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
Immunity testing
Optimal command
Field-to-trace coupling
Malan
Cascade de classifieurs
Energy management
Complexity
Emission
PCB
Descriptor
Metamaterial
Modelling
Dairy cows
Radio frequency
DPI
Mapping
IC
Analytical model
Voltage measurement
IDM
Comportement animal
Model-checking
Independent chaotic attractors
Dosimetry
OCL
Initial conditions
Diagnosis
Switching piecewise-constant controller
Context
Sleep apnea
Malai
Vache laitière
Calibration
FDTD
Vehicle dynamics
Susceptibility
Action
Accelerometry
Electromagnetic fields
Electromagnetic interference
Claudication
Bandits-Manchots Combinatoires
Design
Classification
Concrete
Near field
Prediction
Integrated circuit
Binary sequence
Immunity
Big Data
Active transformation
Domain Specific Language DSL
Coda Wave Interferometry
Damage detection
Artefact rejection
Simulation
Conducting materials
MDE
Capacitors
Bifurcation
Genetic algorithm
Apprentissage par Renforcement
Electromagnetic compatibility
Modélisation
Field-to-line coupling
UML
Accelerométrie
Modeling
Structural health monitoring
Ultrasound
Entropy
Optimization
Embedded Systems
Acoustoelasticity
Integrated circuit modeling
Integrated circuits
Closed-form solution
Costs
Chaos
Active Front Steering
Direct Yaw Control
Symmetry
IEC
Microstrip
Peripheral artery disease
Model transformation
Instrument
GTEM cell
Composite materials
Full-wave simulation
Convolutional Neural Network CNN
Anticontrol of chaos
Microembolus
Interaction
Systèmes embarqués
EMC
Model Driven Engineering
Analyse du signal
Accelerometer
|
|
Nos dernières publications
-
-
-
-
-
-
-
Gaëlle Milon-Harnois, Nisrine Jrad, Daniel Schang, Patrick van Bogaert, Pierre Chauvet. 1D vs 2D convolutional neural networks for scalp high frequency oscillations identification. 2022 30th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Oct 2022, Bruges, Belgium. pp.211. ⟨hal-03947648⟩
-
Oskari Leppäaho, Frédéric Lafon, Bruno Ferreri, Priscila Fernandez-Lopez, Marine Stojanovic, et al.. Including Experimental Aging of Shielded Cables into Bulk Current Injection Simulations. 2022 International Symposium on Electromagnetic Compatibility – EMC Europe, Sep 2022, Gothenburg, Sweden. pp.811-815, ⟨10.1109/emceurope51680.2022.9901089⟩. ⟨hal-03833467⟩