tolesa, Bell, Michelle L, Benjet, Corina, Bennett, Derrick A, Benzian, Habib, Bernabé, Eduardo, Beyene, Tariku J, Bhala, Neeraj, Bhalla, Ashish, Bhutta, Zulfiqar A, Bikbov, Bori, Abdulhak, Aref A. Bin, Blore, Jed D, Blyth, Fiona M, Bohensky, Megan A, Başara, Berrak Bora, Borges, Guilherme, Bornstein, Natan M, Bose, Dipan, Boufous, Soufiane, Bourne, Rupert R, Brainin, Michael, Brazinova, Alexandra, Breitborde, Nicholas J, Brenner, Hermann, Briggs, Adam D. M, Broday, David M, Brooks, Peter M, Bruce, Nigel G, Brugha, Traolach S, Brunekreef, Bert, Buchbinder, Rachelle, Bui, Linh N, Bukhman, Gene, Bulloch, Andrew G, Burch, Michael, Burney, Peter G. J, Campos Nonato, Ismael R, Campuzano, Julio C, Cantoral, Alejandra J, Caravanos, Jack, Cárdenas, Rosario, Cardis, Elisabeth, Carpenter, David O, Caso, Valeria, Castañeda Orjuela, Carlos A, Castro, Ruben E, Catalá López, Ferrán, Cavalleri, Fiorella, Çavlin, Alanur, Chadha, Vineet K, Chang, Jung Chen, Charlson, Fiona J, Chen, Honglei, Chen, Wanqing, Chen, Zhengming, Chiang, Peggy P, Chimed Ochir, Odgerel, Chowdhury, Rajiv, Christophi, Costas A, Chuang, Ting Wu, Chugh, Sumeet S, Cirillo, Massimo, Claßen, Thomas Kd, Colistro, Valentina, Colomar, Mercede, Colquhoun, Samantha M, Contreras, Alejandra G, Cooper, Cyru, Cooperrider, Kimberly, Cooper, Leslie T, Coresh, Josef, Courville, Karen J, Criqui, Michael H, Cuevas Nasu, Lucia, Damsere Derry, Jame, Danawi, Hadi, Dandona, Lalit, Dandona, Rakhi, Dargan, Paul I, Davis, Adrian, Davitoiu, Dragos V, Dayama, Anand, de Castro, E. Filipa, De la Cruz Góngora, Vanessa, De Leo, Diego, de Lima, Graça, Degenhardt, Louisa, Del Pozo Cruz, Borja, Dellavalle, Robert P, Deribe, Kebede, Derrett, Sarah, Jarlais, Don C. De, Dessalegn, Muluken, Deveber, Gabrielle A, Devries, Karen M, Dharmaratne, Samath D, Dherani, Mukesh K, Dicker, Daniel, Ding, Eric L, Dokova, Klara, Dorsey, E. Ray, Driscoll, Tim R, Duan, Leilei, Durrani, Adnan M, Ebel, Beth E, Ellenbogen, Richard G, Elshrek, Yousef M, Endres, Matthia, Ermakov, Sergey P, Erskine, Holly E, Eshrati, Babak, Esteghamati, Alireza, Fahimi, Saman, Faraon, Emerito Jose A, Farzadfar, Farshad, Fay, Derek F. J, Feigin, Valery L, Feigl, Andrea B, Fereshtehnejad, Seyed Mohammad, Ferrari, Alize J, Ferri, Cleusa P, Flaxman, Abraham D, Fleming, Thomas D, Foigt, Nataliya, Foreman, Kyle J, Paleo, Urbano Fra, Franklin, Richard C, Gabbe, Belinda, Gaffikin, Lynne, Gakidou, Emmanuela, Gamkrelidze, Amiran, Gankpé, Fortuné G, Gansevoort, Ron T, García Guerra, Francisco A, Gasana, Evariste, Geleijnse, Johanna M, Gessner, Bradford D, Gething, Pete, Gibney, Katherine B, Gillum, Richard F, Ginawi, Ibrahim A. M, Giroud, Maurice, Giussani, Giorgia, Goenka, Shifalika, Goginashvili, Ketevan, Dantes, Hector Gomez, Gona, Philimon, de Cosio, Teresita Gonzalez, González Castell, Dinorah, Gotay, Carolyn C, Goto, Atsushi, Gouda, Hebe N, Guerrant, Richard L, Gugnani, Harish C, Guillemin, Franci, Gunnell, David, Gupta, Rahul, Gupta, Rajeev, Gutiérrez, Reyna A, Hafezi Nejad, Nima, Hagan, Holly, Hagstromer, Maria, Halasa, Yara A, Hamadeh, Randah R, Hammami, Mouhanad, Hankey, Graeme J, Hao, Yuantao, Harb, Hilda L, Haregu, Tilahun Nigatu, Haro, Josep Maria, Havmoeller, Rasmu, Hay, Simon I, Hedayati, Mohammad T, Heredia Pi, Ileana B, Hernandez, Lucia, Heuton, Kyle R, Heydarpour, Pouria, Hijar, Martha, Hoek, Hans W, Hoffman, Howard J, Hornberger, John C, Hosgood, H. Dean, Hoy, Damian G, Hsairi, Mohamed, Hu, Guoqing, Hu, Howard, Huang, Cheng, Huang, John J, Hubbell, Bryan J, Huiart, Laetitia, Husseini, Abdullatif, Iannarone, Marissa L, Iburg, Kim M, Idrisov, Bulat T, Ikeda, Nayu, Innos, Kaire, Inoue, Manami, Islami, Farhad, Ismayilova, Samaya, Jacobsen, Kathryn H, Jansen, Henrica A, Jarvis, Deborah L, Jassal, Simerjot K, Jauregui, Alejandra, Jayaraman, Sudha, Jeemon, Panniyammakal, Jensen, Paul N, Jha, Vivekanand, Jiang, Fan, Jiang, Guohong, Jiang, Ying, Jonas, Jost B, Juel, Knud, Kan, Haidong, Roseline, Sidibe S. Kany, Karam, Nadim E, Karch, André, Karema, Corine K, Karthikeyan, Ganesan, Kaul, Anil, Kawakami, Norito, Kazi, Dhruv S, Kemp, Andrew H, Kengne, Andre P, Keren, Andre, Khader, Yousef S, Khalifa, Shams Eldin Ali Hassan, Khan, Ejaz A, Khang, Young Ho, Khatibzadeh, Shahab, Khonelidze, Irma, Kieling, Christian, Kim, Daniel, Kim, Sungroul, Kim, Yunjin, Kimokoti, Ruth W, Kinfu, Yohanne, Kinge, Jonas M, Kissela, Brett M, Kivipelto, Miia, Knibbs, Luke D, Knudsen, Ann Kristin, Kokubo, Yoshihiro, Kose, M. Rifat, Kosen, Soewarta, Kraemer, Alexander, Kravchenko, Michael, Krishnaswami, Sanjay, Kromhout, Han, Ku, Tiffany, Defo, Barthelemy Kuate, Bicer, Burcu Kucuk, Kuipers, Ernst J, Kulkarni, Chanda, Kulkarni, Veena S, Kumar, G. Anil, Kwan, Gene F, Lai, Taavi, Balaji, Arjun Lakshmana, Lalloo, Ratilal, Lallukka, Tea, Lam, Hilton, Lan, Qing, Lansingh, Van C, Larson, Heidi J, Larsson, Ander, Laryea, Dennis O, Lavados, Pablo M, Lawrynowicz, Alicia E, Leasher, Janet L, Lee, Jong Tae, Leigh, Jame, Leung, Ricky, Levi, Miriam, Li, Yichong, Li, Yongmei, Liang, Juan, Liang, Xiaofeng, Lim, Stephen S, Lindsay, M. Patrice, Lipshultz, Steven E, Liu, Shiwei, Liu, Yang, Lloyd, Belinda K, Logroscino, Giancarlo, London, Stephanie J, Lopez, Nancy, Lortet Tieulent, Joannie, Lotufo, Paulo A, Lozano, Rafael, Lunevicius, Raimunda, Ma, Jixiang, Ma, Stefan, Machado, Vasco M. P, Macintyre, Michael F, Magis Rodriguez, Carlo, Mahdi, Abbas A, Majdan, Marek, Malekzadeh, Reza, Mangalam, Srikanth, Mapoma, Christopher C, Marape, Marape, Marcenes, Wagner, Margolis, David J, Margono, Christopher, Marks, Guy B, Martin, Randall V, Marzan, Melvin B, Mashal, Mohammad T, Masiye, Felix, Mason Jones, Amanda J, Matsushita, Kunihiro, Matzopoulos, Richard, Mayosi, Bongani M, Mazorodze, Tasara T, Mckay, Abigail C, Mckee, Martin, Mclain, Abigail, Meaney, Peter A, Medina, Catalina, Mehndiratta, Man Mohan, Mejia Rodriguez, Fabiola, Mekonnen, Wubegzier, Melaku, Yohannes A, Meltzer, Michele, Memish, Ziad A, Mendoza, Walter, Mensah, George A, Meretoja, Atte, Mhimbira, Francis Apolinary, Micha, Renata, Miller, Ted R, Mills, Edward J, Misganaw, Awoke, Mishra, Santosh, Ibrahim, Norlinah Mohamed, Mohammad, Karzan A, Mokdad, Ali H, Mola, Glen L, Monasta, Lorenzo, Hernandez, Julio C. Montañez, Montico, Marcella, Moore, Ami R, Morawska, Lidia, Mori, Rintaro, Moschandreas, Joanna, Moturi, Wilkister N, Mozaffarian, Dariush, Mueller, Ulrich O, Mukaigawara, Mitsuru, Mullany, Erin C, Murthy, Kinnari S, Naghavi, Mohsen, Nahas, Ziad, Naheed, Aliya, Naidoo, Kovin S, Naldi, Luigi, Nand, Devina, Nangia, Vinay, Narayan, Km Venkat, Nash, Deni, Neal, Bruce, Nejjari, Chakib, Neupane, Sudan P, Newton, Charles R, Ngalesoni, Frida N, de Dieu Ngirabega, Jean, Nguyen, Grant, Nguyen, Nhung T, Nieuwenhuijsen, Mark J, Nisar, Muhammad I, Nogueira, José R, Nolla, Joan M, Nolte, Sandra, Norheim, Ole F, Norman, Rosana E, Norrving, Bo, Nyakarahuka, Luke, Oh, In Hwan, Ohkubo, Takayoshi, Olusanya, Bolajoko O, Omer, Saad B, Opio, John Nelson, Orozco, Ricardo, Pagcatipunan, Rodolfo S, Pain, Amanda W, Pandian, Jeyaraj D, Panelo, Carlo Irwin A, Papachristou, Christina, Park, Eun Kee, Parry, Charles D, Caicedo, Angel J. Paternina, Patten, Scott B, Paul, Vinod K, Pavlin, Boris I, Pearce, Neil, Pedraza, Lilia S, Pedroza, Andrea, Stokic, Ljiljana Pejin, Pekericli, Ayfer, Pereira, David M, Perez Padilla, Rogelio, Perez Ruiz, Fernando, Perico, Norberto, Perry, Samuel A. L, Pervaiz, Aslam, Pesudovs, Konrad, Peterson, Carrie B, Petzold, Max, Phillips, Michael R, Phua, Hwee Pin, Plass, Dietrich, Poenaru, Dan, Polanczyk, Guilherme V, Polinder, Suzanne, Pond, Constance D, Pope, C. Arden, Pope, Daniel, Popova, Svetlana, Pourmalek, Farshad, Powles, John, Prabhakaran, Dorairaj, Prasad, Noela M, Qato, Dima M, Quezada, Amado D, Quistberg, D. Alex A, Racapé, Lionel, Rafay, Anwar, Rahimi, Kazem, Rahimi Movaghar, Vafa, Rahman, Sajjad Ur, Raju, Murugesan, Rakovac, Ivo, Rana, Saleem M, Rao, Mayuree, Razavi, Homie, Reddy, K. Srinath, Refaat, Amany H, Rehm, Jürgen, Remuzzi, Giuseppe, Ribeiro, Antonio L, Riccio, Patricia M, Richardson, Lee, Riederer, Anne, Robinson, Margaret, Roca, Anna, Rodriguez, Alina, Rojas Rueda, David, Romieu, Isabelle, Ronfani, Luca, Room, Robin, Roy, Nobhojit, Ruhago, George M, Rushton, Lesley, Sabin, Nsanzimana, Sacco, Ralph L, Saha, Sukanta, Sahathevan, Ramesh, Sahraian, Mohammad Ali, Salomon, Joshua A, Salvo, Deborah, Sampson, Uchechukwu K, Sanabria, Juan R, Sanchez, Luz Maria, Sánchez Pimienta, Tania G, Sanchez Riera, Lidia, Sandar, Logan, Santos, Itamar S, Sapkota, Amir, Satpathy, Maheswar, Saunders, James E, Sawhney, Monika, Saylan, Mete I, Scarborough, Peter, Schmidt, Jürgen C, Schneider, Ione J. C, Schöttker, Ben, Schwebel, David C, Scott, James G, Seedat, Soraya, Sepanlou, Sadaf G, Serdar, Berrin, Servan Mori, Edson E, Shaddick, Gavin, Shahraz, Saeid, Levy, Teresa Shamah, Shangguan, Siyi, She, Jun, Sheikhbahaei, Sara, Shibuya, Kenji, Shin, Hwashin H, Shinohara, Yukito, Shiri, Rahman, Shishani, Kawkab, Shiue, Ivy, Sigfusdottir, Inga D, Silberberg, Donald H, Simard, Edgar P, Sindi, Shireen, Singh, Abhishek, Singh, Gitanjali M, Singh, Jasvinder A, Skirbekk, Vegard, Sliwa, Karen, Soljak, Michael, Soneji, Samir, Søreide, Kjetil, Soshnikov, Sergey, Sposato, Luciano A, Sreeramareddy, Chandrashekhar T, Stapelberg, Nicolas J. C, Stathopoulou, Vasiliki, Steckling, Nadine, Stein, Dan J, Stein, Murray B, Stephens, Natalie, Stöckl, Heidi, Straif, Kurt, Stroumpoulis, Konstantino, Sturua, Lela, Sunguya, Bruno F, Swaminathan, Soumya, Swaroop, Mamta, Sykes, Bryan L, Tabb, Karen M, Takahashi, Ken, Talongwa, Roberto T, Tandon, Nikhil, Tanne, David, Tanner, Marcel, Tavakkoli, Mohammad, Te Ao, Braden J, Teixeira, Carolina M, Téllez Rojo, Martha M, Terkawi, Abdullah S, Texcalac Sangrador, José Lui, Thackway, Sarah V, Thomson, Blake, Thorne Lyman, Andrew L, Thrift, Amanda G, Thurston, George D, Tillmann, Taavi, Tobollik, Myriam, Tonelli, Marcello, Topouzis, Foti, Towbin, Jeffrey A, Toyoshima, Hideaki, Traebert, Jefferson, Tran, Bach X, Trasande, Leonardo, Trillini, Matia, Trujillo, Ulise, Dimbuene, Zacharie Tsala, Tsilimbaris, Miltiadi, Tuzcu, Emin Murat, Uchendu, Uche S, Ukwaja, Kingsley N, Uzun, Selen B, van de Vijver, Steven, Van Dingenen, Rita, van Gool, Coen H, van Os, Jim, Varakin, Yuri Y, Vasankari, Tommi J, Vasconcelos, Ana Maria N, Vavilala, Monica S, Veerman, Lennert J, Velasquez Melendez, Gustavo, Venketasubramanian, N, Vijayakumar, Lakshmi, Villalpando, Salvador, Violante, Francesco S, Vlassov, Vasiliy Victorovich, Vollset, Stein Emil, Wagner, Gregory R, Waller, Stephen G, Wallin, Mitchell T, Wan, Xia, Wang, Haidong, Wang, Jianli, Wang, Linhong, Wang, Wenzhi, Wang, Yanping, Warouw, Tati S, Watts, Charlotte H, Weichenthal, Scott, Weiderpass, Elisabete, Weintraub, Robert G, Werdecker, Andrea, Wessells, K. Ryan, Westerman, Ronny, Whiteford, Harvey A, Wilkinson, James D, Williams, Hywel C, Williams, Thomas N, Woldeyohannes, Solomon M, Wolfe, Charles D. A, Wong, John Q, Woolf, Anthony D, Wright, Jonathan L, Wurtz, Brittany, Xu, Gelin, Yan, Lijing L, Yang, Gonghuan, Yano, Yuichiro, Ye, Pengpeng, Yenesew, Muluken, Yentür, Gökalp K, Yip, Paul, Yonemoto, Naohiro, Yoon, Seok Jun, Younis, Mustafa Z, Younoussi, Zourkaleini, Yu, Chuanhua, Zaki, Maysaa E, Zhao, Yong, Zheng, Yingfeng, Zhou, Maigeng, Zhu, Jun, Zhu, Shankuan, Zou, Xiaonong, Zunt, Joseph R, Lopez, Alan D, Vos, Theo, Murray, Christopher J., Cell biology, Epidemiology, Neurosciences, Health Technology Assessment (HTA), Public Health, General practice, Bachman, Victoria F., Coates, Matthew M., Frostad, Joseph J., Astha, K.C., Kyu, Hmwe H., Moradi-Lakeh, Maziar, Thomas, Bernadette A., Abbasoglu Ozgoren, Ayse, Abd-Allah, Foad, Abera, Semaw F., Puthenpurakal Abraham, Jerry, Abu-Rmeileh, Niveen M.E., Aburto, Tania C., Adou, Arsène K., Adsuar, José C., Agardh, Emilie E., Al Khabouri, Mazin J., Al Lami, Faris H., Albittar, Mohammed I., Alegretti, Miguel A., Aleman, Alicia V., Alemu, Zewdie A., Alfonso-Cristancho, Rafael, Ali, Mohammed K., Allen, Peter J., Alvis-Guzman, Nelson, Amankwaa, Adansi A., Amare, Azmeraw T., Ameh, Emmanuel A., Anderson, Benjamin O., Antonio, Carl Abelardo T., Argeseanu Cunningham, Solveig, Arsic Arsenijevic, Valentina S., Asghar, Rana J., Atkins, Lydia S., Avila, Marco A., Bahit, Maria C., Barber, Ryan M., Barker-Collo, Suzanne L., Barrero, Lope H., Barrientos-Gutierrez, Tonatiuh, Basto-Abreu, Ana C., Basulaiman, Mohammed O., Batis Ruvalcaba, Carolina, Bell, Michelle L., Bennett, Derrick A., Beyene, Tariku J., Bhutta, Zulfiqar A., Bin Abdulhak, Aref A., Blore, Jed D., Blyth, Fiona M., Bohensky, Megan A., Bora Başara, Berrak, Bornstein, Natan M., Bourne, Rupert R., Breitborde, Nicholas J., Briggs, Adam D.M., Broday, David M., Brooks, Peter M., Bruce, Nigel G., Brugha, Traolach S., Bui, Linh N., Bulloch, Andrew G., Burney, Peter G.J., Campos-Nonato, Ismael R., Campuzano, Julio C., Cantoral, Alejandra J., Carpenter, David O., Castañeda-Orjuela, Carlos A., Castro, Ruben E., Catalá-López, Ferrán, Chadha, Vineet K., Chang, Jung-Chen, Charlson, Fiona J., Chiang, Peggy P., Chimed-Ochir, Odgerel, Christophi, Costas A., Chuang, Ting-Wu, Chugh, Sumeet S., Claßen, Thomas K.D., Colquhoun, Samantha M., Contreras, Alejandra G., Cooper, Leslie T., Courville, Karen J., Criqui, Michael H., Cuevas-Nasu, Lucia, Damsere-Derry, Jame, Dargan, Paul I., Davitoiu, Dragos V., De Castro, E. Filipa, De La Cruz-Góngora, Vanessa, De Lima, Graça, Del Pozo-Cruz, Borja, Dellavalle, Robert P., Des Jarlais, Don C., Deveber, Gabrielle A., Devries, Karen M., Dharmaratne, Samath D., Dherani, Mukesh K., Ding, Eric L., Driscoll, Tim R., Durrani, Adnan M., Ebel, Beth E., Ellenbogen, Richard G., Elshrek, Yousef M., Ermakov, Sergey P., Erskine, Holly E., Faraon, Emerito Jose A., Fay, Derek F.J., Feigin, Valery L., Feigl, Andrea B., Fereshtehnejad, Seyed-Mohammad, Ferrari, Alize J., Ferri, Cleusa P., Flaxman, Abraham D., Fleming, Thomas D., Foreman, Kyle J., Fra Paleo, Urbano, Franklin, Richard C., Gankpé, Fortuné G., Gansevoort, Ron T., García-Guerra, Francisco A., Geleijnse, Johanna M., Gessner, Bradford D., Gibney, Katherine B., Gillum, Richard F., Ginawi, Ibrahim A.M., Gomez Dantes, Hector, Gonzalez De Cosio, Teresita, González-Castell, Dinorah, Gotay, Carolyn C., Gouda, Hebe N., Guerrant, Richard L., Gugnani, Harish C., Gutiérrez, Reyna A., Hafezi-Nejad, Nima, Halasa, Yara A., Hamadeh, Randah R., Hankey, Graeme J., Harb, Hilda L., Hay, Simon I., Hedayati, Mohammad T., Heredia-Pi, Ileana B., Heuton, Kyle R., Hoek, Hans W., Hoffman, Howard J., Hornberger, John C., Hosgood, H., Hoy, Damian G., Huang, John J., Hubbell, Bryan J., Iannarone, Marissa L., Iburg, Kim M., Idrisov, Bulat T., Jacobsen, Kathryn H., Jansen, Henrica A., Jarvis, Deborah L., Jassal, Simerjot K., Jensen, Paul N., Jonas, Jost B., Kany Roseline, Sidibe S., Karam, Nadim E., Karema, Corine K., Kazi, Dhruv S., Kemp, Andrew H., Kengne, Andre P., Khader, Yousef S., Ali Hassan Khalifa, Shams Eldin, Khan, Ejaz A., Khang, Young-Ho, Kimokoti, Ruth W., Kinge, Jonas M., Kissela, Brett M., Knibbs, Luke D., Kuate Defo, Barthelemy, Kucuk Bicer, Burcu, Kuipers, Ernst J., Kulkarni, Veena S., Kwan, Gene F., Lakshmana Balaji, Arjun, Lansingh, Van C., Larson, Heidi J., Laryea, Dennis O., Lavados, Pablo M., Lawrynowicz, Alicia E., Leasher, Janet L., Lee, Jong-Tae, Lim, Stephen S., Lipshultz, Steven E., Lloyd, Belinda K., London, Stephanie J., Lortet-Tieulent, Joannie, Lotufo, Paulo A., Machado, Vasco M.P., Macintyre, Michael F., Magis-Rodriguez, Carlo, Mahdi, Abbas A., Mapoma, Christopher C., Margolis, David J., Marks, Guy B., Martin, Randall V., Marzan, Melvin B., Mashal, Mohammad T., Mason-Jones, Amanda J., Mayosi, Bongani M., Mazorodze, Tasara T., Mckay, Abigail C., Meaney, Peter A., Mejia-Rodriguez, Fabiola, Melaku, Yohannes A., Memish, Ziad A., Mensah, George A., Apolinary Mhimbira, Franci, Miller, Ted R., Mills, Edward J., Mohamed Ibrahim, Norlinah, Mohammad, Karzan A., Mokdad, Ali H., Mola, Glen L., Montañez Hernandez, Julio C., Moore, Ami R., Moturi, Wilkister N., Mueller, Ulrich O., Mullany, Erin C., Murthy, Kinnari S., Naidoo, Kovin S., Narayan, K.M. Venkat, Neupane, Sudan P., Newton, Charles R., Ngalesoni, Frida N., Ngirabega, Jean De Dieu, Nguyen, Nhung T., Nieuwenhuijsen, Mark J., Nisar, Muhammad I., Nogueira, José R., Nolla, Joan M., Norheim, Ole F., Norman, Rosana E., Oh, In-Hwan, Olusanya, Bolajoko O., Omer, Saad B., Pagcatipunan, Rodolfo S., Pain, Amanda W., Pandian, Jeyaraj D., Panelo, Carlo Irwin A., Park, Eun-Kee, Parry, Charles D., Paternina Caicedo, Angel J., Patten, Scott B., Paul, Vinod K., Pavlin, Boris I., Pedraza, Lilia S., Pejin Stokic, Ljiljana, Pereira, David M., Perez-Padilla, Rogelio, Perez-Ruiz, Fernando, Perry, Samuel A.L., Phillips, Michael R., Polanczyk, Guilherme V., Pond, Constance D., Prasad, Noela M., Qato, Dima M., Quezada, Amado D., Quistberg, D. Alex A., Rahimi-Movaghar, Vafa, Ur Rahman, Sajjad, Rana, Saleem M., Refaat, Amany H., Ribeiro, Antonio L., Riccio, Patricia M., Rojas-Rueda, David, Ruhago, George M., Sacco, Ralph L., Salomon, Joshua A., Sampson, Uchechukwu K., Sanabria, Juan R., Sánchez-Pimienta, Tania G., Sanchez-Riera, Lidia, Santos, Itamar S., Saunders, James E., Saylan, Mete I., Schmidt, Jürgen C., Schneider, Ione J.C., Schwebel, David C., Scott, James G., Sepanlou, Sadaf G., Servan-Mori, Edson E., Shamah Levy, Teresa, Shin, Hwashin H., Sigfusdottir, Inga D., Silberberg, Donald H., Simard, Edgar P., Singh, Gitanjali M., Singh, Jasvinder A., Sposato, Luciano A., Sreeramareddy, Chandrashekhar T., Stapelberg, Nicolas J.C., Stein, Dan J., Stein, Murray B., Sunguya, Bruno F., Sykes, Bryan L., Tabb, Karen M., Talongwa, Roberto T., Te Ao, Braden J., Teixeira, Carolina M., Téllez Rojo, Martha M., Terkawi, Abdullah S., Texcalac-Sangrador, José Lui, Thackway, Sarah V., Thorne-Lyman, Andrew L., Thrift, Amanda G., Thurston, George D., Towbin, Jeffrey A., Tran, Bach X., Tsala Dimbuene, Zacharie, Uchendu, Uche S., Ukwaja, Kingsley N., Uzun, Selen B., Van De Vijver, Steven, Van Gool, Coen H., Van Os, Jim, Varakin, Yuri Y., Vasankari, Tommi J., Vasconcelos, Ana Maria N., Vavilala, Monica S., Veerman, Lennert J., Velasquez-Melendez, Gustavo, Venketasubramanian, N., Violante, Francesco S., Victorovich Vlassov, Vasiliy, Wagner, Gregory R., Waller, Stephen G., Wallin, Mitchell T., Warouw, Tati S., Watts, Charlotte H., Weintraub, Robert G., Whiteford, Harvey A., Wilkinson, James D., Williams, Hywel C., Williams, Thomas N., Woldeyohannes, Solomon M., Wolfe, Charles D.A., Wong, John Q., Woolf, Anthony D., Wright, Jonathan L., Yan, Lijing L., Yentür, Gökalp K., Yoon, Seok-Jun, Younis, Mustafa Z., Zaki, Maysaa E., Zunt, Joseph R., Lopez, Alan D., and Temesgen, A.M.
