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
Modélisation
MDE
Near field
Interaction
Anticontrol of chaos
Calf pain
Aging
Optimization
Instrument
Symmetry
Radio frequency
Concrete
Emission
Autonomous Vehicles
Calibration
Pins
Equations
Accelerometer
Pathophysiology
Malai
Independent chaotic attractors
Entropy
Claudication
Immunity testing
Immunity
Metamaterial
GTEM cell
Initial conditions
Machine Learning
Mapping
Capacitors
Reliability
Active Front Steering
Structural health monitoring
Model-checking
Chaos
Bandits-Manchots Combinatoires
OCL
Microstrip
Binary sequence
Full-wave simulation
Apprentissage par Renforcement
Classification
IDM
Conducting materials
Modeling
Sleep apnea
Antioxidant activity
PCB
Ischemia
FDTD
Nonlinearity
Active transformation
Genetic algorithm
Bifurcation
Integrated circuit
Field-to-line coupling
Damage detection
DPI
Model Driven Engineering
Thoracic outlet syndrome
Super-Twisting Sliding Mode Control
Integrated circuit modeling
Analytical model
Accelerométrie
Simulation
Prediction
Switching piecewise-constant controller
Anti-diabetic properties
Temperature distribution
Vehicle dynamics
Electromagnetic compatibility
Modelling
Coda Wave Interferometry
Peripheral artery disease
EMC
Transcutaneous oximetry
Integrated circuits
Action
Dairy cows
UML
Diagnosis
IEC
Optimal command
Acoustoelasticity
Malan
Susceptibility
Cable shielding
Big Data
Accelerometry
Temperature measurement
Artefact rejection
Field-to-trace coupling
Microembolus
IC
Ultrasound
Machine learning
Systèmes embarqués
Monitoring
Model transformation
|
|
Nos dernières publications
-
Jaber Al Rashid, Mohsen Koohestani, Laurent Saintis, Mihaela Barreau. Lifetime reliability modeling on EMC performance of digital ICs influenced by the environmental and aging constraints: A case study. Microelectronics Reliability, 2024, Microelectronics Reliability 159 (2024), 159, pp.115447. ⟨10.1016/j.microrel.2024.115447⟩. ⟨hal-04622696⟩
-
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⟩
-
Safae Ouahabi, Nour Elhouda Daoudi, El Hassania Loukili, Hbika Asmae, Mohammed Merzouki, et al.. Investigation into the Phytochemical Composition, Antioxidant Properties, and In-Vitro Anti-Diabetic Efficacy of Ulva lactuca Extracts. Marine drugs, 2024, 22 (6), pp.240. ⟨10.3390/md22060240⟩. ⟨hal-04616809⟩
-
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⟩