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
Susceptibility
Field-to-line coupling
Simulation
Reliability
Calibration
Pins
Machine learning
Genetic algorithm
Malan
Vehicle dynamics
Modélisation
GTEM cell
Thoracic outlet syndrome
Action
Electromagnetic compatibility
Immunity testing
Coda Wave Interferometry
Modeling
Radio frequency
Integrated circuit modeling
Pathophysiology
Conducting materials
Classification
Integrated circuit
Transcutaneous oximetry
Antioxidant activity
DPI
Temperature distribution
Accelerométrie
MDE
Peripheral artery disease
EMC
Emission
Model Driven Engineering
IDM
Monitoring
Concrete
Ultrasound
UML
Active transformation
Calf pain
Prediction
PCB
Apprentissage par Renforcement
OCL
Damage detection
Near field
Systèmes embarqués
Super-Twisting Sliding Mode Control
Entropy
IEC
Mapping
Dairy cows
Bandits-Manchots Combinatoires
Autonomous Vehicles
Anticontrol of chaos
Ischemia
Capacitors
Switching piecewise-constant controller
Claudication
Independent chaotic attractors
Active Front Steering
Aging
Anti-diabetic properties
Symmetry
Artefact rejection
Full-wave simulation
Bifurcation
Initial conditions
Acoustoelasticity
Optimization
Accelerometry
Immunity
Machine Learning
Structural health monitoring
Chaos
Accelerometer
Modelling
Sleep apnea
Integrated circuits
Model transformation
Nonlinearity
Temperature measurement
FDTD
Diagnosis
Metamaterial
Analytical model
IC
Field-to-trace coupling
Microstrip
Interaction
Binary sequence
Malai
Cable shielding
Model-checking
Optimal command
Instrument
Microembolus
Equations
Big Data
|
|
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⟩