- Subjects
Male ,Fine particulate matter ,Nutrition and Disease ,MESH : Sanitation ,Health Behavior ,Diseases ,MESH: Metabolic Diseases ,MESH: Global Health ,030204 cardiovascular system & hematology ,MESH: Risk Assessment ,Global Health ,MESH : Nutritional Status ,MESH: Occupational Exposure ,0302 clinical medicine ,Unsafe Sex ,MESH: Risk Factors ,Risk Factors ,Voeding en Ziekte ,Medicine ,Air-pollution ,MESH : Female ,030212 general & internal medicine ,MESH : Risk Assessment ,Sanitation ,Wasting ,2. Zero hunger ,Factors de risc en les malalties ,Medicine (all) ,[ SDV.SPEE ] Life Sciences [q-bio]/Santé publique et épidémiologie ,Public Health, Global Health, Social Medicine and Epidemiology ,General Medicine ,MESH : Occupational Diseases ,MESH: Nutritional Status ,All-cause mortality ,MESH : Risk Factors ,humanities ,Environmental Exposure ,Female ,Humans ,Metabolic Diseases ,Nutritional Status ,Occupational Diseases ,Occupational Exposure ,Risk Assessment ,Tobacco smoking ,3. Good health ,Nutritional Statu ,MESH : Occupational Exposure ,MESH : Metabolic Diseases ,Cohort ,medicine.symptom ,Risk assessment ,Blood-pressure ,Human ,MESH: Occupational Diseases ,Risk factors in diseases ,Coronary-heart-disease ,MESH : Male ,MESH: Health Behavior ,MESH: Environmental Exposure ,Population health ,Body-mass index ,03 medical and health sciences ,Household cooking ,Cardiovascular-disease ,Environmental health ,General & Internal Medicine ,parasitic diseases ,Life Science ,MESH: Sanitation ,Risk factor ,MESH : Health Behavior ,VLAG ,GBD2013 ,MESH: Humans ,business.industry ,Risk Factor ,Global Burden of Disease Study ,79 behavioural, environmental and occupational, and metabolic risks ,Long-term exposure ,MESH : Humans ,CAUSE-SPECIFIC MORTALITY ,MESH: Male ,Metabolic Disease ,Occupational Disease ,Folkhälsovetenskap, global hälsa, socialmedicin och epidemiologi ,MALE BRITISH DOCTORS ,Years of potential life lost ,Relative risk ,Malalties ,MESH : Global Health ,OUTDOOR AIR-POLLUTION ,[SDV.SPEE]Life Sciences [q-bio]/Santé publique et épidémiologie ,business ,MESH : Environmental Exposure ,MESH: Female - Abstract
Summary Background The Global Burden of Disease, Injuries, and Risk Factor study 2013 (GBD 2013) is the first of a series of annual updates of the GBD. Risk factor quantification, particularly of modifiable risk factors, can help to identify emerging threats to population health and opportunities for prevention. The GBD 2013 provides a timely opportunity to update the comparative risk assessment with new data for exposure, relative risks, and evidence on the appropriate counterfactual risk distribution. Methods Attributable deaths, years of life lost, years lived with disability, and disability-adjusted life-years (DALYs) have been estimated for 79 risks or clusters of risks using the GBD 2010 methods. Risk–outcome pairs meeting explicit evidence criteria were assessed for 188 countries for the period 1990–2013 by age and sex using three inputs: risk exposure, relative risks, and the theoretical minimum risk exposure level (TMREL). Risks are organised into a hierarchy with blocks of behavioural, environmental and occupational, and metabolic risks at the first level of the hierarchy. The next level in the hierarchy includes nine clusters of related risks and two individual risks, with more detail provided at levels 3 and 4 of the hierarchy. Compared with GBD 2010, six new risk factors have been added: handwashing practices, occupational exposure to trichloroethylene, childhood wasting, childhood stunting, unsafe sex, and low glomerular filtration rate. For most risks, data for exposure were synthesised with a Bayesian metaregression method, DisMod-MR 2.0, or spatial-temporal Gaussian process regression. Relative risks were based on meta-regressions of published cohort and intervention studies. Attributable burden for clusters of risks and all risks combined took into account evidence on the mediation of some risks such as high body-mass index (BMI) through other risks such as high systolic blood pressure and high cholesterol. Findings All risks combined account for 57·2% (95% uncertainty interval [UI] 55·8–58·5) of deaths and 41·6% (40·1–43·0) of DALYs. Risks quantified account for 87·9% (86·5−89·3) of cardiovascular disease DALYs, ranging to a low of 0% for neonatal disorders and neglected tropical diseases and malaria. In terms of global DALYs in 2013, six risks or clusters of risks each caused more than 5% of DALYs: dietary risks accounting for 11·3 million deaths and 241·4 million DALYs, high systolic blood pressure for 10·4 million deaths and 208·1 million DALYs, child and maternal malnutrition for 1·7 million deaths and 176·9 million DALYs, tobacco smoke for 6·1 million deaths and 143·5 million DALYs, air pollution for 5·5 million deaths and 141·5 million DALYs, and high BMI for 4·4 million deaths and 134·0 million DALYs. Risk factor patterns vary across regions and countries and with time. In sub-Saharan Africa, the leading risk factors are child and maternal malnutrition, unsafe sex, and unsafe water, sanitation, and handwashing. In women, in nearly all countries in the Americas, north Africa, and the Middle East, and in many other high-income countries, high BMI is the leading risk factor, with high systolic blood pressure as the leading risk in most of Central and Eastern Europe and south and east Asia. For men, high systolic blood pressure or tobacco use are the leading risks in nearly all high-income countries, in north Africa and the Middle East, Europe, and Asia. For men and women, unsafe sex is the leading risk in a corridor from Kenya to South Africa. Interpretation Behavioural, environmental and occupational, and metabolic risks can explain half of global mortality and more than one-third of global DALYs providing many opportunities for prevention. Of the larger risks, the attributable burden of high BMI has increased in the past 23 years. In view of the prominence of behavioural risk factors, behavioural and social science research on interventions for these risks should be strengthened. Many prevention and primary care policy options are available now to act on key risks. Funding Bill & Melinda Gates Foundation. Background The Global Burden of Disease, Injuries, and Risk Factor study 2013 (GBD 2013) is the fi rst of a series of annual updates of the GBD. Risk factor quantifi cation, particularly of modifi able risk factors, can help to identify emerging threats to population health and opportunities for prevention. The GBD 2013 provides a timely opportunity to update the comparative risk assessment with new data for exposure, relative risks, and evidence on the appropriate counterfactual risk distribution. Methods Attributable deaths, years of life lost, years lived with disability, and disability-adjusted life-years (DALYs) have been estimated for 79 risks or clusters of risks using the GBD 2010 methods. Risk–outcome pairs meeting explicit evidence criteria were assessed for 188 countries for the period 1990–2013 by age and sex using three inputs: risk exposure, relative risks, and the theoretical minimum risk exposure level (TMREL). Risks are organised into a hierarchy with blocks of behavioural, environmental and occupational, and metabolic risks at the fi rst level of the hierarchy. The next level in the hierarchy includes nine clusters of related risks and two individual risks, with more detail provided at levels 3 and 4 of the hierarchy. Compared with GBD 2010, six new risk factors have been added: handwashing practices, occupational exposure to trichloroethylene, childhood wasting, childhood stunting, unsafe sex, and low glomerular fi ltration rate. For most risks, data for exposure were synthesised with a Bayesian metaregression method, DisMod-MR 2.0, or spatial-temporal Gaussian process regression. Relative risks were based on meta-regressions of published cohort and intervention studies. Attributable burden for clusters of risks and all risks combined took into account evidence on the mediation of some risks such as high body-mass index (BMI) through other risks such as high systolic blood pressure and high cholesterol. Findings All risks combined account for 57·2% (95% uncertainty interval [UI] 55·8–58·5) of deaths and 41·6% (40·1–43·0) of DALYs. Risks quantified account for 87·9% (86·5−89·3) of cardiovascular disease DALYs, ranging to a low of 0% for neonatal disorders and neglected tropical diseases and malaria. In terms of global DALYs in 2013, six risks or clusters of risks each caused more than 5% of DALYs: dietary risks accounting for 11·3 million deaths and 241·4 million DALYs, high systolic blood pressure for 10·4 million deaths and 208·1 million DALYs, child and maternal malnutrition for 1·7 million deaths and 176·9 million DALYs, tobacco smoke for 6·1 million deaths and 143·5 million DALYs, air pollution for 5·5 million deaths and 141·5 million DALYs, and high BMI for 4·4 million deaths and 134·0 million DALYs. Risk factor patterns vary across regions and countries and with time. In sub-Saharan Africa, the leading risk factors are child and maternal malnutrition, unsafe sex, and unsafe water, sanitation, and handwashing. In women, in nearly all countries in the Americas, north Africa, and the Middle East, and in many other high-income countries, high BMI is the leading risk factor, with high systolic blood pressure as the leading risk in most of Central and Eastern Europe and south and east Asia. For men, high systolic blood pressure or tobacco use are the leading risks in nearly all high-income countries, in north Africa and the Middle East, Europe, and Asia. For men and women, unsafe sex is the leading risk in a corridor from Kenya to South Africa. Interpretation Behavioural, environmental and occupational, and metabolic risks can explain half of global mortality and more than one-third of global DALYs providing many opportunities for prevention. Of the larger risks, the attributable burden of high BMI has increased in the past 23 years. In view of the prominence of behavioural risk factors, behavioural and social science research on interventions for these risks should be strengthened. Many prevention and primary care policy options are available now to act on key risks. Funding Bill & Melinda Gates Foundation.
- Published
- 2015
5. Memory Bandits: Towards the Switching Bandit Problem Best Resolution
- Author
-
Alami, Réda, Maillard, Odalric-Ambrym, Féraud, Raphaël, Orange Labs [Lannion], France Télécom, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[MATH.MATH-PR]Mathematics [math]/Probability [math.PR] ,[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST] ,[MATH]Mathematics [math] ,ComputingMilieux_MISCELLANEOUS - Abstract
International audience
- Published
- 2018
6. Memory Bandits: a Bayesian approach for the Switching Bandit Problem
- Author
-
Alami, Réda, Maillard, Odalric, Féraud, Raphael, Orange Labs [Lannion], France Télécom, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[STAT]Statistics [stat] ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] - Abstract
International audience; The Thompson Sampling exhibits excellent results in practice and it has been shown to be asymptotically optimal. The extension of Thompson Sampling algorithm to the Switching Multi-Armed Bandit problem, proposed in [13], is a Thompson Sampling equiped with a Bayesian online change point detector [1]. In this paper, we propose another extension of this approach based on a Bayesian aggregation framework. Experiments provide some evidences that in practice, the proposed algorithm compares favorably with the previous version of Thompson Sampling for the Switching Multi-Armed Bandit Problem, while it outperforms clearly other algorithms of the state-of-the-art.
