Grafcet is a powerful graphical modeling language for the specification of controllers in discrete event systems. It considers hierarchical structures as well as structural and semantic constraints. In this paper, we propose to use a Grafcet specification model in a Model Driven Engineering (MDE) approach for multi-target synthesis of embedded logic control systems based on microcontrollers. In this approach, a Grafcet metamodel is associated with a microcontroller metamodel which characterizes the microcontroller platform features to be considered when generating code. The Grafcet metamodel includes the modeling of expressions to facilitate model verification and an easy interpretation of Grafcet events and time constraints. Transformation rules for generation of C-programmable microcontroller code are then presented. As application, we present a platform based on Eclipse EMF, Object Constraint Language (OCL) and Acceleo code generation engine. Le Grafcet est un puissant langage de modélisation graphique pour la spécification de contrôleurs dans des systèmes à événements discrets. Il prend en compte des structures hiérarchiques ainsi que des contraintes structurelles et sémantiques.Ici, nous proposons d'utiliser un modèle de spécification Grafcet dans une approche d'ingénierie dirigée par les modèles (IDM) pour la synthèse multi-cible de systèmes de contrôle commande embarqués basés sur des microcontrôleurs.Dans cette approche, un métamodèle Grafcet est associé à un métamodèle microcontrôleur, lequel caractérise les fonctionnalités de la plateforme spécifique microcontrôleur à considéerer lors de la génération de code.Ce métamodèle Grafcet proposé prend en compte la modélisation des expressions pour faciliter la vérification du modèle et une interprétation facile des événements Grafcet ainsi que des contraintes de temps. Les règles de transformation utiles à la génération de code pour des microcontrôleurs C-programmables sont ensuite présentées.Comme application, nous présentons une plateforme basée sur Eclipse EMF, Object Constraint Language (OCL) et le moteur de génération de code Acceleo.
NoSQL data stores have introduced a new way of designing database systems to meet the recent needs of applications and services operating in areas such as the World Wide Web, Big Data, and Data Analytics. They offer a means to store and access high volumes of partially structured data by enhancing the flexibility of the data model and integrating distributed architecture at their core, thus providing better properties of high data availability and low data latency.This paper reviews the various design approaches of NoSQL data stores, providing up-to-date information on their data models, request processing, scalability, storage management, data dis- tribution modes, and use cases. It also addresses multi-model and cloud-oriented NoSQL stores and offer a comprehensive description of a wide range of NoSQL stores with the use of a rich taxonomy. Les bases de données NoSQL ont introduit une nouvelle façon de concevoir les systèmes de gestion de bases de données pour répondre aux besoins récents des applications et des services opérant dans des domaines tels que le World Wide Web, le Big Data et l'Analyse de Données. Elles offrent un moyen de stocker et d'accéder à de grands volumes de données partiellement structurées en améliorant la flexibilité du modèle de données et en intégrant une architecture distribuée au cœur de leur conception, fournissant ainsi de meilleures propriétés de haute disponibilité des données et de faible latence des données.Cet article passe en revue les différentes approches de conception des bases de données NoSQL, en fournissant des informations à jour sur leurs modèles de données, le traitement des requêtes, la scalabilité, la gestion du stockage, les modes de distribution des données et les cas d'utilisation. Il aborde également les bases de données NoSQL multi-modèles et orientées vers le cloud, et offre une description complète d'un large éventail de bases de données NoSQL à l'aide d'une riche taxonomie.
Recent work has shown that deep learning algorithms are efficient for various tasks, whether in Natural Language Processing (NLP) or in Computer Vision (CV). One of the particularities of these algorithms is that they are so efficient as the amount of data used is large. However, sequential execution of these algorithms on large amounts of data can take a very long time. In this paper, we consider the problem of training Recurrent Neural Network (RNN) for hate (aggressive) messages detection task. We first compared the sequential execution of three variants of RNN, we have shown that Long Short Time Memory (LSTM) provides better metric performance, but implies more important execution time in comparison with Gated Recurrent Unit (GRU) and standard RNN. To have both good metric performance and reduced execution time, we proceeded to a parallel implementation of the training algorithms. We proposed a parallel algorithm based on an implicit aggregation strategy in comparison to the existing approach which is based on a strategy with an aggregation function. We have shown that the convergence of this proposed parallel algorithm is close to that of the sequential algorithm. The experimental results on an 32-core machine at 1.5 GHz and 62 Go of RAM show that better results are obtained with the parallelization strategy that we proposed. For example, with an LSTM on a dataset having more than 100k comments, we obtained an f-measure of 0.922 and a speedup of 7 with our approach, compared to a f-measure of 0.874 and a speedup of 5 with an explicit aggregation between workers.
