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