- Published
- 2017
7. Agent Based Modeling Architecture with BPMN And DEVS Network
- Author
-
Mariem Sbayou, Youssef Bouanan, Gregory Zacharewicz, Julien Francois, Laboratoire de l'intégration, du matériau au système (IMS), Centre National de la Recherche Scientifique (CNRS)-Institut Polytechnique de Bordeaux-Université Sciences et Technologies - Bordeaux 1, Productique, Centre National de la Recherche Scientifique (CNRS)-Institut Polytechnique de Bordeaux-Université Sciences et Technologies - Bordeaux 1-Centre National de la Recherche Scientifique (CNRS)-Institut Polytechnique de Bordeaux-Université Sciences et Technologies - Bordeaux 1, Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Zacharewicz, Gregory, Laboratoire de l'intégration, du matériau au système ( IMS ), Université Sciences et Technologies - Bordeaux 1-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique ( CNRS ), Université Sciences et Technologies - Bordeaux 1-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique ( CNRS ) -Université Sciences et Technologies - Bordeaux 1-Institut Polytechnique de Bordeaux-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Laboratoire d'analyse et d'architecture des systèmes [Toulouse] ( LAAS ), Centre National de la Recherche Scientifique ( CNRS ) -Université Toulouse III - Paul Sabatier ( UPS ), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut National des Sciences Appliquées - Toulouse ( INSA Toulouse ), and Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Institut National Polytechnique [Toulouse] ( INP )
- Subjects
[ INFO.INFO-MO ] Computer Science [cs]/Modeling and Simulation ,[INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation ,[INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation ,ComputingMilieux_MISCELLANEOUS - Abstract
International audience
- Published
- 2017
8. Erratum to 'Predominance of healthcare-associated cases among episodes of community-onset bacteraemia due to extended-spectrum β-lactamase-producing Enterobacteriaceae' [International Journal of Antimicrobial Agents 49/1 67-73]
- Author
-
Jean-Ralph Zahar, Philippe Lesprit, Stephane Ruckly, Aurelia Eden, Hitoto Hikombo, Louis Bernard, Stephan Harbarth, Jean-Francois Timsit, Christian Brun-Buisson, Jean Carlet, Pierre Dellamonica, Remy Gauzit, Christian Rabaud, Serge Alfandari, Robert Cohen, Bruno Coignard, Celine Pulcini, Jerome Robert, Nejla Aissa, Alain Losniewski, Sandrine Henard, Cecile Janssen, Leonardo Pagani, Stephane Bland, Jacques Gaillat, Jean Pierre Bru, Pierre Bonnin, Gaelle Clavere, Virginie Vitrat, Laurence Maulin, Luc Quarsaet, Helene Roger, Jean-Baptiste Euzen, Eric Denes, Elodie Couve-Daecon, Catherine Lechiche, Jean-Philippe Lavigne, Veronique Mondain, Veronique Garnier, Dorothee Lambert, Maxime Hentzien, Yohan Nguyen, Jean Paul Talarmin, Pascaline Rameau, Francoise Geffroy, Arnaud Salmon-Rousseau, Vincent Cattoir, Antoine Froissart, Said Aberrane, Laurence Legout, France Roblot, Guillaume Beraud, Patricia Pavese, Olivier Belmonte, Nicolas Traversier, Laurent Bellec, Marie Lagrange-Xelot, Marie-Pierre Moiton, Barbara Kuli, Pascal Longuet, Agnes Scanvic, Lea Colombain, Milagros Ferreyra, Maxime Jean, Etienne Laurens, Matthieu Saada, Hugues Aumaitre, Martine Malet, Frederique Roustant, Vincent LeMoing, Jean-Pierre Helene, Jonathan Theodore, Caroline Garandeau, Jocelyne Caillon, Benjamin Olivero, David Boutoille, Didier Lepelletier, Lucia Grandiere-Perez, Aurelie Beaudron, Celine Ramanantsoa, Catherine Varache, Nicolas Varache, Nicolas Crochette, Hikombo Hitoto, Sophie Blanchi, Pascale Penn, Bernard Louis, Dominique Vanjak, Marie-Christine Escande, Rene-Gilles Patrigeon, Stephanie Honore, Audrey Barrelet, Marlene Amara, Jean-Marc Galempoix, Jean-Claude Reveil, Patricia Bucchiotty, Carine Couzigou, Alban LeMonnier, Emilie Boidin, Stephane Sire, Nelly Luizy, Caroline Bronstain, Carolina Fankhauser, Caroline Brossier, Elodie von Dach, Colette Sauve, Marie-Noelle Adam, Laurent Hocqueloux, Laurent Bret, Marie-Helene Andre, Regine Barruet, Marion Challier, Andre Cabie, Benoit Roze, Patrick Plesiat, Katy Jeanot, Isabelle Patry, Josephine Moreau, Catherine Chirouze, Aaron Laurent, Marie-Nadege Bachelier, Guillaume Kac, Nicolas Farthouat, Nicolas Feuillebois, Thomas Guimard, Sandra Bourdon, Sophie Nguyen, Houcine Bentayeb, Mari-Therese Albertini, Bruno Marchou, Noemie Gaudre, Damien Dubois, Christelle Guillet-Caruba, Florence Doucet Populaire, Nicolas Fortineau, Leila Escaut, Vincent Fihman, Josette Raymond, Solene Kerneis, Veronique Leflon-Guibout, Agnes Lefort, Aurelien Dinh, Anne-Laure Roux, Sophie Abgrall, Francoise Jaureguy, Jean-Christophe Lucet, Nathalie Soismier, Amanda Lopes, Emmanuelle Cambau, Veronique Manceron, Guilene Barnaud, Hôpital Avicenne [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Infection, Anti-microbiens, Modélisation, Evolution (IAME (UMR_S_1137 / U1137)), Université Paris 13 (UP13)-Université Paris Diderot - Paris 7 (UPD7)-Université Sorbonne Paris Cité (USPC)-Institut National de la Santé et de la Recherche Médicale (INSERM), Hôpital Foch [Suresnes], Centre Hospitalier Saint Jean de Perpignan, Service d'Infectiologie et des maladies infectieuses et tropicales [CH Le Mans] | Infectious and tropical disease department [Le Mans hospital], Centre Hospitalier Le Mans (CH Le Mans), Hôpital Bretonneau, Centre Hospitalier Régional Universitaire de Tours (CHRU Tours), Prévention et contrôle des infections (PCI ), Hôpitaux Universitaires de Genève (HUG), Services de Maladies Infectieuses et Tropicales [CHU Bichat], AP-HP - Hôpital Bichat - Claude Bernard [Paris], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Hôpital Henri Mondor, Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpital Henri Mondor-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Service des maladies infectieuses, Centre Hospitalier Universitaire de Nice (CHU Nice)-University Hospital, Hôpital Cochin [AP-HP], Service des Maladies Infectieuses et Tropicales [CHRU Nancy], Centre Hospitalier Régional Universitaire de Nancy (CHRU Nancy), Réseau Antibiolor, Stress, Immunité, Pathogènes (SIMPA), Université de Lorraine (UL), Centre Hospitalier Tourcoing, Sciences Economiques et Sociales de la Santé & Traitement de l'Information Médicale (SESSTIM - U912 INSERM - Aix Marseille Univ - IRD), Institut de Recherche pour le Développement (IRD)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Institut de minéralogie, de physique des matériaux et de cosmochimie (IMPMC), Muséum national d'Histoire naturelle (MNHN)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut de recherche pour le développement [IRD] : UR206-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Bactériologie [CHU Nancy], Institute for Computational Modeling in Civil Engineering, Technische Universität Braunschweig = Technical University of Braunschweig [Braunschweig], Imperial College London, Service des Maladies Infectieuses, Centre Hospitalier de la Région d'Annecy (Pringy), Service des Maladies infectieuses et tropicales [CHU Limoges], CHU Limoges, Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA), Centre Hospitalier Universitaire de Reims (CHU Reims), CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), CH Cornouaille, Plateforme imagerie et cytométrie (PFIC), Analyse moléculaire, modélisation et imagerie de la maladie cancéreuse (AMMICa), Université Paris-Sud - Paris 11 (UP11)-Institut Gustave Roussy (IGR)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Institut Gustave Roussy (IGR)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS), Service NEUROSPIN (NEUROSPIN), Université Paris-Saclay-Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA), Centre hospitalier universitaire de Poitiers (CHU Poitiers), Evaluation des technologies de santé et des pratiques médicales - ULR 2694 (METRICS), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] (CHRU Lille), Institute of New Imaging Technologies (INIT), Universitat Jaume I, Centre Hospitalier Universitaire de La Réunion (CHU La Réunion), Unité des maladies infectieuses, Hôpital Bichat - Claude Bernard, CHU Pontchaillou [Rennes], Laboratoire Cliniques Pathologique et Interculturelle (LCPI), Université Toulouse - Jean Jaurès (UT2J), Université de Toulouse (UT)-Université de Toulouse (UT), SAD Paysage (SAD Paysage), Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST, Service des maladies infectieuses CHU Perpignan, Recherches Translationnelles sur le VIH et les maladies infectieuses endémiques et émergentes (TransVIHMI), Institut de Recherche pour le Développement (IRD)-Université de Yaoundé I-Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Montpellier (UM), Département de Chimie Moléculaire (DCM), Institut de Chimie du CNRS (INC)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Thérapeutiques cliniques et expérimentales des infections (EA 3826) (EA 3826), Université de Nantes - UFR de Médecine et des Techniques Médicales (UFR MEDECINE), Université de Nantes (UN)-Université de Nantes (UN), Centre de Recherche en Ingénierie financière et finance Publique (CRIFP), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA), Service des maladies infectieuses et tropicales [CHU Nantes], Centre hospitalier universitaire de Nantes (CHU Nantes), Service de bactériologie et hygiène hospitalière [Nantes], Université de Nantes (UN)-Centre hospitalier universitaire de Nantes (CHU Nantes), Hôpital de la Timone [CHU - APHM] (TIMONE), Centre de Recherches en Oncologie biologique et Oncopharmacologie (CRO2), Aix Marseille Université (AMU)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Institut National de la Santé et de la Recherche Médicale (INSERM), Centre Hospitalier de Charleville-Mezières, Université de Bordeaux (UB), Institut de Recherche Dupuy de Lôme (IRDL), École Nationale d'Ingénieurs de Brest (ENIB)-Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Centre National de la Recherche Scientifique (CNRS), Department of Cell Biology, Sciences III, Université de Genève = University of Geneva (UNIGE), Université Laval [Québec] (ULaval), Service de Maladies Infectieuses et Tropicales [Fort-de-France, Martinique], CHU de la Martinique [Fort de France]-Hôpital Pierre Zobda-Quitman [CHU de la Martinique], CHU de la Martinique [Fort de France]-Centre Hospitalier Universitaire de Martinique [Fort-de-France, Martinique], CHU Fort de France-CHU de la Martinique [Fort de France]-Hôpital Pierre Zobda-Quitman [CHU de la Martinique], CHU de la Martinique [Fort de France], Agents pathogènes et inflammation - UFC (EA 4266) (API), Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC), Centre Hospitalier Régional Universitaire de Besançon (CHRU Besançon), Institut de l'élevage (IDELE), Laboratoire Chrono-environnement (UMR 6249) (LCE), Centre National de la Recherche Scientifique (CNRS)-Université de Franche-Comté (UFC), Service des maladies infectieuses et tropicales, Centre Hospitalier Régional Universitaire de Besançon (CHRU Besançon)-Hôpital Saint-Jacques, Laboratoire d'Informatique de l'Université du Mans (LIUM), Le Mans Université (UM), Physiopathologie de l'Endothelium, Vascular research center of Marseille (VRCM), Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM), Service des maladies infectieuses et réanimation médicale [Rennes] = Infectious Disease and Intensive Care [Rennes], Université de Sherbrooke (UdeS), Centre hospitalier universitaire de Tourcoing, Homéostasie Cellulaire et Pathologies (HCP), Université de Limoges (UNILIM)-CHU Limoges-Génomique, Environnement, Immunité, Santé, Thérapeutique (GEIST FR CNRS 3503), Centre Hospitalier Universitaire de Toulouse (CHU Toulouse), Laboratoire Montpelliérain d'Économie Théorique et Appliquée (LAMETA), Université Montpellier 1 (UM1)-Université Paul-Valéry - Montpellier 3 (UPVM)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Faculty of Mathematics, Informatics, and Mechanics [Warsaw] (MIMUW), University of Warsaw (UW), Service de Microbiologie, Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Université Paris Diderot - Paris 7 (UPD7)-Hôpital Beaujon [AP-HP], Services des maladies infectieuses, Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpital Raymond Poincaré [AP-HP], Institut de Planétologie et d'Astrophysique de Grenoble (IPAG), Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Observatoire des Sciences de l'Univers de Grenoble (OSUG ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national des sciences de l'Univers (INSU - CNRS)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Université Paris 13 (UP13)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Hôpital Avicenne [AP-HP], Université Paris Diderot - Paris 7 (UPD7), Département de Médecine interne [Lariboisière], Hôpital Lariboisière-Fernand-Widal [APHP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Université Paris Diderot - Paris 7 (UPD7), Emergence de la résistance bactérienne in vivo (EA3964), AP-HP Groupe Hospitalier Lariboisière, Laboratoire d'ethnologie et de sociologie comparative (LESC), Université Paris Nanterre (UPN)-Centre National de la Recherche Scientifique (CNRS), Muséum national d'Histoire naturelle (MNHN), Equipe mobile d'infectiologie, CHU Necker - Enfants Malades [AP-HP], Service Microbiologie-Hygiène Hospitalière, Institut franco-allemand de recherche de Saint-Louis, Centre Hospitalier Universitaire [Grenoble] (CHU), Unité d’Otologie, implants auditifs et chirurgie de la base du crâne [CHU Pitié-Salpêtrière], Service d'Oto-Rhino-Laryngologie [CHU Pitié-Salpêtrière], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-CHU Pitié-Salpêtrière [AP-HP], Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU), Recherches Translationnelles sur le VIH et les maladies infectieuses endémiques er émergentes (TransVIHMI), CHU Toulouse [Toulouse], Institut de recherche en astrophysique et planétologie (IRAP), Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire Midi-Pyrénées (OMP), Institut de Recherche pour le Développement (IRD)-Université Toulouse III - Paul Sabatier (UT3), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Institut de Recherche pour le Développement (IRD)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Météo-France -Centre National de la Recherche Scientifique (CNRS), Laboratoire Chrono-environnement - CNRS - UBFC (UMR 6249) (LCE), Epidémiologie pronostique des cancers et affections graves, Université Joseph Fourier - Grenoble 1 (UJF)-Institut National de la Santé et de la Recherche Médicale (INSERM), Infection Control Programme and WHO Collaborating Centre on Patient Safety, CHU Cochin [AP-HP], Université Nice Sophia Antipolis (... - 2019) (UNS), Université Côte d'Azur (UCA), Institut de recherche pour le développement [IRD] : UR206-Centre National de la Recherche Scientifique (CNRS)-Muséum national d'Histoire naturelle (MNHN)-Université Pierre et Marie Curie - Paris 6 (UPMC), Technische Universität Braunschweig [Braunschweig], Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Observatoire Midi-Pyrénées (OMP), Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Service d'Otologie, Implants auditifs et Chirurgie de la base du crâne [CHU Pitié-Salpêtrière], Assistance publique - Hôpitaux de Paris (AP-HP) (APHP)-CHU Pitié-Salpêtrière [APHP], Santé publique : épidémiologie et qualité des soins-EA 2694 (CERIM), Recherches Translationnelles sur le VIH et les maladies infectieuses (TransVIHMI), Institut National de la Santé et de la Recherche Médicale (INSERM)-Institut de Recherche pour le Développement (IRD)-Université Montpellier 1 (UM1)-Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Universtié Yaoundé 1 [Cameroun]-Université de Montpellier (UM), Université Joseph Fourier - Grenoble 1 (UJF)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA), Université Côte d'Azur (UCA)-Université Côte d'Azur (UCA), Université de Bretagne Sud (UBS)-Université de Brest (UBO)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Centre National de la Recherche Scientifique (CNRS), University of Geneva [Switzerland], Université Laval, Fonctionnement et conduite des systèmes de culture tropicaux et méditerranéens (UMR SYSTEM), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre International de Hautes Etudes Agronomiques Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier (CIHEAM-IAMM), Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Centre International de Hautes Études Agronomiques Méditerranéennes (CIHEAM)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Wageningen University and Research Centre [Wageningen] (WUR), Centre Hospitalier Régional Universitaire [Besançon] (CHRU Besançon), Institut de l'Elevage, Laboratoire Chrono-environnement - UFC (UMR 6249) (LCE), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Centre National de la Recherche Scientifique (CNRS)-Université de Franche-Comté (UFC), Centre Hospitalier Régional Universitaire [Besançon] (CHRU Besançon)-Hôpital Saint-Jacques, Service des maladies infectieuses et réanimation médicale, Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Hôpital Pontchaillou, Université de Sherbrooke [Sherbrooke], Hôpital Purpan [Toulouse], Université Montpellier 1 (UM1)-Université Paul-Valéry - Montpellier 3 (UM3)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Faculty of Mathematics, Informatics, and Mechanics [Warsaw], Assistance publique - Hôpitaux de Paris (AP-HP) (APHP)-Université Paris Diderot - Paris 7 (UPD7)-Hôpital Beaujon, Assistance publique - Hôpitaux de Paris (AP-HP) (APHP)-AP-HP Hôpital Raymond Poincaré [Garches], Observatoire des Sciences de l'Univers de Grenoble (OSUG), Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Université Savoie Mont Blanc (USMB [Université de Savoie] [Université de Chambéry])-Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP)-Institut national de recherche en sciences et technologies pour l'environnement et l'agriculture (IRSTEA)-Université Joseph Fourier - Grenoble 1 (UJF)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes (UGA)-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS), Hôpital Avicenne-Assistance publique - Hôpitaux de Paris (AP-HP) (APHP)-Université Paris 13 (UP13), Institut National de la Santé et de la Recherche Médicale (INSERM)-Université Paris 13 (UP13)-Université Paris Diderot - Paris 7 (UPD7)-Université Sorbonne Paris Cité (USPC), Université Paris Diderot - Paris 7 (UPD7)-Hôpital Lariboisière, Assistance publique - Hôpitaux de Paris (AP-HP) (APHP)-Hôpital Henri Mondor-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Institut de Recherche pour le Développement (IRD)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU), COMUE Université Côte d'Azur (2015 - 2019) (COMUE UCA), Université Pierre et Marie Curie - Paris 6 (UPMC)-Institut de recherche pour le développement [IRD] : UR206-Muséum national d'Histoire naturelle (MNHN)-Centre National de la Recherche Scientifique (CNRS), Institut national des sciences de l'Univers (INSU - CNRS)-Université Toulouse III - Paul Sabatier (UT3), Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Université Fédérale Toulouse Midi-Pyrénées-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche pour le Développement (IRD)-Centre National de la Recherche Scientifique (CNRS), Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-CHU Pitié-Salpêtrière [AP-HP], Sorbonne Université-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université, Direction de Recherche Fondamentale (CEA) (DRF (CEA)), Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Commissariat à l'énergie atomique et aux énergies alternatives (CEA)-Université Paris-Saclay, Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro), Université Cheikh Anta Diop [Dakar, Sénégal] (UCAD)-Institut de Recherche pour le Développement (IRD)-Université de Yaoundé I-Institut National de la Santé et de la Recherche Médicale (INSERM)-Université de Montpellier (UM)-Université Montpellier 1 (UM1), Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), COMUE Université Côte d'Azur (2015 - 2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015 - 2019) (COMUE UCA), Institut National de la Santé et de la Recherche Médicale (INSERM)- Hôpital de la Timone [CHU - APHM] (TIMONE)-Aix Marseille Université (AMU), Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Brest (UBO)-Université de Bretagne Sud (UBS), Wageningen University and Research [Wageningen] (WUR), CHU Fort de France-Hôpital Pierre Zobda-Quitman [CHU de la Martinique], CHU de la Martinique [Fort de France]-CHU de la Martinique [Fort de France], Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU), Institut National de la Santé et de la Recherche Médicale (INSERM)-Aix Marseille Université (AMU), Service des maladies infectieuses et réanimation médicale [Rennes], Hôpital Beaujon [AP-HP], Cholley, Pascal, Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Université Fédérale Toulouse Midi-Pyrénées-Institut de Recherche pour le Développement (IRD)-Météo France-Centre National d'Études Spatiales [Toulouse] (CNES)-Centre National de la Recherche Scientifique (CNRS)-Centre National de la Recherche Scientifique (CNRS), Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-CHU Pitié-Salpêtrière [AP-HP], Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Sorbonne Université (SU)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP), Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Institut Gustave Roussy (IGR)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Paris-Sud - Paris 11 (UP11)-Institut Gustave Roussy (IGR)-Institut National de la Santé et de la Recherche Médicale (INSERM), Université de Brest (UBO)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure de Techniques Avancées Bretagne (ENSTA Bretagne)-Université de Bretagne Sud (UBS), Université Paris Diderot - Paris 7 (UPD7)-Hôpital Lariboisière-Fernand-Widal [APHP], Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), CHU Nice-University Hospital, Centre Hospitalier Régional Universitaire de Nancy ( CHRU Nancy ), Laboratoire de Physiologie des Invertébrés ( LPI ), Institut Français de Recherche pour l'Exploitation de la Mer ( IFREMER ), Laboratoire des Sciences de l'Environnement Marin (LEMAR) ( LEMAR ), Institut de Recherche pour le Développement ( IRD ) -Institut Français de Recherche pour l'Exploitation de la Mer ( IFREMER ) -Université de Brest ( UBO ) -Institut Universitaire Européen de la Mer ( IUEM ), Institut de Recherche pour le Développement ( IRD ) -Université de Brest ( UBO ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut de Recherche pour le Développement ( IRD ) -Université de Brest ( UBO ) -Centre National de la Recherche Scientifique ( CNRS ) -Centre National de la Recherche Scientifique ( CNRS ), Sciences Economiques et Sociales de la Santé & Traitement de l'Information Médicale ( SESSTIM ), Institut de Recherche pour le Développement ( IRD ) -Aix Marseille Université ( AMU ) -ORS PACA-Institut National de la Santé et de la Recherche Médicale ( INSERM ), Université Nice Sophia Antipolis ( UNS ), Université Côte d'Azur ( UCA ), Institut de minéralogie, de physique des matériaux et de cosmochimie ( IMPMC ), Muséum National d'Histoire Naturelle ( MNHN ) -Université Pierre et Marie Curie - Paris 6 ( UPMC ) -Institut de recherche pour le développement [IRD] : UR206-Centre National de la Recherche Scientifique ( CNRS ), Institut de recherche en astrophysique et planétologie ( IRAP ), Université Paul Sabatier - Toulouse 3 ( UPS ) -Observatoire Midi-Pyrénées ( OMP ) -Centre National de la Recherche Scientifique ( CNRS ), Equipe Poitevine de Recherche et d'Encadrement Doctoral en sciences criminelles de Poitiers ( EPRED ), Université de Poitiers, Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Institut National des Sciences Appliquées de Lyon ( INSA Lyon ), Université de Lyon-Institut National des Sciences Appliquées ( INSA ), Laboratoire de Physique Corpusculaire - Clermont-Ferrand ( LPC ), Université Blaise Pascal - Clermont-Ferrand 2 ( UBP ) -Institut National de Physique Nucléaire et de Physique des Particules du CNRS ( IN2P3 ) -Centre National de la Recherche Scientifique ( CNRS ), Centre Hospitalier Universitaire de Reims ( CHU de Reims ), Assistance publique - Hôpitaux de Paris (AP-HP)-CHU Pitié-Salpêtrière [APHP], Plateforme imagerie et cytométrie ( PFIC ), Analyse moléculaire, modélisation et imagerie de la maladie cancéreuse ( AMMICa ), Université Paris-Sud - Paris 11 ( UP11 ) -Institut Gustave Roussy ( IGR ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Paris-Sud - Paris 11 ( UP11 ) -Institut Gustave Roussy ( IGR ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Centre National de la Recherche Scientifique ( CNRS ), Service NEUROSPIN ( NEUROSPIN ), Direction de Recherche Fondamentale (CEA) ( DRF (CEA) ), Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay-Commissariat à l'énergie atomique et aux énergies alternatives ( CEA ) -Université Paris-Saclay, CHU de Poitiers, Santé publique : épidémiologie et qualité des soins-EA 2694 ( CERIM ), Université de Lille-Centre Hospitalier Régional Universitaire [Lille] ( CHRU Lille ), Institute of New Imaging Technologies ( INIT ), Centre Hospitalier Universitaire de La Réunion ( CHU La Réunion ), Laboratoire Cliniques Pathologique et Interculturelle ( LCPI ), Université Toulouse - Jean Jaurès ( UT2J ), SAD Paysage ( SAD Paysage ), Institut National de la Recherche Agronomique ( INRA ) -AGROCAMPUS OUEST, VIH/SIDA et maladies associées, Université Montpellier 1 ( UM1 ), Département de Chimie Moléculaire ( DCM ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ), Thérapeutiques Cliniques et Expérimentales des Infections, Université de Nantes ( UN ), Centre de Recherche en Ingénierie financière et finance Publique ( CRIFP ), Université Côte d'Azur ( UCA ) -Université Côte d'Azur ( UCA ), Centre hospitalier universitaire de Nantes ( CHU Nantes ), Université de Nantes ( UN ) -Centre hospitalier universitaire de Nantes ( CHU Nantes ), Hôpital de la Timone [CHU - APHM] ( TIMONE ), Centre de Recherches en Oncologie biologique et Oncopharmacologie ( CRO2 ), Aix Marseille Université ( AMU ) - Hôpital de la Timone [CHU - APHM] ( TIMONE ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Université de Bordeaux ( UB ), Laboratoire Environnement Géomécanique et Ouvrages ( LAEGO ), Institut National Polytechnique de Lorraine ( INPL ), Institut de Recherche Dupuy de Lôme ( IRDL ), Centre National de la Recherche Scientifique ( CNRS ) -ENSTA Bretagne-Université de Brest ( UBO ) -Université de Bretagne Sud ( UBS ), Fonctionnement et conduite des systèmes de culture tropicaux et méditerranéens ( SYSTEM ), Centre de Coopération Internationale en Recherche Agronomique pour le Développement ( CIRAD ) -Institut National de la Recherche Agronomique ( INRA ) -Centre international d'études supérieures en sciences agronomiques ( Montpellier SupAgro ) -Institut national d’études supérieures agronomiques de Montpellier ( Montpellier SupAgro ), Wageningen University and Research Centre [Wageningen] ( WUR ), CHU de la Martinique-Hôpital Pierre Zobda-Quitman [CHU de la Martinique], CHU de la Martinique-Centre Hospitalier Universitaire de Martinique [Fort-de-France, Martinique], CHU Fort de France-CHU de la Martinique-Hôpital Pierre Zobda-Quitman [CHU de la Martinique], CHU de la Martinique, Agents pathogènes et inflammation - UFC (EA 4266) ( API ), Université de Franche-Comté ( UFC ), Centre Hospitalier Régional Universitaire [Besançon] ( CHRU Besançon ), Laboratoire Chrono-environnement ( LCE ), Université Bourgogne Franche-Comté ( UBFC ) -Centre National de la Recherche Scientifique ( CNRS ) -Université de Franche-Comté ( UFC ), Centre Hospitalier Régional Universitaire [Besançon] ( CHRU Besançon ) -Hôpital Saint-Jacques, Laboratoire d'Informatique de l'Université du Mans ( LIUM ), Le Mans Université ( UM ), Vascular research center of Marseille ( VRCM ), Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Aix Marseille Université ( AMU ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Aix Marseille Université ( AMU ), Institut National de la Santé et de la Recherche Médicale ( INSERM ) -Aix Marseille Université ( AMU ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Hôpital Pontchaillou, Homéostasie Cellulaire et Pathologies ( HCP ), Université de Limoges ( UNILIM ) -CHU Limoges-Génomique, Environnement, Immunité, Santé, Thérapeutique ( GEIST FR CNRS 3503 ), Hôpital Purpan - Centre Hospitalier Universitaire (CHU) de Toulouse, Laboratoire Montpelliérain d'Économie Théorique et Appliquée ( LAMETA ), Université Montpellier 1 ( UM1 ) -Université Paul-Valéry - Montpellier 3 ( UM3 ) -Centre international d'études supérieures en sciences agronomiques ( Montpellier SupAgro ) -Institut national de la recherche agronomique [Montpellier] ( INRA Montpellier ) -Université de Montpellier ( UM ) -Centre National de la Recherche Scientifique ( CNRS ) -Institut national d’études supérieures agronomiques de Montpellier ( Montpellier SupAgro ), University of Warsaw ( UW ), Assistance publique - Hôpitaux de Paris (AP-HP)-Université Paris Diderot - Paris 7 ( UPD7 ) -Hôpital Beaujon, Assistance publique - Hôpitaux de Paris (AP-HP)-AP-HP Hôpital Raymond Poincaré [Garches], Institut de Planétologie et d'Astrophysique de Grenoble ( IPAG ), Observatoire des Sciences de l'Univers de Grenoble ( OSUG ), Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut national des sciences de l'Univers ( INSU - CNRS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Université Joseph Fourier - Grenoble 1 ( UJF ) -Institut national des sciences de l'Univers ( INSU - CNRS ) -Centre National de la Recherche Scientifique ( CNRS ) -Université Grenoble Alpes ( UGA ) -Centre National de la Recherche Scientifique ( CNRS ), Assistance publique - Hôpitaux de Paris (AP-HP)-Hôpital Avicenne-Université Paris 13 ( UP13 ), Infection, Antimicrobiens, Modélisation, Evolution ( IAME ), Université Paris 13 ( UP13 ) -Université Paris Diderot - Paris 7 ( UPD7 ) -Université Sorbonne Paris Cité ( USPC ) -Institut National de la Santé et de la Recherche Médicale ( INSERM ), Université Paris Diderot - Paris 7 ( UPD7 ), Université Paris Diderot - Paris 7 ( UPD7 ) -Hôpital Lariboisière, Emergence de la résistance bactérienne in vivo ( EA3964 ), Laboratoire d'ethnologie et de sociologie comparative ( LESC ), Université Paris Nanterre ( UPN ) -Centre National de la Recherche Scientifique ( CNRS ), Muséum National d'Histoire Naturelle ( MNHN ), Hopital Necker-Enfants Malades, Centre Hospitalier Universitaire [Grenoble] ( CHU ), Assistance publique - Hôpitaux de Paris (AP-HP)-Hôpital Henri Mondor-Université Paris-Est Créteil Val-de-Marne - Paris 12 ( UPEC UP12 ), Université de Limoges (UNILIM)-Génomique, Environnement, Immunité, Santé, Thérapeutique (GEIST FR CNRS 3503)-CHU Limoges, and Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Assistance publique - Hôpitaux de Paris (AP-HP) (AP-HP)-Université Paris 13 (UP13)
- Subjects
Microbiology (medical) ,0303 health sciences ,medicine.medical_specialty ,[SDV.MHEP] Life Sciences [q-bio]/Human health and pathology ,biology ,030306 microbiology ,business.industry ,General Medicine ,biology.organism_classification ,Antimicrobial ,Enterobacteriaceae ,3. Good health ,03 medical and health sciences ,0302 clinical medicine ,Infectious Diseases ,Healthcare associated ,[ SDV.MHEP ] Life Sciences [q-bio]/Human health and pathology ,medicine ,Pharmacology (medical) ,030212 general & internal medicine ,Intensive care medicine ,business ,ComputingMilieux_MISCELLANEOUS ,[SDV.MHEP]Life Sciences [q-bio]/Human health and pathology ,Community onset - Abstract
International audience
- Published
- 2017
9. Sparse hierarchical interaction learning with epigraphical projection
- Author
-
Meriam Chebre, Nelly Pustelnik, Mingyuan Jiu, Philippe Ricoux, Stefan Janaqi, Lin Qi, Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), TOTAL S.A., TOTAL FINA ELF, Knowledge and Image analysis for Decision making (KID), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Advanced Process Control Department, Technical Direction TOTAL Refining and Marketing, Computer Science Department [Qingdao], Ocean University of China (OUC), École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Informatique, Image, Intelligence Artificielle (I3A), Laboratoire de Génie Informatique et d'Ingénierie de Production (LGI2P), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), and Université de Lyon-Université de Lyon
- Subjects
FOS: Computer and information sciences ,Computer Science - Machine Learning ,Mathematical optimization ,Optimization problem ,Computer science ,020206 networking & telecommunications ,02 engineering and technology ,Regularization (mathematics) ,Theoretical Computer Science ,Machine Learning (cs.LG) ,Hardware and Architecture ,Control and Systems Engineering ,Modeling and Simulation ,Signal Processing ,0202 electrical engineering, electronic engineering, information engineering ,020201 artificial intelligence & image processing ,Additive model ,[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing ,Information Systems - Abstract
International audience; This work focuses on learning optimization problems with quadratical interactions between variables, which go beyond the additive models of traditional linear learning. We investigate more specifically two different methods encountered in the literature to deal with this problem: "hierNet" and structured-sparsity regularization, and study their connections. We propose a primal-dual proximal algorithm based on an epi-graphical projection to optimize a general formulation of these learning problems. The experimental setting first highlights the improvement of the proposed procedure compared to state-of-the-art methods based on fast iterative shrinkage-thresholding algorithm (i.e. FISTA) or alternating direction method of multipliers (i.e. ADMM), and then, using the proposed flexible optimization framework, we provide fair comparisons between the different hierarchical penalizations and their improvement over the standard 1-norm penalization. The experiments are conducted both on synthetic and real data, and they clearly show that the proposed primal-dual proximal algorithm based on epigraphical projection is efficient and effective to solve and investigate the problem of hierarchical interaction learning. * This is a pre-print of an article published in Journal of Signal Processing Systems. The final authenticated version is available online at: https://doi.org/[insert DOI]. Corresponding author N. Pustelnik
- Published
- 2017
- Full Text
- View/download PDF
10. Building Hierarchical Component Directories
- Author
-
Chouki Tibermacine, Nour Alhouda Aboud, Nicolas Haderer, Sylvain Vauttier, Marianne Huchard, Jean-Rémy Falleri, Gabriela Arévalo, Olivier Bendavid, Christelle Urtado, Models And Reuse Engineering, Languages (MAREL), Laboratoire d'Informatique de Robotique et de Microélectronique de Montpellier (LIRMM), Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM), Universidad Nacional de Quilmes (UNQ), Laboratoire Bordelais de Recherche en Informatique (LaBRI), Université de Bordeaux (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS)-Université de Montpellier (UM)-Centre National de la Recherche Scientifique (CNRS), Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Électronique, Informatique et Radiocommunications de Bordeaux (ENSEIRB)-Université Sciences et Technologies - Bordeaux 1-Université Bordeaux Segalen - Bordeaux 2, Self-adaptation for distributed services and large software systems (SPIRALS), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Models And Reuse Engineering, Languages [MAREL], Universidad Nacional de Quilmes [UNQ], Laboratoire Bordelais de Recherche en Informatique [LaBRI], Self-adaptation for distributed services and large software systems [SPIRALS], and Laboratoire de Génie Informatique et Ingénierie de Production [LGI2P]
- Subjects
ACM: D.: Software/D.2: SOFTWARE ENGINEERING/D.2.11: Software Architectures ,Computer science ,Distributed computing ,ACM: H.: Information Systems/H.3: INFORMATION STORAGE AND RETRIEVAL ,ACM: D.: Software/D.2: SOFTWARE ENGINEERING/D.2.13: Reusable Software/D.2.13.1: Reusable libraries ,[INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE] ,Directory ,Component directories ,ACM: H.: Information Systems/H.3: INFORMATION STORAGE AND RETRIEVAL/H.3.1: Content Analysis and Indexing/H.3.1.2: Indexing methods ,Software ,Component classification ,0502 economics and business ,Formal concept analysis ,Component substitution ,Component-based development ,AOC-poset ,[INFO.INFO-DL]Computer Science [cs]/Digital Libraries [cs.DL] ,Reusable software ,050207 economics ,Indexation ,050208 finance ,business.industry ,05 social sciences ,[INFO.INFO-IR]Computer Science [cs]/Information Retrieval [cs.IR] ,ACM: D.: Software/D.2: SOFTWARE ENGINEERING ,Compatibility (mechanics) ,Scalability ,Component-based software engineering ,business - Abstract
International audience; Component-based development is the software paradigm focused on building applications using reusable software components. Applica- tions are built by assembling components, where the required interfaces of a component are connected to compatible provided interfaces of other components. In order to have an effective building process, software ar- chitects need adequate component directories that both index available components and ease their search. So far, existing approaches provide only a limited structure and indexation to store/register components and, as a consequence, they propose an inadequate searching process. Even when the indexes are built as flat or hierarchical structures, the indexed elements are not the components themselves, but part of them, such as services or functions, making the search of the needed compatible com- ponents imprecise. To cope with searching and compatibility problems, the contribution of this paper is twofold: it is composed of both a refined methodology (improving a previous approach) and a tool to build a hi- erarchically structured component directory. The component directory solves the identified problems letting an architect find components that are compatible with a given specification (to be assembled) or components that can substitute to a given one. This directory uses Formal Concept Analysis to build component type hierarchies thanks to a three step classification process that successively classifies functionality signatures, interfaces and, at last, component types. The refinement of the methodology is based on a substitutability relationship between components, where the notion of not having a parameter or an interface of some type makes our methodology more robust when considering required interfaces. The tool made possible to overcome scalability issues implementing several variations on the clas- sification strategy. We present several experiments on three case studies to classify components from on-line open-source component repositories as a validation of our methodology.
- Published
- 2019
11. Contribution to an equipped approach for the design of executable, verifiable and interoperable Domain Specific Modelling Languages for Model Based Systems Engineering
- Author
-
Nastov , Blazo, Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Université Montpellier, Vincent Chapurlat, Christophe Dony, STAR, ABES, Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), and IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES )
- Subjects
[INFO.INFO-OH] Computer Science [cs]/Other [cs.OH] ,Dsml ,Semantique opérationnelle ,Mbse ,Propriété formelle ,[INFO.INFO-OH]Computer Science [cs]/Other [cs.OH] ,[ INFO.INFO-OH ] Computer Science [cs]/Other [cs.OH] ,Operational semantics ,Formal property ,Property verification ,Vérification de propriété ,Sémantique opérationnelle ,Simulation - Abstract
Systems Engineering (SE) is an interdisciplinary and collaborative approach for successful design and management of large scale complex systems. Among other principles, SE promotes and mandates a model-based (or model-driven) approach for all stages of system design processes, denoted Model-Based Systems Engineering (MBSE). This implies concepts, techniques and tools for creating and managing various systems models for the purpose of stakeholders, and for reaching and improving the quality of models helping then stakeholders during decision-making processes, to make decisions faster and efficiently with enough confidence. Indeed, these decisions impact all along the downstream phases of system engineering and development until the realization and deployment of the real system, its functioning, safety, security, induced costs and so on. In this work, a particular attention is given to model verification and validation (V&V). The goals are to assure prior to decision-making processes, first, that models are coherent, well-formed and correctly build and represented, and second, that they are trustworthy and relevant, representing as accurately as possible the viewpoints of a system under design as expected by stakeholders.Such models provide stakeholders with confidence and trust, aiding them in making, but also in arguing decisions. Models are created by using modeling languages that are specifically tailored for a given viewpoint of a system, denoted Domain Specific Modeling Languages (DSMLs).The basic principles on which a DSML is based are its syntax and its semantics, but current DSMLs have been more studied from the syntactical point than from the semantical one that is often neglected or, when needed, provided by means of translating the DSML into third party formalisms. This is the key limitation preventing the deployment of a successful V&V strategy in MBSE context. To overcome this shortcoming, this thesis proposes first a conceptual contribution consisting of a new metamodeling language, called eXecutable, Verifiable and Interoperable Core (xviCore), allowing stakeholders to build DSMLs (called xviDSMLs), that along with their syntax also integrates semantics. Our solution combines, three meta-languages, an object-oriented metamodeling language for the specification of the syntactical part with a formal behavioral modeling language and a property modeling language for the semantical part. The methodological contribution of this work allows the deployment of successful V&V strategies allowing for direct (without transformation) model verification by simulation and properties proof. We propose a mechanism to simulate the expected behavior of a SoI through model execution based on the blackboard-based communication model, and a mechanism for specification and verification of formal properties. The technical contribution consists of an Eclipse-EMF deployable plug-in that implements the metamodeling language xviCore and the mechanisms for simulation and formal property verification., L'Ingénierie des Systèmes (IS) est une approche pluridisciplinaire et collaborative pour mener à bâtir et structurer la conception puis la réalisation et le développement de systèmes complexes. L’IS repose à la fois sur une approche processus et sur la mise en oeuvre de modèles de systèmes s'appuyant de fait dans un contexte basé ou dirigé par des modèles. On parle alors d’Ingénierie Système Basée sur des Modèles (ISBM ou Model based Systems Engineering MBSE). L’ISBM introduit des concepts, méthodes et techniques pour construire et gérer des modèles. Elle a pour objectif l’atteinte et l’amélioration de leur qualité afin de procurer aux parties prenantes un degré de confiance jugé suffisant pour aider la prise des décisions de conception, d'amélioration et de réalisation. Ces décisions conditionnent le fonctionnement, la sûreté, la sécurité, les coûts, et plus généralement tout un ensemble de propriétés attendues à la fois du modèle comme du système modélisé, tout au long de la phase aval de l’ingénierie et de développement, jusqu’à la réalisation et au déploiement du système. La qualité des modèles est obtenue au travers des processus de Vérification et Validation (V&V). Les objectifs sont alors d’assurer que les modèles soient cohérents, bien formés, bien construits et représentés correctement. En effet, aux yeux des parties prenantes, les modèles doivent être fiables, fidèles et pertinents au regard des besoins des concepteurs, représentant aussi précisément que possible le point de vue du système en cours de conception. Des langages de modélisation dit « métier » (Domain Specific Modelling Languages ou DSML) sont spécifiquement créés pour pouvoir fournir des représentations i.e. des modèles dans les différents points de vue sur le système. Un DSML est basé sur une syntaxe et sur une sémantique. La sémantique de ces langages est en général fournie par des approches externes (vérificateurs de modèles). Ces dernières sont, à notre sens, une limitation clé pour le déploiement des stratégies de V&V dans le contexte de l’ISBM. En réponse à cette limitation, la contribution conceptuelle de cette thèse est présentée sous la forme d’un nouveau langage de métamodélisation, nommé xviCore (noyau exécutable, vérifiable et interopérable). xviCore fournit les concepts et les principes pour définir puis vérifier et valdier la syntaxe et la sémantique en phase de construction de tels DSML en combinant trois métalangages : un métalangage orienté objet pour la conception de la partie syntaxique, un métalangage pour la conception du comportement et un métalangage pour la conception de propriétés formelles. La contribution méthodologique de ces travaux permet ensuite le déploiement d’une stratégie de V&V «directe» en lieu et place des traditionnelles approches externes. Elle est basée sur la simulation et la preuve formelle de propriétés. Le mécanisme de simulation permet d’observer le comportement des modèles de systèmes au travers de leur exécution, tandis que le mécanisme de preuve permet de spécifier et ensuite de vérifier des propriétés formelles. La contribution technique se compose d’un ensemble des plugins Eclipse qui implémentent le métalangage xviCore, le mécanisme de simulation et le mécanisme de la preuve formelle.