soumission à EpisciencesIn the Middle Ages, some illuminations were intended for the elites of society and served as a means of communication for them to extend their social influences and to represent their social environments. They constitute an information system based on symbolic components linked together by semantic and influential relationships whose structure is close to models representing social relationships and networks. Today, understanding these illuminations and extracting their implicit messages, expressed through the combination of metaphorical graphic elements, are a difficult task reserved for experts. To help these latter and address the semantic heterogeneity of illuminations, this article explores the synergy between knowledge representation techniques and the analysis of medieval documents to build a knowledge model describing these medieval paintings. It proposes a formal ontology composed of items describing the explicit and visible knowledge of medieval illuminations and others expressing their implicit messages. The considered illuminations are part of those ordered or linked to the Burgundy duke, Philiphe le BonAu Moyen Âge, des enluminures étaient destinées aux élites de la société et leurs servaient de moyen de communication pour étendre leurs influences sociales et pour représenter leurs environnements sociaux. Elles constituent un système d'information basé sur des composants symboliques reliés entre eux par des relations sémantiques et influentes dont la structure est proche des modèles représentant des relations sociales et des réseaux. Aujourd'hui, la compréhension de ces enluminures et l'extraction de leurs messages implicites, exprimés par la combinaison d'éléments graphiques métaphoriques, sont une tâche difficile réservée aux experts. Pour aider ces derniers et traiter l'hétérogénéité sémantique des enluminures, cet article explore la synergie entre les techniques de représentation des connaissances et l'analyse des documents médiévaux pour construire un modèle de connaissances décrivant ces peintures médiévales. Il propose une ontologie formelle composée d'entités décrivant les savoirs explicites et visibles des enluminures médiévales et d'autres exprimant leurs messages implicites. Les enluminures concernées sont une partie de celles commandées et relatives au duc de Bourgogne, Philiphe le Bon.
soumission à Episciences Under-resourced languages encounter substantial obstacles in speech recognition owing to the scarcity of resources and limited data availability, which impedes their development and widespread adoption. This paper presents a representation learning model that leverages existing frameworks based on self-supervised learning techniques—specifically, Contrastive Predictive Coding (CPC), wav2vec, and a bidirectional variant of CPC—by integrating them with multilingual learning approaches. We apply this model to three African languages: Wolof, Swahili, and Fongbe. Our evaluation of the resulting representations in a downstream task, automatic speech recognition, utilizing an architecture analogous to DeepSpeech, reveals the model’s capacity to discern language specific linguistic features. The results demonstrate promising performance, achieving Word Error Rates (WER) of 61% for Fongbe, 72% for Wolof, and 88% for Swahili. These findings underscore the potential of our approach in advancing speech recognition capabilities for under-resourced languages, particularly within the African linguistic landscape. Les langues sous-dotées rencontrent d'importants obstacles en reconnaissance vocale en raison du manque de ressources et de la disponibilité limitée des données, ce qui freine leur développement et leur adoption à grande échelle. Cet article présente un modèle d'apprentissage de représentations qui s'appuie sur des cadres existants basés sur des techniques d'apprentissage auto-supervisé — en particulier le Contrastive Predictive Coding (CPC), wav2vec, et une variante bidirectionnelle du CPC — en les intégrant à des approches d'apprentissage multilingue. Nous appliquons ce modèle à trois langues africaines : le wolof, le swahili et le fongbe. L'évaluation des représentations obtenues dans une tâche en aval, la reconnaissance automatique de la parole, en utilisant une architecture similaire à DeepSpeech, montre la capacité du modèle à discerner des caractéristiques linguistiques propres à chaque langue. Les résultats démontrent des performances prometteuses, avec des taux d'erreur de mots (WER) de 61 % pour le fongbe, 72 % pour le wolof et 88 % pour le swahili. Ces résultats soulignent le potentiel de notre approche pour faire progresser les capacités de reconnaissance vocale des langues sous-dotées, en particulier dans le contexte linguistique africain.
