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