- Published
- 2016
12. Contribution to an equipped approach for the design of executable, verifiable and interoperable Domain Specific Modelling Languages for Model Based Systems Engineering
- Author
-
Nastov, Blazo, Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Université Montpellier, Vincent Chapurlat, Christophe Dony, Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), and Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)
- Subjects
Dsml ,[INFO.INFO-OH]Computer Science [cs]/Other [cs.OH] ,Mbse ,Semantique opérationnelle ,Propriété formelle ,Operational semantics ,[ INFO.INFO-OH ] Computer Science [cs]/Other [cs.OH] ,Formal property ,Property verification ,Sémantique opérationnelle ,Vérification de propriété ,Simulation - Abstract
Systems Engineering (SE) is an interdisciplinary and collaborative approach for successful design and management of large scale complex systems. Among other principles, SE promotes and mandates a model-based (or model-driven) approach for all stages of system design processes, denoted Model-Based Systems Engineering (MBSE). This implies concepts, techniques and tools for creating and managing various systems models for the purpose of stakeholders, and for reaching and improving the quality of models helping then stakeholders during decision-making processes, to make decisions faster and efficiently with enough confidence. Indeed, these decisions impact all along the downstream phases of system engineering and development until the realization and deployment of the real system, its functioning, safety, security, induced costs and so on. In this work, a particular attention is given to model verification and validation (V&V). The goals are to assure prior to decision-making processes, first, that models are coherent, well-formed and correctly build and represented, and second, that they are trustworthy and relevant, representing as accurately as possible the viewpoints of a system under design as expected by stakeholders.Such models provide stakeholders with confidence and trust, aiding them in making, but also in arguing decisions. Models are created by using modeling languages that are specifically tailored for a given viewpoint of a system, denoted Domain Specific Modeling Languages (DSMLs).The basic principles on which a DSML is based are its syntax and its semantics, but current DSMLs have been more studied from the syntactical point than from the semantical one that is often neglected or, when needed, provided by means of translating the DSML into third party formalisms. This is the key limitation preventing the deployment of a successful V&V strategy in MBSE context. To overcome this shortcoming, this thesis proposes first a conceptual contribution consisting of a new metamodeling language, called eXecutable, Verifiable and Interoperable Core (xviCore), allowing stakeholders to build DSMLs (called xviDSMLs), that along with their syntax also integrates semantics. Our solution combines, three meta-languages, an object-oriented metamodeling language for the specification of the syntactical part with a formal behavioral modeling language and a property modeling language for the semantical part. The methodological contribution of this work allows the deployment of successful V&V strategies allowing for direct (without transformation) model verification by simulation and properties proof. We propose a mechanism to simulate the expected behavior of a SoI through model execution based on the blackboard-based communication model, and a mechanism for specification and verification of formal properties. The technical contribution consists of an Eclipse-EMF deployable plug-in that implements the metamodeling language xviCore and the mechanisms for simulation and formal property verification.; L'Ingénierie des Systèmes (IS) est une approche pluridisciplinaire et collaborative pour mener à bâtir et structurer la conception puis la réalisation et le développement de systèmes complexes. L’IS repose à la fois sur une approche processus et sur la mise en oeuvre de modèles de systèmes s'appuyant de fait dans un contexte basé ou dirigé par des modèles. On parle alors d’Ingénierie Système Basée sur des Modèles (ISBM ou Model based Systems Engineering MBSE). L’ISBM introduit des concepts, méthodes et techniques pour construire et gérer des modèles. Elle a pour objectif l’atteinte et l’amélioration de leur qualité afin de procurer aux parties prenantes un degré de confiance jugé suffisant pour aider la prise des décisions de conception, d'amélioration et de réalisation. Ces décisions conditionnent le fonctionnement, la sûreté, la sécurité, les coûts, et plus généralement tout un ensemble de propriétés attendues à la fois du modèle comme du système modélisé, tout au long de la phase aval de l’ingénierie et de développement, jusqu’à la réalisation et au déploiement du système. La qualité des modèles est obtenue au travers des processus de Vérification et Validation (V&V). Les objectifs sont alors d’assurer que les modèles soient cohérents, bien formés, bien construits et représentés correctement. En effet, aux yeux des parties prenantes, les modèles doivent être fiables, fidèles et pertinents au regard des besoins des concepteurs, représentant aussi précisément que possible le point de vue du système en cours de conception. Des langages de modélisation dit « métier » (Domain Specific Modelling Languages ou DSML) sont spécifiquement créés pour pouvoir fournir des représentations i.e. des modèles dans les différents points de vue sur le système. Un DSML est basé sur une syntaxe et sur une sémantique. La sémantique de ces langages est en général fournie par des approches externes (vérificateurs de modèles). Ces dernières sont, à notre sens, une limitation clé pour le déploiement des stratégies de V&V dans le contexte de l’ISBM. En réponse à cette limitation, la contribution conceptuelle de cette thèse est présentée sous la forme d’un nouveau langage de métamodélisation, nommé xviCore (noyau exécutable, vérifiable et interopérable). xviCore fournit les concepts et les principes pour définir puis vérifier et valdier la syntaxe et la sémantique en phase de construction de tels DSML en combinant trois métalangages : un métalangage orienté objet pour la conception de la partie syntaxique, un métalangage pour la conception du comportement et un métalangage pour la conception de propriétés formelles. La contribution méthodologique de ces travaux permet ensuite le déploiement d’une stratégie de V&V «directe» en lieu et place des traditionnelles approches externes. Elle est basée sur la simulation et la preuve formelle de propriétés. Le mécanisme de simulation permet d’observer le comportement des modèles de systèmes au travers de leur exécution, tandis que le mécanisme de preuve permet de spécifier et ensuite de vérifier des propriétés formelles. La contribution technique se compose d’un ensemble des plugins Eclipse qui implémentent le métalangage xviCore, le mécanisme de simulation et le mécanisme de la preuve formelle.
- Published
- 2016
13. Nonparametric multiple change point estimation in highly dependent time series
- Author
-
Daniil Ryabko, Azadeh Khaleghi, Department of Mathematics & Statistics [Lancaster], Lancaster University, Sequential Learning (SEQUEL), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
Mathematical optimization ,General Computer Science ,Series (mathematics) ,Nonparametric statistics ,020206 networking & telecommunications ,Sample (statistics) ,02 engineering and technology ,[STAT.TH]Statistics [stat]/Statistics Theory [stat.TH] ,Stationary ergodic process ,01 natural sciences ,Theoretical Computer Science ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] ,010104 statistics & probability ,Mixing (mathematics) ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST] ,0202 electrical engineering, electronic engineering, information engineering ,Applied mathematics ,Probability distribution ,Ergodic theory ,Point estimation ,0101 mathematics ,Independence (probability theory) ,Mathematics - Abstract
International audience; Given a heterogeneous time-series sample, the objective is to find points in time, called change points, where the probability distribution generating the data has changed. The data are assumed to have been generated by arbitrary unknown stationary ergodic distributions. No modelling, independence or mixing assumptions are made. A novel, computationally efficient, nonparametric method is proposed, and is shown to be asymptotically consistent in this general framework. The theoretical results are complemented with experimental evaluations.
- Published
- 2016
14. Uniform hypothesis testing for finite-valued stationary processes
- Author
-
Daniil Ryabko, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Statistics and Probability ,Property testing ,property testing ,02 engineering and technology ,Type (model theory) ,Stationary ergodic process ,01 natural sciences ,Combinatorics ,010104 statistics & probability ,Mixing (mathematics) ,[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST] ,hypothesis testing ,0202 electrical engineering, electronic engineering, information engineering ,Uniform boundedness ,Ergodic theory ,0101 mathematics ,ergodic time series ,Independence (probability theory) ,Mathematics ,[MATH.MATH-IT]Mathematics [math]/Information Theory [math.IT] ,020206 networking & telecommunications ,[STAT.TH]Statistics [stat]/Statistics Theory [stat.TH] ,16. Peace & justice ,Distribution (mathematics) ,[INFO.INFO-IT]Computer Science [cs]/Information Theory [cs.IT] ,stationary processes ,Statistics, Probability and Uncertainty - Abstract
International audience; Given a discrete-valued sample $X_1,\dots,X_n$ we wish to decide whether it was generated by a distribution belonging to a family $H_0$, or it was generated by a distribution belonging to a family $H_1$. In this work we assume that all distributions are stationary ergodic, and do not make any further assumptions (e.g. no independence or mixing rate assumptions). We would like to have a test whose probability of error (both Type I and Type II) is uniformly bounded. More precisely, we require that for each $\epsilon$ there exist a sample size $n$ such that probability of error is upper-bounded by $\epsilon$ for samples longer than $n$. We find some necessary and some sufficient conditions on $H_0$ and $H_1$ under which a consistent test (with this notion of consistency) exists. These conditions are topological, with respect to the topology of distributional distance.
- Published
- 2012
15. A Learning Algorithm for Change Impact Prediction: Experimentation on 7 Java Applications
- Author
-
Musco, Vincenzo, Carette, Antonin, Monperrus, Martin, Preux, Philippe, Self-adaptation for distributed services and large software systems (SPIRALS), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[INFO.INFO-SE]Computer Science [cs]/Software Engineering [cs.SE] - Abstract
Change impact analysis consists in predicting the impact of a code change in a software application. In this paper, we take a learning perspective on change impact analysis and consider the problem formulated as follows. The artifacts that are considered are methods of object-oriented software; the change under study is a change in the code of the method, the impact is the test methods that fail because of the change that has been performed. We propose an algorithm, called LCIP that learns from past impacts to predict future impacts. To evaluate our system, we consider 7 Java software applications totaling 214,000+ lines of code. We simulate 17574 changes and their actual impact through code mutations, as done in mutation testing. We find that LCIP can predict the impact with a precision of 69%, a recall of 79%, corresponding to a F-Score of 55%.
- Published
- 2015
16. Allocation séquentielle de ressources dans le modèle de bandit linéaire
- Author
-
Soare, Marta, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Conseil Régional Nord - Pas de Calais, COMPLACS - Composing Learning for Artificial Cognitive Systems, Numéro CORDIS : 270327, Université Lille 1 - Sciences et Technologies, Rémi Munos, European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Soare, Marta, and Composing Learning for Artificial Cognitive Systems - COMPLACS - - EC:FP7:ICT2011-03-01 - 2015-02-28 - 270327 - VALID
- Subjects
bandit games ,apprentissage séquentiel ,optimisation stochastique ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,adaptive sampling ,jeux de bandits ,[INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG] ,sequential learning ,stochastic optimization ,échantillonnage adaptatif - Abstract
This thesis is dedicated to the study of resource allocation problems in uncertain environments, where an agent can sequentially select which action to take. After each step, the environment returns a noisy observation of the value of the selected action. These observations guide the agent in adapting his resource allocation strategy towards reaching a given objective. In the most typical setting of this kind, the stochastic multi-armed bandit (MAB), it is assumed that each observation is drawn from an unknown probability distribution associated with the selected action and gives no information on the expected value of the other actions. The MAB setting has been widely studied and optimal allocation strategies were proposed to solve various objectives under the MAB assumptions. Here, we consider a variant of the MAB setting where there exists a global linear structure in the environment and by selecting an action, the agent also gathers information on the value of the other actions. Therefore, the agent needs to adapt his resource allocation strategy to exploit the structure in the environment. In particular, we study the design of sequences of actions that the agent should take to reach objectives such as: (i) identifying the best value with a fixed confidence and using a minimum number of pulls, or (ii) minimizing the prediction error on the value of each action. In addition, we investigate how the knowledge gathered by a bandit algorithm in a given environment can be transferred to improve the performance in other similar environments., Dans cette thèse nous étudions des problèmes d'allocation de ressources dans des environnements incertains où un agent choisit ses actions séquentiellement. Après chaque pas, l'environnement fournit une observation bruitée sur la valeur de l'action choisie et l'agent doit utiliser ces observations pour allouer ses ressources de façon optimale. Dans le cadre le plus classique, dit modèle du bandit à plusieurs bras (MAB), on fait l'hypothèse que chaque observation est tirée aléatoirement d'une distribution de probabilité associée à l'action choisie et ne fournit aucune information sur les valeurs espérées des autres actions disponibles dans l'environnement. Ce modèle a été largement étudié dans la littérature et plusieurs stratégies optimales ont été proposées, notamment pour le cas où le but de l'agent est de maximiser la somme des observations. Ici, nous considérons une version du MAB où les actions ne sont plus indépendantes, mais chaque observation peut être utilisée pour estimer les valeurs de l'ensemble des actions de l'environnement. Plus précisément, nous proposons des stratégies d'allocation de ressources qui sont efficaces et adaptées à un environnement caractérisé par une structure linéaire globale. Nous étudions notamment les séquences d'actions qui mènent à : (i) identifier la meilleure action avec une précision donnée et en utilisant un nombre minimum d'observations, ou (ii) maximiser la précision d'estimation de la valeur de chaque action. De plus, nous étudions les cas où les observations provenant d'un algorithme de bandit dans un environnement donné peuvent améliorer par la suite la performance de l'agent dans d'autres environnements similaires.
- Published
- 2015
17. Adaptive Neural Network Control of a Compact Bionic Handling Arm
- Author
-
Achille Melingui, Boubaker Daachi, Jean Bosco Mbede, Othman Lakhal, Rochdi Merzouki, Electrical and Telecommunications Engineering Department of Ecole Nationale Supérieure Polytechnique, the University of Yaoundé, Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Laboratoire Images, Signaux et Systèmes Intelligents (LISSI), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Laboratoire de Robotique de Versailles (LRV), Centre National de la Recherche Scientifique (CNRS)-Université de Versailles Saint-Quentin-en-Yvelines (UVSQ), SIRIUS, Laboratoire Images, Signaux et Systèmes Intelligents ( LISSI ), Université Paris-Est Créteil Val-de-Marne - Paris 12 ( UPEC UP12 ) -Université Paris-Est Créteil Val-de-Marne - Paris 12 ( UPEC UP12 ), Laboratoire d'Automatique, Génie Informatique et Signal ( LAGIS ), Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ), Université de Versailles Saint-Quentin-en-Yvelines (UVSQ)-Centre National de la Recherche Scientifique (CNRS), Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12)-Université Paris-Est Créteil Val-de-Marne - Paris 12 (UPEC UP12), Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
0209 industrial biotechnology ,Engineering ,Stability (learning theory) ,02 engineering and technology ,Kinematics ,law.invention ,[SPI.AUTO]Engineering Sciences [physics]/Automatic ,020901 industrial engineering & automation ,Control theory ,law ,[INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering ,[ INFO.INFO-AU ] Computer Science [cs]/Automatic Control Engineering ,0202 electrical engineering, electronic engineering, information engineering ,[INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO] ,Cartesian coordinate system ,Electrical and Electronic Engineering ,ComputingMilieux_MISCELLANEOUS ,Artificial neural network ,business.industry ,Supervised learning ,[ INFO.INFO-RB ] Computer Science [cs]/Robotics [cs.RO] ,Control engineering ,Computer Science Applications ,Control and Systems Engineering ,Control system ,Robot ,020201 artificial intelligence & image processing ,business ,Actuator - Abstract
In this paper, autonomous control problem of a class of bionic continuum robots named “Compact Bionic Handling Arm” (CBHA) is addressed. These robots can reproduce biological behaviors of trunks, tentacles, or snakes. The modeling problem associated with continuum robots includes nonlinearities, structured and unstructured uncertainties, and the hyperredundancy. In addition to these problems, the CBHA comprises the hysteresis behavior of its actuators and a memory phenomenon related to its structure made of polyamide materials. These undesirable effects make it difficult to design a control system based on quantitative models of the CBHA. Thus, two subcontrollers are proposed in this paper. One, encapsulated in the other, and both implemented in real time allow controlling of the CBHA's end-effector position. The first subcontroller controls the CBHA's kinematics based on a distal supervised learning scheme. The second subcontroller controls the CBHA's kinetics based on an adaptive neural control. These subcontrollers allow a better assessment of the stability of the control architecture while ensuring the convergence of Cartesian errors. The obtained experimental results using a CBHA robot show an accurate tracking of the CBHA's end-effector position.
- Published
- 2015
18. An innovative subdivision-ICP registration method for tool-path correction applied to deformed aircraft parts machining
- Author
-
Richard Bearee, Jean-Yves Dieulot, Patrice Rabaté, Laboratoire des Sciences de l'Information et des Systèmes : Ingénierie Numérique des Systèmes Mécaniques (LSIS- INSM), Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences de l'Informatique et ses Interactions-Université de Provence - Aix-Marseille 1-Université Paul Cézanne - Aix-Marseille 3-Université de la Méditerranée - Aix-Marseille 2, Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), EADS Innovation Works [Toulouse], EADS - European Aeronautic Defense and Space, LAGIS-MOCIS, Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Laboratoire des Sciences de l'Information et des Systèmes : Ingénierie Numérique des Systèmes Mécaniques [LSIS- INSM], Laboratoire d'Automatique, Génie Informatique et Signal [LAGIS], and Université de la Méditerranée - Aix-Marseille 2-Université Paul Cézanne - Aix-Marseille 3-Université de Provence - Aix-Marseille 1-Institut National des Sciences de l'Informatique et ses Interactions-Centre National de la Recherche Scientifique (CNRS)
- Subjects
0209 industrial biotechnology ,Engineering ,Ingénierie assistée par ordinateur [Informatique] ,ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION ,Image registration ,Mechanical engineering ,Aeronautics ,02 engineering and technology ,Modélisation et simulation [Informatique] ,Curvature ,Industrial and Manufacturing Engineering ,[SPI.AUTO]Engineering Sciences [physics]/Automatic ,Iterative Closest Point ,020901 industrial engineering & automation ,Automatique [Informatique] ,Machining ,[INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering ,0202 electrical engineering, electronic engineering, information engineering ,Workcell ,Computer vision ,ComputingMilieux_MISCELLANEOUS ,ComputingMethodologies_COMPUTERGRAPHICS ,Subdivision ,business.industry ,Mechanical Engineering ,Iterative closest point ,Optimisation et contrôle [Mathématique] ,[INFO.INFO-IA]Computer Science [cs]/Computer Aided Engineering ,[INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation ,Clamping ,Computer Science Applications ,Control and Systems Engineering ,Robot ,020201 artificial intelligence & image processing ,[MATH.MATH-OC]Mathematics [math]/Optimization and Control [math.OC] ,Artificial intelligence ,business ,Software - Abstract
A new and fast registration algorithm has been proposed to update the tool-path of a deburring robot, intended to machining composite workpieces under gravity and clamping deformations. A Subdivision Iterative Closest Point algorithm, which considersdifferent parts of the contour with respect to curvature, allows to obtain far better results than classical methods, without complicated assumptions or computations.The procedure has shown to be effective for porthole and nose-cone deburring. Experimental tests conducted on robotic milling workcell demonstrated the efficiency of the registration method.; International audience; A new and fast registration algorithm has been proposed to update the tool-path of a deburring robot, intended to machining composite workpieces under gravity and clamping deformations. A Subdivision Iterative Closest Point algorithm, which considersdifferent parts of the contour with respect to curvature, allows to obtain far better results than classical methods, without complicated assumptions or computations.The procedure has shown to be effective for porthole and nose-cone deburring. Experimental tests conducted on robotic milling workcell demonstrated the efficiency of the registration method.
- Published
- 2010
19. Nonparametric Statistical Inference for Ergodic Processes
- Author
-
Daniil Ryabko, Boris Ryabko, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Siberian State University of Telecommunications and Informatics (SIBSUTI), Siberian State University of Telecommunications and Informatics, Institute of Computational Technologies (ICT SBRAS), SBRAS, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Institute of Computational Technologies [Novosibirsk] (ICT SBRAS), and Siberian Branch of the Russian Academy of Sciences (SB RAS)
- Subjects
FOS: Computer and information sciences ,Stationary process ,Computer Science - Information Theory ,Mathematics - Statistics Theory ,Statistics Theory (math.ST) ,02 engineering and technology ,Library and Information Sciences ,Stationary ergodic process ,01 natural sciences ,010104 statistics & probability ,non-parametric hypothesis testing ,[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST] ,FOS: Mathematics ,0202 electrical engineering, electronic engineering, information engineering ,Econometrics ,Statistical inference ,Applied mathematics ,Ergodic theory ,0101 mathematics ,Ergodic process ,Change point problem ,process classification ,Mathematics ,Statistical hypothesis testing ,stationary ergodic processes ,Information Theory (cs.IT) ,Mathematical statistics ,Ergodicity ,[MATH.MATH-IT]Mathematics [math]/Information Theory [math.IT] ,020206 networking & telecommunications ,[STAT.TH]Statistics [stat]/Statistics Theory [stat.TH] ,Computer Science Applications ,[INFO.INFO-IT]Computer Science [cs]/Information Theory [cs.IT] ,goodness-of-fit test ,Information Systems - Abstract
In this work a method for statistical analysis of time series is proposed, which is used to obtain solutions to some classical problems of mathematical statistics under the only assumption that the process generating the data is stationary ergodic. Namely, three problems are considered: goodness-of-fit (or identity) testing, process classification, and the change point problem. For each of the problems a test is constructed that is asymptotically accurate for the case when the data is generated by stationary ergodic processes. The tests are based on empirical estimates of distributional distance., Conference version in: D. Ryabko, B. Ryabko, On hypotheses testing for ergodic processes, in Proceedgings of Information Theory Workshop, 2008, Porto, Portugal, pp. 281-283
- Published
- 2010
20. Natural actor–critic algorithms
- Author
-
Mohammad Ghavamzadeh, Richard S. Sutton, Shalabh Bhatnagar, Mark Lee, Department of Computer Science and Automation [Bangalore] (CSA), Indian Institute of Science [Bangalore] (IISc Bangalore), Department of Computing Science [Edmonton], University of Alberta, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
0209 industrial biotechnology ,Mathematical optimization ,[SCCO.COMP]Cognitive science/Computer science ,02 engineering and technology ,020901 industrial engineering & automation ,Stochastic gradient descent ,Empirical research ,Control and Systems Engineering ,0202 electrical engineering, electronic engineering, information engineering ,Reinforcement learning ,020201 artificial intelligence & image processing ,Electrical and Electronic Engineering ,Natural gradient ,Convergence proofs ,Temporal difference learning ,Algorithm ,Computer Science & Automation ,Mathematics - Abstract
International audience; We present four new reinforcement learning algorithms based on actor-critic, function approximation, and natural gradient ideas, and we provide their convergence proofs. Actor-critic reinforcement learning methods are online approximations to policy iteration in which the value function parameters are estimated using temporal difference learning and the policy parameters are updated by stochastic gradient descent. Methods based on policy gradients in this way are of special interest because of their compatibility with function approximation methods, which are needed to handle large or infinite state spaces. The use of temporal difference learning in this way is of special interest because in many applications it dramatically reduces the variance of the gradient estimates. The use of the natural gradient is of interest because it can produce better conditioned parameterizations and has been shown to further reduce variance in some cases. Our results extend prior two-timescale convergence results for actor-critic methods by Konda and Tsitsiklis by using temporal difference learning in the actor and by incorporating natural gradients. Our results extend prior empirical studies of natural actor-critic methods by Peters, Vijayakumar and Schaal by providing the first convergence proofs and the first fully incremental algorithms. We present empirical results verifying the convergence of our algorithms.