soumission à EpisciencesCough is the most common symptom of lung disease. COVID-19, a respiratory illness, has caused over 700 million positive cases and 7 million deaths worldwide. An effective, affordable, and widely available diagnostic tool is crucial in combating lung disease and the COVID-19 pandemic. Deep learning and machine learning algorithms could be used to analyze the cough sounds of infected patients and make predictions. Our research lab and the COUGHVID research lab provide the cough data. This diagnostic approach can distinguish cough sounds from COVID-19 patients and people suffering from other ailments as well as healthy people using deep learning and feature extraction from Mel spectrograms. The model used is a variant of ConvNet. This ConvNet model can easily capture features in MFCC Vectors and enable convolution parallelism, which increases processing speed. ConvNet attains translational invariance in features through the sharing of weights between layers. During data acquisition for model training, it is important to consider quiet environments to reduce errors in audio quality. The architecture of the convolutional neural networks gives an F1-score of 89%, an accuracy of 90.33% and sensitivity of 87.3%. This system has the potential to significantly impact society by reducing virus transmission, expediting patient treatment, and freeing up hospital resources. Early detection of COVID-19 can prevent disease progression and enhance screening effectiveness.La toux est le symptôme le plus courant des maladies pulmonaires. Le COVID-19, une maladie respiratoire, a provoqué plus de 700 millions de cas positifs et 7 millions de décès dans le monde. Un outil de diagnostic efficace, abordable et largement disponible est essentiel pour lutter contre les maladies pulmonaires et la pandémie de COVID-19. Des algorithmes d'apprentissage profond et d'apprentissage automatique pourraient être utilisés pour analyser les bruits de toux des patients infectés et faire des prédictions. Notre laboratoire de recherche et le laboratoire de recherche COUGHVID fournissent les données sur la toux. Cette approche diagnostique peut distinguer les bruits de toux des patients atteints de COVID-19 et des personnes souffrant d'autres maladies ainsi que des personnes en bonne santé en utilisant l'apprentissage profond et l'extraction de caractéristiques à partir des spectrogrammes de Mel. Le modèle utilisé est une variante de ConvNet. Ce modèle ConvNet peut facilement capturer les caractéristiques des vecteurs MFCC et permettre le parallélisme de convolution, ce qui augmente la vitesse de traitement. ConvNet atteint l'invariance translationnelle des caractéristiques grâce au partage des poids entre les couches. Lors de l'acquisition des données pour l'entraînement du modèle, il est important de prendre en compte les environnements calmes pour réduire les erreurs de qualité audio. L'architecture des réseaux neuronaux convolutionnels donne un score F1 de 89 %, une précision de 90,33 % et une sensibilité de 87,3 %. Ce système peut avoir un impact significatif sur la société en réduisant la transmission des virus, en accélérant le traitement des patients et en libérant des ressources hospitalières. La détection précoce du COVID-19 peut prévenir la progression de la maladie et améliorer l'efficacité du dépistage.
In this paper, we propose a hybrid approach for solving the symmetric traveling salesman problem. The proposed approach combines the ant colony algorithm (ACO) with neural networks based on the attention mechanism. The idea is to use the predictive capacity of neural networks to guide the behaviour of ants in choosing the next cities to visit and to use the prediction results of the latter to update the pheromone matrix, thereby improving the quality of the solutions obtained. In concrete terms, attention is focused on the most promising cities by taking into account both distance and pheromone information thanks to the attention mechanism, which makes it possible to assign weights to each city according to its degree of relevance. These weights are then used to predict the next towns to visit for each city. Experimental results on instances TSP from the TSPLIB library demonstrate that this hybrid approach is better compared to the classic ACO.
