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