- Published
- 2009
21. Multifractal Random Walks as Fractional Wiener Integrals
- Author
-
Pierre Chainais, Laure Coutin, Patrice Abry, Vladas Pipiras, Laboratoire de Physique de l'ENS Lyon ( Phys-ENS ), École normale supérieure - Lyon ( ENS Lyon ) -Université Claude Bernard Lyon 1 ( UCBL ), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Informatique, de Modélisation et d'optimisation des Systèmes ( LIMOS ), Centre National de la Recherche Scientifique ( CNRS ) -Sigma CLERMONT ( Sigma CLERMONT ) -Université d'Auvergne - Clermont-Ferrand I ( UdA ) -Université Blaise Pascal - Clermont-Ferrand 2 ( UBP ), Sequential Learning ( SEQUEL ), Laboratoire d'Informatique Fondamentale de Lille ( LIFL ), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique ( CNRS ) -Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique ( CNRS ) -Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Laboratoire d'Automatique, Génie Informatique et Signal ( LAGIS ), Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ) -Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ), Mathématiques Appliquées à Paris 5 ( MAP5 - UMR 8145 ), Université Paris Descartes - Paris 5 ( UPD5 ) -Institut National des Sciences Mathématiques et de leurs Interactions-Centre National de la Recherche Scientifique ( CNRS ), Dept. of Statistics - University of North Carolina - Chapel Hill, The University of North Carolina at Chapel Hill, Laboratoire de Physique de l'ENS Lyon (Phys-ENS), École normale supérieure - Lyon (ENS Lyon)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon, Laboratoire d'Informatique, de Modélisation et d'optimisation des Systèmes (LIMOS), SIGMA Clermont (SIGMA Clermont)-Université d'Auvergne - Clermont-Ferrand I (UdA)-Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Blaise Pascal - Clermont-Ferrand 2 (UBP), Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Mathématiques Appliquées Paris 5 (MAP5 - UMR 8145), Université Paris Descartes - Paris 5 (UPD5)-Institut National des Sciences Mathématiques et de leurs Interactions (INSMI)-Centre National de la Recherche Scientifique (CNRS), University of North Carolina [Chapel Hill] (UNC), University of North Carolina System (UNC)-University of North Carolina System (UNC), The first author gratefully acknowledges the support of the Foundation Del Duca, Institut de France, 2007 grant. The last author was supported in part by the NSF grant DMS-0505628., École normale supérieure de Lyon (ENS de Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Université Blaise Pascal - Clermont-Ferrand 2 (UBP)-Université d'Auvergne - Clermont-Ferrand I (UdA)-SIGMA Clermont (SIGMA Clermont)-Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), École normale supérieure - Lyon (ENS Lyon)-Université Claude Bernard Lyon 1 (UCBL), Université Blaise Pascal - Clermont-Ferrand 2 (UBP)-Université d'Auvergne - Clermont-Ferrand I (UdA)-Sigma CLERMONT (Sigma CLERMONT)-Centre National de la Recherche Scientifique (CNRS)-Ecole Nationale Supérieure des Mines de St Etienne, and Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS)-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[ INFO.INFO-TS ] Computer Science [cs]/Signal and Image Processing ,multifractals ,[ SPI.SIGNAL ] Engineering Sciences [physics]/Signal and Image processing ,Library and Information Sciences ,Fractional Brownian motion ,01 natural sciences ,010104 statistics & probability ,Fractal ,[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing ,multifractal random walks ,0103 physical sciences ,scaling properties ,Statistical physics ,0101 mathematics ,010306 general physics ,Brownian motion ,Mathematics ,fractional Wiener integrals ,Stochastic process ,Mathematical analysis ,Multifractal system ,Scale invariance ,Random walk ,Computer Science Applications ,[MATH.MATH-PR]Mathematics [math]/Probability [math.PR] ,infinitely divisible cascades ,[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing ,[ MATH.MATH-PR ] Mathematics [math]/Probability [math.PR] ,Infinite divisibility ,Information Systems - Abstract
International audience; Multifractal random walks are defined as integrals of infinitely divisible stationary multifractal cascades with respect to fractional Brownian motion. Their key properties are studied, such as finiteness of moments and scaling, with respect to the chosen values of the self-similarity and infinite divisibility parameters. The range of these parameters is larger than that considered previ- ously in the literature, and the cases of both exact and nonexact scale invariance are considered. Special attention is paid to various types of definitions of multifractal random walks. The resulting random walks are of interest in modeling multifractal processes whose marginals exhibit stationarity and symmetry.
- Published
- 2009
22. Asymptotically optimal perfect steganographic systems
- Author
-
Daniil Ryabko, B. Ya. Ryabko, Siberian State University of Telecommunications and Informatics (SIBSUTI), Siberian State University of Telecommunications and Informatics, Institute of Computational Technologies (ICT SBRAS), SBRAS, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Institute of Computational Technologies [Novosibirsk] (ICT SBRAS), Siberian Branch of the Russian Academy of Sciences (SB RAS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Theoretical computer science ,Computer Networks and Communications ,Property (programming) ,Information Transmission ,Carry (arithmetic) ,Transmitted Symbol ,Data_CODINGANDINFORMATIONTHEORY ,02 engineering and technology ,[INFO.INFO-CR]Computer Science [cs]/Cryptography and Security [cs.CR] ,Encoding (memory) ,0202 electrical engineering, electronic engineering, information engineering ,Limit (mathematics) ,Secret Message ,Shannon Entropy ,Computer Science::Cryptography and Security ,Mathematics ,Steganography ,Probabilistic logic ,[MATH.MATH-IT]Mathematics [math]/Information Theory [math.IT] ,020206 networking & telecommunications ,Computer Science Applications ,Asymptotically optimal algorithm ,[INFO.INFO-IT]Computer Science [cs]/Information Theory [cs.IT] ,020201 artificial intelligence & image processing ,Secret Information ,Decoding methods ,Information Systems - Abstract
International audience; In 1998 C. Cachin proposed an information-theoretic approach to steganography. In particular, in the framework of this approach, so-called perfectly secure stegosystems were defined, where messages that carry and do not carry hidden information are statistically indistinguishable. There was also described a universal steganographic system, for which this property holds only asymptotically, as the message length grows, while encoding and decoding complexity increases exponentially. (By definition, a system is universal if it is also applicable in the case where probabilistic characteristics of messages used to transmit hidden information are not known completely.) In the present paper we propose a universal steganographic system where messages that carry and do not carry hidden information are statistically indistinguishable, while transmission rate of “hidden” information approaches the limit, the Shannon entropy of the source used to “embed” the hidden information.
- Published
- 2009
23. Bayesian Inference for Linear Dynamic Models With Dirichlet Process Mixtures
- Author
-
Philippe Vanheeghe, Manuel Davy, François Caron, Arnaud Doucet, Emmanuel Duflos, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), LAGIS-SI, Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Department of Statistics [Vancouver] (UBC Statistics), University of British Columbia (UBC), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
Mathematical optimization ,Monte Carlo method ,Mathematics - Statistics Theory ,Statistics Theory (math.ST) ,02 engineering and technology ,Bayesian inference ,01 natural sciences ,Bayesian nonparametrics ,010104 statistics & probability ,symbols.namesake ,[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST] ,FOS: Mathematics ,Markov chain Monte Carlo (MCMC) ,0202 electrical engineering, electronic engineering, information engineering ,0101 mathematics ,Electrical and Electronic Engineering ,Rao-Blackwellization ,Mathematics ,particle filter ,Sequential estimation ,020206 networking & telecommunications ,Markov chain Monte Carlo ,Dirichlet process mixture (DPM) ,[STAT.TH]Statistics [stat]/Statistics Theory [stat.TH] ,Kalman filter ,Dirichlet process ,Gaussian noise ,Signal Processing ,symbols ,Particle filter ,Algorithm - Abstract
International audience; Using Kalman techniques, it is possible to perform optimal estimation in linear Gaussian state-space models. We address here the case where the noise probability density functions are of unknown functional form. A flexible Bayesian nonparametric noise model based on Dirichlet process mixtures is introduced. Efficient Markov chain Monte Carlo and Sequential Monte Carlo methods are then developed to perform optimal batch and sequential estimation in such contexts. The algorithms are applied to blind deconvolution and change point detection. Experimental results on synthetic and real data demonstrate the efficiency of this approach in various contexts.
- Published
- 2008
24. Simultaneous optimistic optimization on the noiseless BBOB testbed
- Author
-
Philippe Preux, Bilel Derbel, Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Parallel Cooperative Multi-criteria Optimization (DOLPHIN), Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Sequential Learning (SEQUEL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Mathematical optimization ,021103 operations research ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,Computer science ,Testbed ,0211 other engineering and technologies ,0202 electrical engineering, electronic engineering, information engineering ,Sampling (statistics) ,020201 artificial intelligence & image processing ,02 engineering and technology ,ComputingMilieux_MISCELLANEOUS - Abstract
We experiment the SOO (Simultaneous Optimistic Optimization) global optimizer on the BBOB testbed. We report results for both the unconstrained-budget setting and the expensive setting, as well as a comparison with the DiRect algorithm to which SOO is mostly related. Overall, SOO is shown to perform rather poorly in the highest dimensions while agreeably exhibiting interesting performance for the most difficult functions, which is to be attributed to its global nature and to the fact that its design was guided by the goal of obtaining theoretically provable performance. The greedy explorationexploitation sampling strategy underlying SOO design is also shown to be a viable alternative for the expensive setting which gives rooms for further improvements in this direction.
- Published
- 2015
25. Multilevel Agent-Based Modeling of System of Systems
- Author
-
Gildas Morvan, Jean-Baptiste Soyez, Daniel Dupont, Rochdi Merzouki, LAGIS-MOCIS, Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Génie Informatique et d'Automatique de l'Artois (LGI2A), Université d'Artois (UA), Méthodes et Outils pour la Conception Intégrée de Systèmes (MOCIS), Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189 (CRIStAL), Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Ecole Centrale de Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Science et Technologie du Lait et de l'Oeuf (STLO), Institut National de la Recherche Agronomique (INRA)-AGROCAMPUS OUEST, Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Hautes Etudes d’Ingénieur [Lille] (HEI), JUNIA (JUNIA), and Université catholique de Lille (UCL)-Université catholique de Lille (UCL)
- Subjects
Agent-based modeling (ABM) ,0209 industrial biotechnology ,Engineering ,Computer Networks and Communications ,0211 other engineering and technologies ,02 engineering and technology ,Vehicle dynamics ,020901 industrial engineering & automation ,[INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering ,[INFO.INFO-SY]Computer Science [cs]/Systems and Control [cs.SY] ,[INFO.INFO-RB]Computer Science [cs]/Robotics [cs.RO] ,systems of systems (SoSs) ,Electrical and Electronic Engineering ,Intelligent transportation system ,complex system engineering ,computer.programming_language ,Functional specification ,System of systems ,021103 operations research ,business.industry ,Cascading Style Sheets ,[INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation ,Computer Science Applications ,Formalism (philosophy of mathematics) ,Control and Systems Engineering ,Reaction model ,Systems engineering ,[INFO.INFO-ES]Computer Science [cs]/Embedded Systems ,business ,computer ,Multilevel simulation ,Information Systems - Abstract
International audience; —This paper deals with the generic modeling of systems of systems (SoSs) using agent-based modeling. SoSs are large-scale systems, including numerous—possibly heterogeneous— interacting component systems evolving in a dynamic environment. The aim of this paper is to provide generic formalism allowing to represent and control the whole complexity of a SoS using agent-based simulations. In particular, organizational aspects of SoSs are managed with the Agent–Group–Role model. Functional aspects, guiding SoSs to accomplish their global goals, are handled via a functional specification. Multilevel aspects are mod-eled with the Influence Reaction Model for Multilevel Simulation (IRM4MLS) agent-based meta-model. Models generated using this formalism encompass static and dynamic aspects of SoSs. They consider reorganization of SoSs caused by changes of goals or subsystem capacity. All these elements are illustrated in this paper using a SoS case study of Intelligent Autonomous Vehicles initiated by the Intelligent Transportation for Dynamic Environment (InTraDE) European project to automate the port container logistic. Index Terms—Agent-based modeling (ABM), complex system engineering, systems of systems (SoSs).
- Published
- 2015
26. An online support vector machine for abnormal events detection
- Author
-
Manuel Davy, Christian Doncarli, Arthur Gretton, Frédéric Desobry, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Abnormality detection ,Computer science ,Maximum likelihood ,02 engineering and technology ,Machine learning ,computer.software_genre ,Novelty detection ,Bayes' theorem ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,Support Vector Machines ,0202 electrical engineering, electronic engineering, information engineering ,Detection theory ,Electrical and Electronic Engineering ,Sequential optimization ,Audio thump detection ,business.industry ,Estimation theory ,020206 networking & telecommunications ,Statistical model ,Support vector machine ,Control and Systems Engineering ,Signal Processing ,020201 artificial intelligence & image processing ,Computer Vision and Pattern Recognition ,Artificial intelligence ,Gearbox fault detection ,business ,computer ,Software ,Change detection - Abstract
The ability to detect online abnormal events in signals is essential in many real- world Signal Processing applications. Previous algorithms require an explicit signal statistical model, and interpret abnormal events as statistical model abrupt changes. Corresponding implementation relies on maximum likelihood or on Bayes estima- tion theory with generally excellent performance. However, there are numerous cases where a robust and tractable model cannot be obtained, and model-free approaches need to be considered. In this paper, we investigate a machine learning, descriptor- based approach that does not require an explicit descriptors statistical model, based on Support Vector novelty detection. A sequential optimization algorithm is intro- duced. Theoretical considerations as well as simulations on real signals demonstrate its practical efficiency.
- Published
- 2006
27. Bayesian analysis of polyphonic western tonal music
- Author
-
Manuel Davy, Simon J. Godsill, Jérôme Idier, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Signal Processing Group Dept of Engineering, University of Cambridge [UK] (CAM), Institut de Recherche en Communications et en Cybernétique de Nantes (IRCCyN), Mines Nantes (Mines Nantes)-École Centrale de Nantes (ECN)-Ecole Polytechnique de l'Université de Nantes (EPUN), Université de Nantes (UN)-Université de Nantes (UN)-PRES Université Nantes Angers Le Mans (UNAM)-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Acoustics and Ultrasonics ,Computer science ,Acoustics ,Speech recognition ,Musical instrument ,02 engineering and technology ,Musical ,computer.software_genre ,01 natural sciences ,Musical acoustics ,Background noise ,010104 statistics & probability ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,Arts and Humanities (miscellaneous) ,0202 electrical engineering, electronic engineering, information engineering ,Source separation ,Polyphony ,0101 mathematics ,Audio signal processing ,Transcription (music) ,020206 networking & telecommunications ,Sound recording and reproduction ,Computer Science::Sound ,computer ,Timbre ,Pitch (Music) - Abstract
This paper deals with the computational analysis of musical audio from recorded audio waveforms. This general problem includes, as sub-tasks, music transcription, extraction of musical pitch, dynamics, timbre, instrument identity, and source separation. Analysis of real musical signals is a highly ill-posed task which is made complicated by the presence of transient sounds, background interference or the complex structure of musical pitches in the time-frequency domain. This paper focuses on models and algorithms for computer transcription of multiple musical pitches in audio, elaborated from previous work by two of the authors. The audio data are supposedly pre-segmented into fixed pitch regimes such as individual chords. The models presented apply to pitched (tonal) music and are formulated via a Gabor representation of non-stationary signals. A Bayesian probabilistic structure is employed for representation of prior information about the parameters of the notes. This paper introduces a numerical Bayesian inference strategy for estimation of the pitches and other parameters of the waveform. The improved algorithm is much quicker, and makes the approach feasible in realistic sitautions. Results are presented for estimation of a known number of notes present in randomly generated note clusters from a real musical instrument database.
- Published
- 2006
28. Évaluation par les données d'algorithmes de bandits contextuels avec applications à la recommandation dynamique
- Author
-
Nicol, Olivier, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Contrat Doctoral Université de Lille 1, Université de Lille I, Philippe Preux, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
Bootstrapping (statistical method of estimation of estimator properties) ,Bayesian inference ,Evaluation hors ligne ,(Contextual) bandit games ,Validation crois ́ee ,Evaluation bas ́ee sur les donn ́ees ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,Data-driven evaluation ,Recommandation d’articles de journaux ,M ́ethodes de rejeu ,Biais contre variance ,Recommandation ,Analyse de biais/variance/concentration ,Entangled validation ,Dilemme entre exploration et exploitation ,Replay methodologies ,Cross-validation ,Recommendation ,Classification ,News recommendation ,Expansion de donn ́ees ,Jeux de bandits (contextuels) ,Dynamic recommendation ,Bias versus Variance trade-off ,Exploration versus Exploitation dilemma ,Non stationary environ- ment ,Data expansion ,Bootstrap (m ́ethode statis- tique d’estimation de propri ́et ́es d’un estimateur) ,Inf ́erence Bay ́esienne ,Offline evaluation ,Bias/variance/- concentration analysis ,Envi- ronement non stationnaire ,Recom- mandation dynamique ,Validation en- tremˆel ́ee - Abstract
The context of this thesis work is dynamic recommendation. Recommendation is the action,for an intelligent system, to supply a user of an application with personalized content so as toenhance what is refered to as ”user experience” e.g. recommending a product on a merchantwebsite or even an article on a blog. Recommendation is considered dynamic when the contentto recommend or user tastes evolve rapidly e.g. news recommendation. Many applications thatare of interest to us generates a tremendous amount of data through the millions of online usersthey have. Nevertheless, using this data to evaluate a new recommendation technique or evencompare two dynamic recommendation algorithms is far from trivial. This is the problem weconsider here. Some approaches have already been proposed. Nonetheless they were not studiedvery thoroughly both from a theoretical point of view (unquantified bias, loose convergencebounds...) and from an empirical one (experiments on private data only). In this work we startby filling many blanks within the theoretical analysis. Then we comment on the result of anexperiment of unprecedented scale in this area: a public challenge we organized. This challengealong with a some complementary experiments revealed a unexpected source of a huge bias:time acceleration. The rest of this work tackles this issue. We show that a bootstrap-basedapproach allows to significantly reduce this bias and more importantly to control it.; Ce travail de th`ese a ́et ́e r ́ealis ́e dans le contexte de la recommandation dynamique. La recom-mandation est l’action de fournir du contenu personnalis ́e `a un utilisateur utilisant une ap-plication, dans le but d’am ́eliorer son utilisation e.g. la recommandation d’un produit surun site marchant ou d’un article sur un blog. La recommandation est consid ́er ́ee commedynamique lorsque le contenu a ` recommander ou encore les goˆuts des utilisateurs ́evoluentrapidement e.g. la recommandation d’actualit ́es. Beaucoup d’applications auxquelles nousnous int ́eressons g ́en`erent d’ ́enormes quantit ́es de donn ́ees grˆace `a leurs millions d’utilisateurssur Internet. N ́eanmoins, l’utilisation de ces donn ́ees pour ́evaluer une nouvelle technique derecommandation ou encore comparer deux algorithmes de recommandation est loin d’ˆetre triv-iale. C’est cette probl ́ematique que nous consid ́erons ici. Certaines approches ont d ́ej`a ́et ́epropos ́ees. N ́eanmoins elles sont tr`es peu ́etudi ́ees autant th ́eoriquement (biais non quantifi ́e,borne de convergence assez large...) qu’empiriquement (exp ́eriences sur donn ́ees priv ́ees). Dansce travail nous commen ̧cons par combler de nombreuses lacunes de l’analyse th ́eorique. En-suite nous discutons les r ́esultats tr`es surprenants d’une exp ́erience `a tr`es grande ́echelle : unecomp ́etition ouverte au public que nous avons organis ́ee. Cette comp ́etition nous a permisde mettre en ́evidence une source de biais consid ́erable et constamment pr ́esente en pratique :l’acc ́el ́eration temporelle. La suite de ce travail s’attaque a ` ce probl`eme. Nous montrons qu’uneapproche `a base de bootstrap permet de r ́eduire mais surtout de contrˆoler ce biais.
- Published
- 2014
29. Best-Arm Identification in Linear Bandits
- Author
-
Soare, Marta, Lazaric, Alessandro, Munos, Rémi, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Soare, Marta, and Composing Learning for Artificial Cognitive Systems - COMPLACS - - EC:FP7:ICT2011-03-01 - 2015-02-28 - 270327 - VALID
- Subjects
FOS: Computer and information sciences ,Computer Science - Learning ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,[INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS] ,[INFO.INFO-DS] Computer Science [cs]/Data Structures and Algorithms [cs.DS] ,[INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG] ,Astrophysics::Galaxy Astrophysics ,Machine Learning (cs.LG) - Abstract
We study the best-arm identification problem in linear bandit, where the rewards of the arms depend linearly on an unknown parameter $\theta^*$ and the objective is to return the arm with the largest reward. We characterize the complexity of the problem and introduce sample allocation strategies that pull arms to identify the best arm with a fixed confidence, while minimizing the sample budget. In particular, we show the importance of exploiting the global linear structure to improve the estimate of the reward of near-optimal arms. We analyze the proposed strategies and compare their empirical performance. Finally, as a by-product of our analysis, we point out the connection to the $G$-optimality criterion used in optimal experimental design., Comment: In Advances in Neural Information Processing Systems 27 (NIPS), 2014
- Published
- 2014
30. Exploiting easy data in online optimization
- Author
-
Sani, A., Gergely Neu, Lazaric, A., Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] - Abstract
International audience; We consider the problem of online optimization, where a learner chooses a decision from a given decision set and suffers some loss associated with the decision and the state of the environment. The learner's objective is to minimize its cumulative regret against the best fixed decision in hindsight. Over the past few decades numerous variants have been considered, with many algorithms designed to achieve sub-linear regret in the worst case. However, this level of robustness comes at a cost. Proposed algorithms are often over-conservative, failing to adapt to the actual complexity of the loss sequence which is often far from the worst case. In this paper we introduce a general algorithm that, provided with a "safe" learning algorithm and an opportunistic "benchmark", can effectively combine good worst-case guarantees with much improved performance on "easy" data. We derive general theoretical bounds on the regret of the proposed algorithm and discuss its implementation in a wide range of applications, notably in the problem of learning with shifting experts (a recent COLT open problem). Finally, we provide numerical simulations in the setting of prediction with expert advice with comparisons to the state of the art.