submission to Episciences Nowadays, e-commerce, streaming and social networks platforms play an important role in our daily lives. However, the ever-increasing addition of items on these platforms (items on Amazon, videos on Netflix and YouTube, posts on Facebook and Instagram) makes it difficult for users to select items that interest them. The integration of recommender systems into these platforms aims to offer each user a small list of items that match their preferences. To improve the performance of these recommender systems, some work in the literature incorporate explicit or implicit trust between platform users through trust-based recommender systems. Indeed, many of these works are based on explicit trust, when each user designates those whom they trust in the platform. But this information is rare in most real-world platforms. Thus, other work propose to estimate the implicit trust that each user can grant to another. However, work that estimates implicit trust does not take into account the temporal dynamics of users' past following actions and even less the fact that a user can influence another on one category of item and not on another. In this paper, we propose time and content aware strategies to estimate social influence of one user on another. The resulting time and content aware implicit trust are integrated to trust-based recommender systems build on K-Nearest Neighbors (KNN) and Graph-based techniques. Experiments done for rating predictions with KNN and Top-N recommendations with Graph model show that time and content aware implicit trust make it possible to improve the performance of the KNN according to the RMSE metric by 7% and 10%, and the performance of the graph model according to the NDCG@10 metric by 59% and 08% respectively on the Ciao and Epinions datasets. De nos jours, les plateformes d’e-commerce, de streaming et de réseaux sociaux jouent un rôle important dans notre quotidien. Cependant, l’ajout toujours croissant d’éléments sur ces plateformes (articles sur Amazon, vidéos sur Netflix et YouTube, publications sur Facebook et Instagram) rend difficile pour les utilisateurs de sélectionner les éléments qui les intéressent. L'intégration de systèmes de recommandation dans ces plateformes vise à proposer à chaque utilisateur une petite liste d'éléments correspondant à ses préférences. Pour améliorer les performances de ces systèmes de recommandation, certains travaux de la littérature intègrent une confiance explicite ou implicite entre les utilisateurs de la plateforme via des systèmes de recommandation basés sur la confiance. En effet, nombre de ces travaux reposent sur une confiance explicite, lorsque chaque utilisateur désigne ceux en qui il a confiance dans la plateforme. Mais ces informations sont rares sur la plupart des plateformes du monde réel. Ainsi, d'autres travaux proposent d'estimer la confiance implicite que chaque utilisateur peut accorder à un autre. Cependant, les travaux qui estiment la confiance implicite ne prennent pas en compte la dynamique temporelle des actions passées des utilisateurs et encore moins le fait qu'un utilisateur peut en influencer un autre sur une catégorie d'item et pas sur une autre. Dans cet article, nous proposons des stratégies sensibles au temps et au contenu pour estimer l'influence sociale d'un utilisateur sur un autre. La confiance implicite qui en résulte, consciente du temps et du contenu, est intégrée aux systèmes de recommandation basés sur la confiance, construits sur les K-Nearest Neighbours (KNN) et les techniques basées sur les graphiques. Les expériences réalisées pour les prédictions de notation avec KNN et les recommandations Top-N avec le modèle Graph montrent que la confiance implicite consciente du temps et du contenu permet d'améliorer les performances du KNN selon la métrique RMSE de 7% et 10%, et les performances du modèle graphique selon la métrique NDCG@10 de 59% et 08% respectivement sur les jeux de données Ciao et Epinions.
Social graph analysis is generally based on a local exploration of the underlying graph. That is, the analysis of a node of the graph is often done after having analyzed nodes located in its vicinity. However, over the time, networks are bound to grow with the addition of new members, which inevitably leads to the enlargement of the corresponding graphs. At this level we therefore have a problem because more the size of the graph increases, more the execution time of graph analysis applications too. This is due to the very large number of nodes that will need to be treated. Some recent work in-faces this problem by exploiting the properties of social networks such as the community structure to renumber the nodes of the graph in order to reduce cache misses. Reducing cache misses in an application allows to reduce the execution time of this application. In this paper, we argue that combining existing graph ordering with a new numbering that exploit execution traces analysis can allow to improve cache misses reduction and hence execution time reduction. The idea is to build graph numbering using execution traces of graph analysis applications and then combine it with an existing graph numbering (such as cn-order). To build this new ordering, we define a new distance and then used it to analyse execution traces with well known clustering algorithms K-means (for Kmeans-order) and hierarchical clustering (for cl-hier-order). Experiments on a user machine (dual-core) and four cores of Grid'5000 node (Neowise) show that this combination improves slightly existing graph ordering (cn-order, numbaco, rabbit and gorder) in almost all the cases (the two cores of dual-core, all the four cores of neowise), with PageRank graph application and astro-ph dataset. For example, on neowise with one thread and Astro-ph dataset, the best performance is given with the combination kmeans-order_cn-order which allows to reduce by 42.59% the cache misses (compared to the second numbaco with 40.79%) and therefore by 7.27 % the time of execution (compared to 6.89% for the second numbaco).
Recently popularized self-supervised models appear as a solution to the problem of low data availability via parsimonious learning transfer. We investigate the effectiveness of these multilingual acoustic models, in this case wav2vec 2.0 XLSR-53, for the transcription task of the Ewondo language (spoken in Cameroon). The experiments were conducted on 24 min of speech constructed from 103 read sentences. Despite a strong generalization capacity of multilingual acoustic model, preliminary results show that the distance between XLSR-53 embedded languages (English, French, Spanish, German, Mandarin, . . . ) and Ewondo strongly impacts the performance of the transcription model. The highest performances obtained are around 70.8
Submission to Episciences Lot sizing is important in production planning. It consists of determining a production plan that meets the orders and other constraints while minimizing the production cost. Here, we consider a Discrete Lot Sizing and Scheduling Problem (DLSP), specifically the Pigment Sequencing Problem (PSP). We have developed a solution that uses Genetic Algorithms to tackle the PSP. Our approach introduces adaptive techniques for each step of the genetic algorithm, including initialization, selection, crossover, and mutation. We conducted a series of experiments to assess the performance of our approach across some multiple trials using publicly available instances of the PSP. Our experimental results demonstrate that Genetic Algorithms are practical and effective approaches for solving DLSP. Le dimensionnement de lots tient une place importante en planification de production en industrie. Il consiste à trouver un plan de production qui à la fois satisfait les demandes et autres contraintes tout en minimisant les coûts de production. Dans cet article, nous étudions une instance de problèmes de dimension discret (DLSP), le Pigment Sequencing Problem (PSP). Nous avons développé une approche basée sur les algorithmes génétiques afin de le résoudre. Notre approche propose des méthodes adaptatives pour chacune des étapes des algorithmes génétiques que sont l'initialisation, la sélection, le croisement et la mutation. Les expériences menées nous ont permis d'évaluer la performance de cette approche sur des instances en accès publique de PSP. Les résultats obtenus montrent que les algorithmes génétiques constituent une approche intéressante et effective dans la résolution des DLSP.
soumission à Episciences This article proposes a method for extracting knowledge in association rules using the classical measure of implication intensity. We then applied our method to data from mathematics didactics studies. The aim of the didactic study was to identify the relationships between students' difficulties and skills when demonstrating a mathematical proposition formulated in French. The results of our study show that our methodology is effective in extracting interesting rules. In addition, the results of our didactic analysis showed the dependency between understanding a mathematical statement in French, competence in translating it formally and proving it. Cet article propose une méthode pour extraire des connaissances en règles d’association en utilisant la mesure classique de l’intensité d’implication. Nous avons ensuite appliqué notre méthode dans des données issues de travaux en didactique des mathématiques. L’objectif de l’étude en didactique est de connaitre les relations entre les difficultés et les compétences des élèves lorsque ceux-ci démontrent une proposition mathématique formulée en langue française. Le résultat de notre étude nous a démontré que notre méthodologie est efficace pour extraire les règles intéressantes. De plus les résultats d’analyse didactique ont montré la dépendance entre compréhension d’un énoncé mathématique en français, compétence à le traduire formellement et à le prouver.
The coffee berry borer (CBB) Hypothenemus hampei (Coleoptera: Scolytidae) is the most important insect pest affecting coffee production worldwide and generating huge economic losses. As most of its life cycle occurs inside the coffee berry, its control is extremely difficult. To tackle this issue, we solve an optimal control problem based on a berry age-structured dynamical model that describes the infestation dynamics of coffee berries by CBB during a cropping season. This problem consists in applying a bio-insecticide at discrete times in order to maximise the economic profit of healthy coffee berries, while minimising the CBB population for the next cropping season. We derive analytically the first-order necessary optimality conditions of the control problem. Numerical simulations are provided to illustrate the effectiveness of the optimal control strategy.