- Published
- 2014
31. Extreme bandits
- Author
-
Alexandra Carpentier, Valko, M., Statistical Laboratory [Cambridge], Department of Pure Mathematics and Mathematical Statistics (DPMMS), Faculty of mathematics Centre for Mathematical Sciences [Cambridge] (CMS), University of Cambridge [UK] (CAM)-University of Cambridge [UK] (CAM)-Faculty of mathematics Centre for Mathematical Sciences [Cambridge] (CMS), University of Cambridge [UK] (CAM)-University of Cambridge [UK] (CAM), Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] - Abstract
International audience; In many areas of medicine, security, and life sciences, we want to allocate limited resources to different sources in order to detect extreme values. In this paper, we study an efficient way to allocate these resources sequentially under limited feedback. While sequential design of experiments is well studied in bandit theory, the most commonly optimized property is the regret with respect to the maximum mean reward. However, in other problems such as network intrusion detection, we are interested in detecting the most extreme value output by the sources. Therefore, in our work we study extreme regret which measures the efficiency of an algorithm compared to the oracle policy selecting the source with the heaviest tail. We propose the ExtremeHunter algorithm, provide its analysis, and evaluate it empirically on synthetic and real-world experiments.
- Published
- 2014
32. Efficient learning by implicit exploration in bandit problems with side observations
- Author
-
Kocák, T., Gergely Neu, Valko, M., Munos, R., Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] - Abstract
International audience; We consider online learning problems under a a partial observability model capturing situations where the information conveyed to the learner is between full information and bandit feedback. In the simplest variant, we assume that in addition to its own loss, the learner also gets to observe losses of some other actions. The revealed losses depend on the learner's action and a directed observation system chosen by the environment. For this setting, we propose the first algorithm that enjoys near-optimal regret guarantees without having to know the observation system before selecting its actions. Along similar lines, we also define a new partial information setting that models online combinatorial optimization problems where the feedback received by the learner is between semi-bandit and full feedback. As the predictions of our first algorithm cannot be always computed efficiently in this setting, we propose another algorithm with similar properties and with the benefit of always being computationally efficient, at the price of a slightly more complicated tuning mechanism. Both algorithms rely on a novel exploration strategy called implicit exploration, which is shown to be more efficient both computationally and information-theoretically than previously studied exploration strategies for the problem.
- Published
- 2014
33. Sparse Multi-task Reinforcement Learning
- Author
-
Marcello Restelli, Alessandro Lazaric, Daniele Calandriello, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Departement of Electronics and Informatics, Politecnico di Milano [Milan] (POLIMI), ANR-14-CE24-0010,ExTra-Learn,Extraction et transfert de connaissances dans l'apprentissage par renforcement(2014), European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Similarity (geometry) ,Computer science ,business.industry ,02 engineering and technology ,Sparse approximation ,01 natural sciences ,Set (abstract data type) ,010104 statistics & probability ,Task (computing) ,Transformation (function) ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,Artificial Intelligence ,0202 electrical engineering, electronic engineering, information engineering ,Reinforcement learning ,Unsupervised learning ,020201 artificial intelligence & image processing ,Artificial intelligence ,0101 mathematics ,business ,Representation (mathematics) ,INF - Abstract
International audience; In multi-task reinforcement learning (MTRL), the objective is to simultaneously learn multiple tasks and exploit their similarity to improve the performance w.r.t.\ single-task learning. In this paper we investigate the case when all the tasks can be accurately represented in a linear approximation space using the same small subset of the original (large) set of features. This is equivalent to assuming that the weight vectors of the task value functions are \textit{jointly sparse}, i.e., the set of their non-zero components is small and it is shared across tasks. Building on existing results in multi-task regression, we develop two multi-task extensions of the fitted $Q$-iteration algorithm. While the first algorithm assumes that the tasks are jointly sparse in the given representation, the second one learns a transformation of the features in the attempt of finding a more sparse representation. For both algorithms we provide a sample complexity analysis and numerical simulations.
- Published
- 2014
34. Preference-based reinforcement learning: evolutionary direct policy search using a preference-based racing algorithm
- Author
-
Weiwei Cheng, Eyke Hüllermeier, Paul Weng, Róbert Busa-Fekete, Balázs Szörényi, MTA-SZTE Research Group on Artificial Intelligence, University of Szeged [Szeged]-Hungarian Academy of Sciences (MTA), Fachbereich Mathematik und Informatik [Marburg] [Dept. of Math and Computer Science], Philipps Universität Marburg = Philipps University of Marburg, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), DECISION, Laboratoire d'Informatique de Paris 6 (LIP6), Université Pierre et Marie Curie - Paris 6 (UPMC)-Centre National de la Recherche Scientifique (CNRS)-Université Pierre et Marie Curie - Paris 6 (UPMC)-Centre National de la Recherche Scientifique (CNRS), Hungarian Academy of Sciences (MTA)-University of Szeged [Szeged], Philipps Universität Marburg, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
Preference learning ,business.industry ,Computer science ,Rank (computer programming) ,Sample (statistics) ,Smith set ,Preference ,Set (abstract data type) ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,Artificial Intelligence ,Reinforcement learning ,Pairwise comparison ,Artificial intelligence ,business ,Algorithm ,Software - Abstract
International audience; We introduce a novel approach to preference-based reinforcement learn-ing, namely a preference-based variant of a direct policy search method based on evolutionary optimization. The core of our approach is a preference-based racing algorithm that selects the best among a given set of candidate policies with high probability. To this end, the algorithm operates on a suitable ordinal preference structure and only uses pairwise comparisons between sample rollouts of the policies. Embedding the racing algorithm in a rank-based evolutionary search procedure, we show that approxima-tions of the so-called Smith set of optimal policies can be produced with certain theoretical guarantees. Apart from a formal performance and complexity analysis, we present first experimental studies showing that our approach performs well in practice.
- Published
- 2014
35. Subspace identification for predictive state representation by nuclear norm minimization
- Author
-
Olivier Pietquin, Hadrien Glaude, Cyrille Enderli, Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Thales Airborne Systems, THALES Airborne Systems, Sequential Learning (SEQUEL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Institut Universitaire de France (IUF), Ministère de l'Education nationale, de l’Enseignement supérieur et de la Recherche (M.E.N.E.S.R.), Pietquin, Olivier, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Mathematical optimization ,Trace (linear algebra) ,Dynamical systems theory ,[SPI] Engineering Sciences [physics] ,State (functional analysis) ,[INFO] Computer Science [cs] ,16. Peace & justice ,Matrix decomposition ,[SPI]Engineering Sciences [physics] ,Dimension (vector space) ,[INFO]Computer Science [cs] ,Markov decision process ,ComputingMilieux_MISCELLANEOUS ,Subspace topology ,Mathematics ,Predictive state representation - Abstract
Predictive State Representations (PSRs) are dynamical systems models that keep track of the system's state using predictions of future observations. In contrast to other models of dynamical systems, such as partially observable Markov decision processes, PSRs produces more compact models and can be consistently learned using statistics of the execution trace and spectral decomposition. In this paper we make a connection between rank minimization problems and learning PSRs. This allows us to derive a new algorithm based on nuclear norm minimization. In addition to estimate automatically the dimension of the system, our algorithm compares favorably with the state of art on randomly generated realistic problems of different sizes.
- Published
- 2014
36. Conflicts Versus Analytical Redundancy Relations: A Comparative Analysis of the Model Based Diagnosis Approach From the Artificial Intelligence and Automatic Control Perspectives
- Author
-
Jacky Montmain, Marie-Odile Cordier, Philippe Dague, Louise Travé-Massuyès, François Lévy, Marcel Staroswiecki, Diagnosing, Recommending Actions and Modelling ( DREAM ), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -GESTION DES DONNÉES ET DE LA CONNAISSANCE ( IRISA-D7 ), Institut de Recherche en Informatique et Systèmes Aléatoires ( IRISA ), Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Université de Bretagne Sud ( UBS ) -École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ) -Université de Rennes 1 ( UR1 ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Université de Bretagne Sud ( UBS ) -École normale supérieure - Rennes ( ENS Rennes ) -Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut National des Sciences Appliquées ( INSA ) -Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ) -Institut de Recherche en Informatique et Systèmes Aléatoires ( IRISA ), Université de Rennes ( UNIV-RENNES ) -Université de Rennes ( UNIV-RENNES ) -Université de Bretagne Sud ( UBS ) -École normale supérieure - Rennes ( ENS Rennes ) -Institut National des Sciences Appliquées ( INSA ) -Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Informatique de Paris-Nord ( LIPN ), Université Paris 13 ( UP13 ) -Université Sorbonne Paris Cité ( USPC ) -Institut Galilée-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Laboratoire d'Informatique et d'Automatique de Lille ( LAIL ), Université de Lille, Sciences et Technologies, Laboratoire d'analyse et d'architecture des systèmes [Toulouse] ( LAAS ), Institut National Polytechnique [Toulouse] ( INP ) -Institut National des Sciences Appliquées - Toulouse ( INSA Toulouse ), Institut National des Sciences Appliquées ( INSA ) -Institut National des Sciences Appliquées ( INSA ) -Université Paul Sabatier - Toulouse 3 ( UPS ) -Centre National de la Recherche Scientifique ( CNRS ), Diagnosing, Recommending Actions and Modelling (DREAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-CentraleSupélec-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Université de Rennes (UNIV-RENNES)-CentraleSupélec-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-CentraleSupélec, Laboratoire d'Informatique de Paris-Nord (LIPN), Université Paris 13 (UP13)-Institut Galilée-Université Sorbonne Paris Cité (USPC)-Centre National de la Recherche Scientifique (CNRS), Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Laboratoire d'Informatique et d'Automatique de Lille (LAIL), Laboratoire d'analyse et d'architecture des systèmes [Toulouse] (LAAS), Centre National de la Recherche Scientifique (CNRS)-Université Toulouse III - Paul Sabatier (UPS), Université Fédérale Toulouse Midi-Pyrénées-Université Fédérale Toulouse Midi-Pyrénées-Institut National des Sciences Appliquées - Toulouse (INSA Toulouse), and Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Institut National Polytechnique [Toulouse] (INP)
- Subjects
0209 industrial biotechnology ,Automatic control ,Computer science ,A.I. and Automatics ,Systems Theory ,02 engineering and technology ,Machine learning ,computer.software_genre ,Fault detection and isolation ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] ,Decision Support Techniques ,020901 industrial engineering & automation ,Artificial Intelligence ,[INFO.INFO-AU]Computer Science [cs]/Automatic Control Engineering ,[ INFO.INFO-AU ] Computer Science [cs]/Automatic Control Engineering ,0202 electrical engineering, electronic engineering, information engineering ,Redundancy (engineering) ,Diagnostic ,Diagnosis, Computer-Assisted ,Electrical and Electronic Engineering ,[ INFO.INFO-AI ] Computer Science [cs]/Artificial Intelligence [cs.AI] ,business.industry ,Research ,General Medicine ,Models, Theoretical ,Computer Science Applications ,Equipment Failure Analysis ,Systems Integration ,Human-Computer Interaction ,Research Design ,Control and Systems Engineering ,Interdisciplinary Communication ,020201 artificial intelligence & image processing ,Artificial intelligence ,business ,computer ,Algorithms ,Software ,Information Systems - Abstract
Two distinct and parallel research communities have been working along the lines of the model-based diagnosis approach: the fault detection and isolation (FDI) community and the diagnostic (DX) community that have evolved in the fields of automatic control and artificial intelligence, respectively. This paper clarifies and links the concepts and assumptions that underlie the FDI analytical redundancy approach and the DX consistency-based logical approach. A formal framework is proposed in order to compare the two approaches and the theoretical proof of their equivalence together with the necessary and sufficient conditions is provided.
- Published
- 2004
37. Simulation and Optimisation of a Failure-Prone Disassembly-Reconditioning-Assembly System
- Author
-
Turki, Sadok, Ben-Ammar, Oussama, Slama, Ilhem, Rezg, Nidhal, Dolgui, Alexandre, Laboratoire de Génie Informatique, de Production et de Maintenance (LGIPM), Université de Lorraine (UL), EuroMov - Digital Health in Motion (Euromov DHM), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université de Montpellier (UM), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires (LINEACT), CESI : groupe d’Enseignement Supérieur et de Formation Professionnelle (CESI), HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM), Département Automatique, Productique et Informatique (IMT Atlantique - DAPI), IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Modélisation, Optimisation et DEcision pour la Logistique, l'Industrie et les Services (LS2N - équipe MODELIS), Laboratoire des Sciences du Numérique de Nantes (LS2N), Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Centrale de Nantes (Nantes Univ - ECN), Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes université - UFR des Sciences et des Techniques (Nantes univ - UFR ST), Nantes Université - pôle Sciences et technologie, Nantes Université (Nantes Univ)-Nantes Université (Nantes Univ)-Nantes Université - pôle Sciences et technologie, Nantes Université (Nantes Univ)-Institut National de Recherche en Informatique et en Automatique (Inria)-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), and Nantes Université (Nantes Univ)
- Subjects
Random repairs and failures ,Reconditioned products ,Control and Systems Engineering ,[INFO.INFO-RO]Computer Science [cs]/Operations Research [cs.RO] ,Disassembly-assembly system - Abstract
Published in : IFAC-PapersOnLine 55(10):1764-1768. doi : 10.1016/j.ifacol.2022.09.653; International audience; This paper deals with the simulation and optimisation of disassembly-reconditioningassembly system (DRAS) taken into account random machines failures and repairs. The proposed system is composed of one disassembly machine, two parallel structures, one assembly machine and stocks to store the used products, components and finished product. In this study a complete disassembly and assembly process in a supply chain is considered, and which allows to acquire used products, disassemble the used products, storing reconditioning components, assemble the components and selling the finished product to reply customers demand. The objective is to determine the optimal acquisition quantity of used products that maximises the total profit. A mathematical model is formulated on the basis of discrete flow model that allows to express the behaviour of the system. The proposed model is then simulated and the optimal acquisition quantity is determined. Numerical results are presented to discuss the optimal acquisition quantity and the lost profit risk.
- Published
- 2022
38. Multi-Objective Deep Q-Networks for Domestic Hot Water Systems Control
- Author
-
Ibrahim, Mohamed-Harith, Lecoeuche, Stéphane, Boonaert, Jacques, Batton-Hubert, Mireille, Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Centre for Digital Systems (CERI SN - IMT Nord Europe), Ecole nationale supérieure Mines-Télécom Lille Douai (IMT Nord Europe), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne (UCA)-Institut national polytechnique Clermont Auvergne (INP Clermont Auvergne), Université Clermont Auvergne (UCA)-Université Clermont Auvergne (UCA), Institut Henri Fayol (FAYOL-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Département Génie mathématique et industriel (FAYOL-ENSMSE), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Institut Henri Fayol, and Institut Mines-Télécom [Paris] (IMT)
- Subjects
Electric Water Heater ,Deep Reinforcement Learning ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,[MATH]Mathematics [math] ,Multi-Objective Reinforcement Learning ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] - Abstract
International audience; Real-world decision problems, such as Domestic Hot Water (DHW) production, require the consideration of multiple, possibly conflicting objectives. This work suggests an adaptation of Deep Q-Networks (DQN) to solve multi-objective sequential decision problems using scalarization functions. The adaptation was applied to train multiple agents to control DHW systems in order to find possible trade-offs between comfort and energy cost reduction. Results have shown the possibility of finding multiple policies to meet preferences of different users. Trained agents were tested to ensure hot water production with variable energy prices (peak and off-peak tariffs) for several consumption patterns and they can reduce energy cost from 10.24 % without real impact on users’ comfort and up to 18 % with slight impact on comfort.
- Published
- 2023
39. Adaptive Feature Selection for Object Tracking with Particle Filter
- Author
-
Désiré Sidibé, Fabrice Meriaudeau, Philippe Montesinos, Darshan Venkatrayappa, Laboratoire de Génie Informatique et Ingénierie de Production (LGI2P), IMT - MINES ALES (IMT - MINES ALES), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Laboratoire Electronique, Informatique et Image [UMR6306] (Le2i), Université de Bourgogne (UB)-Centre National de la Recherche Scientifique (CNRS)-École Nationale Supérieure d'Arts et Métiers (ENSAM), Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM)-Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM)-AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement, Laboratoire de Génie Informatique et Ingénierie de Production ( LGI2P ), IMT - Mines Alès Ecole Mines - Télécom ( IMT - MINES ALES ), Laboratoire Electronique, Informatique et Image ( Le2i ), and Université de Bourgogne ( UB ) -AgroSup Dijon - Institut National Supérieur des Sciences Agronomiques, de l'Alimentation et de l'Environnement-Centre National de la Recherche Scientifique ( CNRS )
- Subjects
business.industry ,Computer science ,Tracking ,ComputingMethodologies_IMAGEPROCESSINGANDCOMPUTERVISION ,Mean-shift filter ,[INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV] ,Feature selection ,Pattern recognition ,HSL and HSV ,[ INFO.INFO-CV ] Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV] ,Object (computer science) ,Tracking (particle physics) ,Video tracking ,Particle filter ,Clutter ,RGB color model ,Computer vision ,Artificial intelligence ,business - Abstract
International audience; Object tracking is an important topic in the field of computer vision. Commonly used color-based trackers are based on a fixed set of color features such as RGB or HSV and, as a result, fail to adapt to changing illumination conditions and background clutter. These drawbacks can be overcome to an extent by using an adaptive framework which selects for each frame of a sequence the features that best discriminate the object from the background. In this paper, we use such an adaptive feature selection method embedded into a particle filter mechanism and show that our tracking method is robust to lighting changes and background distractions. Different experiments also show that the proposed method outperform other approaches.
- Published
- 2014
40. Selecting Near-Optimal Approximate State Representations in Reinforcement Learning
- Author
-
Daniil Ryabko, Ronald Ortner, Odalric-Ambrym Maillard, Montanuniversität Leoben (MUL), Department of Electrical Engineering - Technion [Haïfa] (EE-Technion), Technion - Israel Institute of Technology [Haifa], Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
FOS: Computer and information sciences ,Computer Science::Machine Learning ,Mathematical optimization ,Approximations of π ,Regret ,State (functional analysis) ,Markov model ,Machine Learning (cs.LG) ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] ,Computer Science - Learning ,Reinforcement learning ,Markov decision process ,Representation (mathematics) ,Mathematics - Abstract
We consider a reinforcement learning setting introduced in (Maillard et al., NIPS 2011) where the learner does not have explicit access to the states of the underlying Markov decision process (MDP). Instead, she has access to several models that map histories of past interactions to states. Here we improve over known regret bounds in this setting, and more importantly generalize to the case where the models given to the learner do not contain a true model resulting in an MDP representation but only approximations of it. We also give improved error bounds for state aggregation.
- Published
- 2014
41. Predicting when to laugh with structured classification
- Author
-
Piot, Bilal, Pietquin, Olivier, Geist, Matthieu, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Georgia Tech Lorraine [Metz], Ecole Nationale Supérieure des Arts et Metiers Metz-Georgia Institute of Technology [Atlanta]-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Franche-Comté (UFC), Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC), Institut Universitaire de France (IUF), Ministère de l'Education nationale, de l’Enseignement supérieur et de la Recherche (M.E.N.E.S.R.), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Université de Franche-Comté (UFC), and Université Bourgogne Franche-Comté [COMUE] (UBFC)-Université Bourgogne Franche-Comté [COMUE] (UBFC)-Ecole Supérieure d'Electricité - SUPELEC (FRANCE)-Georgia Institute of Technology [Atlanta]-CentraleSupélec-Ecole Nationale Supérieure des Arts et Metiers Metz-Centre National de la Recherche Scientifique (CNRS)
- Subjects
Imitation Learning ,[SPI]Engineering Sciences [physics] ,Laughter ,Structured Classification - Abstract
International audience; Today, Embodied Conversational Agents (ECAs) are emerging as natural media to interact with machines. Applications are numerous and ECAs can reduce the technological gap between people by providing user-friendly interfaces. Yet, ECAs are still unable to produce social signals appropriately during their interaction with humans, which tends to make the interaction less instinctive. Especially, very little attention has been paid to the use of laughter in human-avatar interactions despite the crucial role played by laughter in human-human interaction. In this paper, a method for predicting the most appropriate moment for laughing for an ECA is proposed. Imitation learning via a structured classification algorithm is used in this purpose and is shown to produce a behavior similar to humans’ on a practical application: the yes/no game.