Background: The fundamental need for authentication and identification of humans using their physiological, behavioral or biological characteristics, continues to be applied extensively to secure localities, property, financial transactions, etc. Biometric systems based on face characteristics, continue to attract the attention of researchers, major public and private services. In the literature, many methods have been deployed by different authors. The best performance must be found in order to be able to recommend the most effective method. So, the main objective of thisarticle is to make a comparative study of different existing techniques.Methods: A biometric system is generally composed of four stages: acquisition of facial images, preprocessing, extraction of characteristics and finally classification. In this work, the focus is on machine learning algorithms for classification. These algorithms are: Support Vector Machines (SVM), Artificial Neural Networks (ANN), K-Nearest Neighbors (KNN), Random Forests (RF), Logistic Regression (LR), Naive Bayesian Classification (NB: Naive Bayes’ Classifiers) and deep learning techniques such as Convolutional Neural Networks (CNN). The comparison criterion is the average performance, calculated using three performance measures: recognition rate, confusion matrix, and the Area Under Receiver Operating Characteristic (ROC) curve.Results: Based on this criterion, the performance comparison of selected machine learning algorithms, shows that CNN is the best, with an average performance of 100.00% On ORL face database. However, on the YALE database, classical algorithms such as artificial neural networks have obtained the best performances, the highest being a rate of 100%.Discussion: Deep learning techniques are very efficient in image classification as proven by the results on the ORL database. However, their inefficiency on YALE face database is due to the small size of this database which is inappropriate for some deep learning algorithms. But this weakness can be corrected by image augmentation techniques. The comparison of these results with existing state-of-the-art methods is nearly the same. Authors achieved performances of 94.82%, 95.79%, 96.15%, 96.44%, 97.27%, 98.52% and 98.95% for NB, KNN, RF, LR, ANN, SVM and CNN classifiers, respectively. Finally, in depth discussion, it is concluded that between all these approaches which are useful in face recognition, the CNN is the best classification algorithm.
Six time series related to atmospheric phenomena are used as inputs for experiments offorecasting with singular spectrum analysis (SSA). Existing methods for SSA parametersselection are compared throughout their forecasting accuracy relatively to an optimal aposteriori selection and to a naive forecasting methods. The comparison shows that awidespread practice of selecting longer windows leads often to poorer predictions. It alsoconfirms that the choices of the window length and of the grouping are essential. Withthe mean error of rainfall forecasting below 1.5%, SSA appears as a viable alternative forhorizons beyond two weeks. Six séries temporelles ont servi pour des évaluations expérimentales, en fonction des paramètres choisis, d'exactitude de prévisions de phénomènes atmosphériques par la méthode d'analyse de spectre singulier (SSA). Les méthodes les plus connues de sélection automatique des ces paramètres ont été comparées avec une sélection optimale a posteriori et des méthodes de prévision naïves. On constate notamment qu'une pratique répandue d'utiliser des fenêtres plus larges conduit souvent à des prévisions de médiocre qualité. On confirme aussi que le choix du groupement est capital. Avec l'erreur moyenne observée en dessous de 1,5% de prévisions de pluviométrie pour des horizons au delà de deux semaines, la SSA apparaît comme une alternative viable à d'autres méthodes de prévision.
Text steganography is a mechanism of hiding secret text message inside another text as a covering message. In this paper, we propose a text steganographic scheme based on color coding. This include two different methods: the first based on permutation, and the second based on numeration systems. Given a secret message and a cover text, the proposed schemes embed the secret message in the cover text by making it colored. The stego-text is then sent to the receiver by mail. After experiments, the results obtained show that our models performs a better hiding process in terms of hiding capacity as compared to the scheme of Aruna Malik et al. in which our idea is based.
soumission à Episciences In the world of e-learning, learning systems have sought to adapt the user's profile and the content offered to them. However, from the point of view of collaboration between learners based on adaptation to the learner profile, this adaptation has not been sufficiently explored as an important aspect of the e-learning process. Adaptation will allow users with similar or very similar profiles to be grouped together to learn in harmony while maintaining motivation and commitment to learning. This should increase the success rate of learners. This will also allow us to reuse learning paths with good success rates for future recommendations to users with the same profile. In this paper, we focus on this aspect and propose a learning system that controls learning paths adapted to the users' profile and that allows collaborative learning of users in a synchronous way. After an overview of the existing work in the field of adaptive e-learning, we propose an architecture for the piloting of this type of collaborative adaptive learning based on ontologies and orchestrated by a multi-agent system. The latter is responsible for the piloting of learning paths, the recommendation of paths in collaborative or non-collaborative mode through communication between the different agents involved, and the management of events captured by the system. Dans le monde de la formation en ligne, les systèmes d'apprentissage ont cherché à proposer un contenu adapté à tout utilisateur selon son profil.Cette adaptation a comme objectif général de permettre à l'apprenant de tirer le meilleur parti du contenu exposé des ressources d'apprentissage.Cependant, du point de vue de la collaboration entre apprenants selon l'adaptation au profil des apprenants, cette adaptation n'a pas été suffisamment explorée comme un aspect important du processus d'apprentissage en ligne.L'adaptation va permettre de grouper des utilisateurs de profil similaire ou très proche pour apprendre en harmonie tout en gardant la motivation et l'engagement nécessaire afin d'augmenter le taux de réussite des apprenants. Cet état de fait doit permettre aussi de réutiliser certains parcours d'apprentissage avec de bons taux de réussite pour de futures recommandations aux utilisateurs ayant le même profil. Dans cet article, nous mettons l'accent sur cet aspect et proposons un système d'apprentissage qui recommande des parcours d'apprentissage adaptés au profil des utilisateurs et qui permet un apprentissage collaboratif des utilisateurs de façon synchrone. Après un tour d'horizon de l'existant dans le domaine de l'apprentissage adaptatif en ligne, nous proposerons une architecture pour le pilotage de ce type d'apprentissage adaptatif collaboratif. Cette solution est fondée sur des ontologies et orchestrée par un système multi-agents. Ce dernier est responsable du pilotage des parcours d'apprentissage, de la recommandation de parcours en mode collaboratif ou non par le biais d'une communication entre les différents agents intervenants et de la gestion des événements captés par le système.
Epidemiological surveillance systems evolve with time, depending on the context and the data already collected. Then, the software used must evolve in order to meet requirements. However, introducing new requirements in order to update the software takes time, is expensive and may lead to the problem of software regression. The problem of failed software developed for epidemiological surveillance are often the result of an unsystematic transfer of business requirements to the implementation. This problem can be avoided if the system is established using a well-defined framework/architecture permitting the rapid development/update of the surveillance software. Empirical research shows on the one hand that Model Driven Techniques such as Model Driven Architecture (MDA) are more effective than code-centric approaches for the development and the maintenance of software. On the other hand, Agile Processes such as Scrum are more effective than Structured Processes when requirements are subject to frequent change. Researchers demonstrated that developers of medical software such as epidemiological surveillance software are experiencing difficulties when following Structured Processes and code-centric approaches. The main goal of this empirical study was to apply the combination of Scrum and Model Driven Architecture for the development of epidemiological surveillance of tuberculosis. During this research, we found the approach ease of use and very useful when the MDA tool can generate the complete source code. It has had positive effects on programmer productivity and satisfaction, cost-effectiveness, timelines and customer satisfaction. In addition, we learned that to involve non-informatic experts in the development/update, the modeling user interface must be as simple as possible. Les systèmes de surveillance épidémiologiques évoluent avec le temps, en tenant compte du contexte et des données collectées. Ainsi, les logiciels utilisés doivent aussi évoluer pour pouvoir répondre aux besoins. Cependant, de nouvelles exigences des clients peuvent prendre du temps pour être implémentées, coûter plus cher (dans le cas où il faut recruter des programmeurs) et causer des problèmes comme le problème de régression logiciel. Ainsi, le logiciel peut devenir défaillant. Ceci est dû à un mauvais transfert des exigences des clients vers la mise en œuvre. Ce problème peut être évité si le système est développé en utilisant un framework et une architecture permettant le développement/la mise à jour rapide des logiciels de surveillance. La recherche empirique d'une part montre que l'Ingénierie Dirigée par les Modèles (par exemple, Architecture Dirigée par les Modèles ou Model-Driven Architecture - MDA) est plus efficace que les approches basées sur le code pour le développement et la maintenance de certains logiciels. D'autre part, les processus agiles tels que Scrum sont plus efficaces que les processus structurés lorsque les exigences sont sujettes aux changements fréquents. Il a été démontré que le développement des logiciels de santé comme les logiciels de surveillance épidémiologique en utilisant les processus structurés ou les approches de développement centrées sur le code n'est pas évident car ces logiciels sont sujettes aux changements fréquents. Dans ce travail, nous étudions la combinaison de Scrum avec MDA pour le développement du système de surveillance épidémiologique de la tuberculose. A son terme, nous avons trouvé la combinaison de Scrum et MDA simple, très utile lorsque l'outil sous-jacent peut générer tout le code source. La combinaison de Scrum et MDA a eu des effets positifs sur la productivité et la satisfaction des programmeurs et des clients. En plus, nous avons constaté que pour impliquer les non-informaticiens dans le développement ou la mise à jour, l'interface de modélisation doit être aussi simple que possible.