- Published
- 2014
42. A diffusion strategy for distributed dictionary learning
- Author
-
Chainais, Pierre, Richard, Cédric, Centrale Lille, Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), LAGIS-SI, Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), Joseph Louis LAGRANGE (LAGRANGE), Université Côte d'Azur (UCA)-Université Nice Sophia Antipolis (... - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Observatoire de la Côte d'Azur, COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA)-Institut national des sciences de l'Univers (INSU - CNRS)-Centre National de la Recherche Scientifique (CNRS), Laurent Jacques, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université Nice Sophia Antipolis (1965 - 2019) (UNS), COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Institut national des sciences de l'Univers (INSU - CNRS)-Observatoire de la Côte d'Azur, and COMUE Université Côte d'Azur (2015-2019) (COMUE UCA)-Université Côte d'Azur (UCA)-Université Côte d'Azur (UCA)-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[INFO.INFO-TS]Computer Science [cs]/Signal and Image Processing ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,[SPI.SIGNAL]Engineering Sciences [physics]/Signal and Image processing - Abstract
International audience; We consider the problem of a set of nodes which is required to collectively learn a common dictionary from noisy measurements. This distributed dictionary learning approach may be useful in several contexts including sensor networks. Dif-fusion cooperation schemes have been proposed to estimate a consensus solution to distributed linear regression. This work proposes a diffusion-based adaptive dictionary learning strategy. Each node receives measurements which may be shared or not with its neighbors. All nodes cooperate with their neighbors by sharing their local dictionary to estimate a common representa-tion. In a diffusion approach, the resulting algorithm corresponds to a distributed alternate optimization. Beyond dictionary learn-ing, this strategy could be adapted to many matrix factorization problems in various settings. We illustrate its efficiency on some numerical experiments, including the difficult problem of blind hyperspectral images unmixing.
- Published
- 2014
43. Sodium boiling Detection in a LMFBR Using Autoregressive Models and SVM
- Author
-
Bose, Tanmoy, Geraldo, Issa Cherif, Pekpe, Komi Midzodzi, Cassar, Jean Philippe, Mohanty, Amiya Rajan, Paumel, Kevin, Indian Institute of Technology Kharagpur (IIT Kharagpur), Systèmes Tolérants aux Fautes (STF), Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 (CRIStAL), Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Université de Lille-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), CEA Cadarache, Commissariat à l'énergie atomique et aux énergies alternatives (CEA), GIS 3SGS - Projet DA Coeur, Indian Institute of Technology Kharagpur, Kharagpur ( IIT Kharagpur ), IIT Kharagpur, Systèmes Tolérants aux Fautes ( STF ), Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189 ( CRIStAL ), Ecole Centrale de Lille-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut Mines-Télécom [Paris]-Université de Lille-Centre National de la Recherche Scientifique ( CNRS ) -Ecole Centrale de Lille-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Institut Mines-Télécom [Paris]-Université de Lille-Centre National de la Recherche Scientifique ( CNRS ), Laboratoire d'Automatique, Génie Informatique et Signal ( LAGIS ), Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ), Indian Institute of Technology [Kharagpur], and Commissariat à l'énergie atomique et aux énergies alternatives ( CEA )
- Subjects
nuclear ,[ SPI.AUTO ] Engineering Sciences [physics]/Automatic ,FDI ,[SPI.AUTO]Engineering Sciences [physics]/Automatic - Abstract
International audience; This paper deals with acoustic detection of sodium boiling in a Liquid Metal Fast Breeder Reactor (LMFBR) cooled by liquid sodium. As sodium boiling induces acoustic emission, the method consists in real time analysis of acoustic signals measured through wave guides. AutoRegressive (AR) models are estimated on sliding windows and are classified in boiling or non-boiling models using Support Vector Machines (SVM). One of the difficulties to cope with is disturbances due to the influence of some environment noises like the liquid coolant cavitation, vortex flow, shaft vibration and mechanical pump noise. These disturbances can generate false alarms or mask the boiling. The proposed method is designed to be robust toward these disturbances. Furthermore, the SVM are designed to be robust toward the operating mode changing. The application for online monitoring is made on data obtained from French nuclear power plant Phenix and boiling sound signals generated from Laboratory experiments. Different acoustic boiling sound levels are used and the effectiveness of the method is shown by the good detection rate and its low false alarm rate even for low acoustic boiling sound level.
- Published
- 2014
44. Biclique Coverings, Rectifier Networks and the Cost of ε-Removal
- Author
-
György Turán, Ádám D. Lelkes, Balázs Szörényi, Szabolcs Iván, Judit Nagy-György, University of Szeged [Szeged], Department of Mathematics, Statistics and Computer Science [Chicago] (UIC), University of Illinois [Chicago] (UIC), University of Illinois System-University of Illinois System, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), MTA-SZTE Research Group on Artificial Intelligence, Hungarian Academy of Sciences (MTA)-University of Szeged [Szeged], Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), and University of Szeged [Szeged]-Hungarian Academy of Sciences (MTA)
- Subjects
Discrete mathematics ,Set cover problem ,0102 computer and information sciences ,02 engineering and technology ,Rectifier (neural networks) ,Covering number ,[INFO.INFO-DM]Computer Science [cs]/Discrete Mathematics [cs.DM] ,01 natural sciences ,Complete bipartite graph ,Combinatorics ,010201 computation theory & mathematics ,0202 electrical engineering, electronic engineering, information engineering ,Bipartite graph ,020201 artificial intelligence & image processing ,Regular expression ,Nondeterministic finite automaton ,Greedy algorithm ,Computer Science::Formal Languages and Automata Theory ,Mathematics - Abstract
International audience; We relate two complexity notions of bipartite graphs: the minimal weight biclique covering number Cov(G) and the minimal rec-tifier network size Rect(G) of a bipartite graph G. We show that there exist graphs with Cov(G) ≥ Rect(G) 3/2−ǫ . As a corollary, we estab-lish that there exist nondeterministic finite automata (NFAs) with ε-transitions, having n transitions total such that the smallest equivalent ε-free NFA has Ω(n 3/2−ǫ) transitions. We also formulate a version of previous bounds for the weighted set cover problem and discuss its con-nections to giving upper bounds for the possible blow-up.
- Published
- 2014
45. Spectral Bandits for Smooth Graph Functions with Applications in Recommender Systems
- Author
-
Kocák, Tomáš, Valko, Michal, Munos, Rémi, Kveton, Branislav, Agrawal, Shipra, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Microsoft Research [Cambridge] (Microsoft), Microsoft Research, Technicolor Research [Palo Alto], Technicolor, Microsoft Research [Redmond], Microsoft Corporation [Redmond, Wash.], European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,[INFO.INFO-DL]Computer Science [cs]/Digital Libraries [cs.DL] - Abstract
International audience; Smooth functions on graphs have wide applications in manifold and semi-supervised learning. In this paper, we study a bandit problem where the payoffs of arms are smooth on a graph. This framework is suitable for solving online learning problems that involve graphs, such as content-based recommendation. In this problem, each recommended item is a node and its expected rating is similar to its neighbors. The goal is to recommend items that have high expected ratings. We aim for the algorithms where the cumulative regret would not scale poorly with the number of nodes. In particular, we introduce the notion of an effective dimension, which is small in real-world graphs, and propose two algorithms for solving our problem that scale linearly in this dimension. Our experiments on real-world content recommendation problem show that a good estimator of user preferences for thousands of items can be learned from just tens nodes evaluations.
- Published
- 2014
46. PAC Rank Elicitation through Adaptive Sampling of Stochastic Pairwise Preferences
- Author
-
Busa-Fekete, Róbert, Szörényi, Balázs, Hüllermeier, Eyke, MTA-SZTE Research Group on Artificial Intelligence, Hungarian Academy of Sciences (MTA)-University of Szeged [Szeged], Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), University of Paderborn, University of Szeged [Szeged]-Hungarian Academy of Sciences (MTA), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,General Medicine - Abstract
We introduce the problem of PAC rank elicitation, which consists of sorting a given set of options based on adaptive sampling of stochastic pairwise preferences. More specifically, we assume the existence of a ranking procedure, such as Copeland's method, that determines an underlying target order of the options. The goal is to predict a ranking that is sufficiently close to this target order with high probability, where closeness is measured in terms of a suitable distance measure. We instantiate this setting with combinations of two different distance measures and ranking procedures. For these instantiations, we devise efficient strategies for sampling pairwise preferences and analyze the corresponding sample complexity. We also present first experiments to illustrate the practical performance of our methods.
- Published
- 2014
47. Bandits Warm-up Cold Recommender Systems
- Author
-
Mary, Jérémie, Gaudel, Romaric, Preux, Philippe, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), INRIA Lille, INRIA, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[INFO.INFO-DS]Computer Science [cs]/Data Structures and Algorithms [cs.DS] ,matrix factorization ,exploration/exploitation dilemma ,contextual bandit ,[INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI] ,Recommendation system ,cold-start problem ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,[INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG] ,efficient algorithm ,latent factors ,sequential decision making under uncertainty ,[INFO.INFO-HC]Computer Science [cs]/Human-Computer Interaction [cs.HC] ,multi-armed bandit - Abstract
We address the cold start problem in recommendation systems assuming no contextual information is available neither about users, nor items. We consider the case in which we only have access to a set of ratings of items by users. Most of the existing works consider a batch setting, and use cross-validation to tune parameters. The classical method consists in minimizing the root mean square error over a training subset of the ratings which provides a factorization of the matrix of ratings, interpreted as a latent representation of items and users. Our contribution in this paper is 5-fold. First, we explicit the issues raised by this kind of batch setting for users or items with very few ratings. Then, we propose an online setting closer to the actual use of recommender systems; this setting is inspired by the bandit framework. The proposed methodology can be used to turn any recommender system dataset (such as Netflix, MovieLens,...) into a sequential dataset. Then, we explicit a strong and insightful link between contextual bandit algorithms and matrix factorization; this leads us to a new algorithm that tackles the exploration/exploitation dilemma associated to the cold start problem in a strikingly new perspective. Finally, experimental evidence confirm that our algorithm is effective in dealing with the cold start problem on publicly available datasets. Overall, the goal of this paper is to bridge the gap between recommender systems based on matrix factorizations and those based on contextual bandits.; Nous nous intéressons au problème du démarrage à froid dans les systèmes de recommendation. Nous supposons ne disposer d'aucune information, que ce soit à propos des utilisateurs ou des produits. Nous considérons le cas où nous n'avons accès qu'à un ensemble de notes données à des produits par des utilisateurs. La plupart des travaux concernant ce problème considèrent une approche par lôts et utilisent la validation croisée pour régler les paramètres. La méthode classique consiste à réaliser une décomposition de faible rang de la matrice des notes en minimisant l'erreur quadratique moyenne sur un sous-ensemble des notes disponibles. Cette factorisation est interprêtée comme exhibant des facteurs latents décrivant les produits et les utilisateurs. Dans ce rapport, notre contribution concerne 5 points. Tout d'abord, nous explicitons les problèmes posés par ce type d'approches par lôt pour des utilisateurs ou des produits ayant très peu de notes qui leur sont associées (utilisateurs et produits froids). Ensuite, nous proposons une approche séquentielle qui se rapproche fortement du mode d'utilisation réelle des systèmes de recommendation. Cette approche est inspirée par le problème du bandit multi-bras. Cette méthodologie permet de transformer tout jeu de données issu d'un système de recommendation (tels Netflix, MovieLens, ...) en un jeu de données séquentiel. Alors, nous explicitons une forte connexion entre les bandits contextuels et la factorisation de matrices~; nous pensons que la mise à jour de cette relation est la contribution conceptuelle essentielle de ce rapport~; cette relation éclaire cette problématique d'un jour nouveau. Cela nous amène à un nouvel algorithme qui prend en charge le dilemme exploration/exploitation existant dans le problème du démarrage à froid. Finalement, une étude expérimentale de cet algorithme montre que l'approche fonctionne efficacement pour gérer le démarrage à froid sur des jeux de données disponibles publiquement. Pour résumer nos contributions en une phrase, l'objectif de ce rapport est de mettre à jour un pont entre les systèmes de recommendation basés sur la factorisation de matrices d'une part, les bandits contextuels d'autre part.
- Published
- 2014
48. Bandits attack function optimization
- Author
-
Philippe Preux, Michal Valko, Rémi Munos, Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), European Project: 270327,EC:FP7:ICT,FP7-ICT-2009-6,COMPLACS(2011), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
Continuous optimization ,Mathematical optimization ,021103 operations research ,Meta-optimization ,Optimization problem ,0211 other engineering and technologies ,02 engineering and technology ,Multi-objective optimization ,[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,Discrete optimization ,0202 electrical engineering, electronic engineering, information engineering ,Random optimization ,020201 artificial intelligence & image processing ,Global optimization ,Metaheuristic ,Mathematics - Abstract
International audience; We consider function optimization as a sequential decision making problem under the budget constraint. Such constraint limits the number of objective function evaluations allowed during the optimization. We consider an algorithm inspired by a continuous version of a multi-armed bandit problem which attacks this optimization problem by solving the tradeoff between exploration (initial quasi-uniform search of the domain) and exploitation (local optimization around the potentially global maxima). We introduce the so-called Simultaneous Optimistic Optimization (SOO), a deterministic algorithm that works by domain partitioning. The benefit of such an approach are the guarantees on the returned solution and the numerical eficiency of the algorithm. We present this machine learning rooted approach to optimization, and provide the empirical assessment of SOO on the CEC'2014 competition on single objective real-parameter numerical optimization testsuite.
- Published
- 2014
49. Benthic sensitive habitat mapping: a new tool for ecosystem management ?
- Author
-
Foveau , Aurélie, Vaz , Sandrine, Desroy , Nicolas, KOSTYLEV , Vladimir E., Dauvin , Jean-Claude, Carpentier , André, Morphodynamique Continentale et Côtière (M2C), Université de Caen Normandie (UNICAEN), Normandie Université (NU)-Normandie Université (NU)-Institut national des sciences de l'Univers (INSU - CNRS)-Université de Rouen Normandie (UNIROUEN), Normandie Université (NU)-Centre National de la Recherche Scientifique (CNRS), Laboratoire Environnement Ressource Bretagne Nord (LERBN), LITTORAL (LITTORAL), Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER)-Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER), Geological Survey of Canada [Dartmouth] (GSC Atlantic), Geological Survey of Canada - Office (GSC), Natural Resources Canada (NRCan)-Natural Resources Canada (NRCan), Sequential Learning (SEQUEL), Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS), Morphodynamique Continentale et Côtière ( M2C ), Centre National de la Recherche Scientifique ( CNRS ) -Université de Rouen Normandie ( UNIROUEN ), Normandie Université ( NU ) -Normandie Université ( NU ) -Institut national des sciences de l'Univers ( INSU - CNRS ) -Université de Caen Normandie ( UNICAEN ), Normandie Université ( NU ), Laboratoire Environnement Ressource Bretagne Nord ( LERBN ), Institut Français de Recherche pour l'Exploitation de la Mer ( IFREMER ), Geological Survey of Canada [Dartmouth], Sequential Learning ( SEQUEL ), Laboratoire d'Informatique Fondamentale de Lille ( LIFL ), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique ( CNRS ) -Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique ( Inria ) -Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique ( CNRS ) -Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique ( Inria ) -Laboratoire d'Automatique, Génie Informatique et Signal ( LAGIS ), Université de Lille, Sciences et Technologies-Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ) -Ecole Centrale de Lille-Centre National de la Recherche Scientifique ( CNRS ), Institut Français de Recherche pour l'Exploitation de la Mer (IFREMER), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, and Institut National de Recherche en Informatique et en Automatique (Inria)
- Subjects
[SDU]Sciences of the Universe [physics] ,[ SDU ] Sciences of the Universe [physics] - Abstract
International audience; The multidisciplinary integrated approach of the INTERREG CHARM project (CHannel integrated Approach for marine Resource Management), between France and England, offers decision makers a status report of the English Channel ecosystem and a range of tools based on scientific knowledge for the sustainable management of living marine resources. The English Channel supports a large number of economically significant human activities, such as maritime traffic, fisheries, exploitation of marine resources or mineral resources, wind farms. Due to its environmental characteristics, the English Channel is indeed a crucial area for the life cycle of many marine species: it supports important spawning and nursery grounds, as well as being a significant migration channel between the Atlantic and the North Sea. Some of the marine habitats and living resources in this area play a key environmental role. One of the actions of CHARM project phase III was to describe the structure, composition and distribution of benthic invertebrates in this area. The benthos is a biological compartment of the ecosystem susceptible to be adversely affected by several human activities and may serve as accurate indicators of benthic habitat quality status and sensitivity (Figure 6). The aim of the present study is to draw a benthic sensitive habitat map, based on the Kostylev approach and to complete it with a functional approach. This kind of information may be relevant to both mitigate potential impacts of present human activities and plan future activities in this area. It may also prove useful to better understand the factors affecting the distribution of fishes and predict their evolution.
- Published
- 2014
50. Mining Software Engineering Datafor Useful Knowledge
- Author
-
Baldassari, Boris, Laboratoire d'Informatique Fondamentale de Lille (LIFL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS), Sequential Learning (SEQUEL), Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria), CIFRE, Université de Lille, Philippe Preux, Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Université de Lille, Sciences et Technologies-Institut National de Recherche en Informatique et en Automatique (Inria)-Université de Lille, Sciences Humaines et Sociales-Centre National de la Recherche Scientifique (CNRS)-Inria Lille - Nord Europe, Institut National de Recherche en Informatique et en Automatique (Inria)-Laboratoire d'Automatique, Génie Informatique et Signal (LAGIS), and Université de Lille, Sciences et Technologies-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)-Centrale Lille-Centre National de la Recherche Scientifique (CNRS)
- Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML] ,génie logiciel ,data mining ,software engineering ,fouille de données - Abstract
Repositories used in the development of software projects contain a great amount of interesting information on tools, methods and development practices. This information is not put to use these days because it is difficult to retrieve (e.g. for distributed teams, using many different tools), its nature implies specific characteristics (semi-structured, incomplete or inconsistent data with skewed distributions), and because its interpretation and analysis is highly subject to the knowledge and constraints of the domain.The research work achieved in Maisqual addresses these concerns by investigating methods borrowed from the data mining field to help understand, assess and improve the quality of software projects.To that end we identified some common issues encountered in the development and assessment of software projects, and established a list of data mining techniques that could bring useful answers. Several open source software projects were analysed, using metrics extracted from both the code itself and the development process (mainly configuration management and mailing lists). Because of the intrinsic nature of this data and its semantic context, it appears that some methods are better suited than others: e.g. unsupervised clustering, outliers detection and regression analysis.The output of this work is threefold: firstly, some of the technics developed were introduced in SQuORE, a professional-grade software quality assessment tool edited by SQuORING Technologies. The work accomplished on the analysis process and quality models also brought useful insights for the company's team and product. Another contribution to the domain is the methodological and tooling framework setup for our analysis, which relies on safe and semantically consistent measurement techniques. Last but not least, we published under a free licence several software-related data sets for the academic and industry communities to foster research in this area of knowledge.; Les référentiels utilisés dans le développement logiciel offrent une quantité importante d'information sur les outils, méthodes et pratiques de développement. Cette information est globalement peu utilisée car elle est difficile d'accès (référentiels répartis, issus d'une grande variété d'outils différents), elle est de nature spécifique (semi-structurée, distributions non normales, données incomplète ou incohérente au premier abord..), et son interprétation est soumise à nombre de contraintes et connaissances propres au domaine.L'effort de recherche fait au sein de Maisqual s'attaque à ces problèmes, en utilisant les techniques issues de la fouille de données pour apporter des éléments de réponses objectifs aux interrogations et difficultés rencontrées lors du développement logiciel et lors de l'évaluation de qualité pour les systèmes et produits logiciels.Nous avons donc identifié et formalisé quelques-unes de ces problématiques courantes, et répertorié les méthodes de fouille de données pouvant apporter des éléments de réponse. Plusieurs projets logiciels libres ont été analysés, en travaillant à la fois sur les métriques issues du code source du produit et sur les informations issues du processus de développement (gestion de configuration, listes de diffusion). De par la nature des données et les volumes considérés, il appert que certaines techniques sont plus appropriées que d'autres, notamment les techniques de classification non supervisées, l'analyse par régression, et la détection d'outliers. Pour une même méthode, certains algorithmes sont également plus robustes ou plus précis en fonction des données considérées.Les résultats de ce travail sont perceptibles à plusieurs niveaux. Premièrement, nous avons établi un lien entre recherche académique et industrie : certaines techniques ont directement été intégrées au produit SQuORE ou ont été mises à disposition sous forme de scripts utilisables par les consultants lors des missions en clientèle. Le travail effectué sur l'extraction et l'analyse des métriques logicielles et sur les modèles de qualité a également contribué à la pertinence de l'outil SQuORE. Le cadre méthodologique développé pour nos analyses, permettant de garder une sémantique sûre malgré la transformation métrologique, est un autre apport au domaine. Enfin plusieurs data sets logiciels complets ont été produits et publiés sous licence libre pour que les communautés scientifique et industrielle en bénéficient.
- Published
- 2014
Catalog
Discovery Service for Jio Institute Digital Library
For full access to our library's resources, please sign in.