Dynamic programming is a technique widely used to solve several combinatory optimization problems. A well-known example is the minimum cost parenthesizing problem (MPP), which is usually used to represent a class of non-serial polyadic dynamic-programming problems. These problems are characterized by a strong dependency between subproblems. This paper outlines a coarse-grained multicomputer parallel solution using the four-splitting technique to solve the MPP. It is a partitioning technique consisting of subdividing the dependency graph into subgraphs (or blocks) of variable size and splitting large-size blocks into four subblocks to avoid communication overhead caused by a similar partitioning technique in the literature. Our solution consists in evaluating a block by computing and communicating each subblock of this block to reduce the latency time of processors which accounts for most of the global communication time. It requires O(n^3/p) execution time with O(k * \sqrt{p}) communication rounds. n is the input data size, p is the number of processors, and k is the number of times the size of blocks is subdivided.
Soumission à Episciences Mobile ad-hoc social networks (MASNs) have been the subject of several research studies over the past two decades. They allow stations located in a small geographical area to be connected without the need for a network infrastructure and offer them the possibility to communicate any time anywhere. To communicate, stations regularly broadcast their interests in the form of keywords. Stations with a high degree of similarity among their keywords can communicate with each other. However, the coverage of MASNs is limited to a small geographical area, due to the limited communication range of mobile ad-hoc networks (MANET) stations. In this paper, we present an architecture and implementation of hybrid mobile ad-hoc social networks (MASNs coupled to infrastructure networks) of Android mobile devices for information dissemination. Stations can use the infrastructure network to communicate and rely on the mobile ad-hoc network when the infrastructure is not available.Rather than communicating synchronously as this is the case in the similar works found in the literature, in our approach, the stations communicate using a publish/subscribe communication protocol, which is perfectly suited to this type of network thanks to the decoupling in time and space it provides. Les réseaux sociaux mobiles ad hoc (MASN) ont fait l'objet de plusieurs recherches au cours des deux dernières décennies. Ils permettent à des stations situées dans une petite zone géographique d'être connectées sans avoir besoin d'une infrastructure de réseau et leur offrent la possibilité de communiquer à tout moment et en tout lieu. Pour communiquer, les stations diffusent régulièrement leurs centres d'intérêt sous forme de mots-clés. Les stations dont les mots-clés présentent un degré élevé de similitude peuvent communiquer entre elles. Cependant, la couverture des réseaux MASN est limitée à une petite zone géographique, en raison de la portée de communication limitée des stations des réseaux mobiles ad hoc (MANET). Dans cet article, nous présentons une architecture et une mise en œuvre de réseaux sociaux mobiles ad hoc hybrides (MASN couplés à des réseaux d'infrastructure) d'appareils mobiles Android pour la diffusion d'informations. Les stations peuvent utiliser le réseau d'infrastructure pour communiquer et s'appuyer sur le réseau mobile ad hoc lorsque l'infrastructure n'est pas disponible.Plutôt que de communiquer de manière synchrone comme c'est le cas dans les travaux similaires trouvés dans la littérature, dans notre approche, les stations communiquent en utilisant un protocole de communication de type publication/abonnement, qui est parfaitement adapté à ce type de réseau grâce au découplage dans le temps et l'espace qu'il fournit.
