Donnons un sens à l'innovation

Logiciels

Logiciels déposés à l’APP, sous licence

FusAnt per­met de résoudre des prob­lèmes d’es­ti­ma­tion d’état.

Pour cela, il s’ap­puie sur la tech­nique du fil­trage de Kalman. Ce logi­ciel adresse notam­ment une lim­i­ta­tion des logi­ciels exis­tants : la ges­tion de mesures datées asyn­chrones, en retard et désordonnées. 

Team : Antho­ny Welte, Philippe Bon­ni­fait, Philippe Xu.

Web­site :

Last ver­sion date : 06/09/2021

Sources : see on website

License : CECILL‑C

PACPUS is a research plat­form of the Heudi­asyc JRU UTC/CNRS 7253 in the field of Intel­li­gent Vehi­cles. You can find more details about the equip­ments and research results direct­ly on the web­site of PACPUS platform.

To car­ry out exper­i­ments with Intel­li­gent Vehi­cles or robots, Heudi­asyc has devel­oped the PACPUS frame­work to solve the sys­tems inte­gra­tion issues. The frame­work is designed around the ​ KISS prin­ci­ple and use ​Com­po­nent-based soft­ware engi­neer­ing. Devel­op­ments are done main­ly in C++.

Team : Gérald Dher­bomez, Stéphane Bon­net, Philippe Xu, Philippe Bon­ni­fait, Véronique Cher­faoui, Marek Kurdej

Web­site : https://devel.hds.utc.fr/software/pacpus 

Last ver­sion date : see on website

Sources : see on website

License : CECILL‑C

Suite logi­cielle com­prenant l’in­ter­gi­ciel Air­plug de com­mu­ni­ca­tion intra- et inter- nœuds dans les réseaux dynamiques (véhicules, drones, etc.) ain­si que l’en­vi­ron­nement de développe­ment per­me­t­tant le pro­to­ty­page rapi­de, le déploiement rapi­de sur cibles embar­quées (sans mod­i­fi­ca­tion de code) et l’é­tude de vari­antes ou de scé­nar­ios plus com­plex­es par ému­la­tion de réseaux (per­met de rejouer ou d » ́etendre sur ordi­na­teur les expéri­ences réelles sur ordi­na­teur. L’ensem­ble des appli­ca­tions con­stitue un légo per­me­t­tant de con­stru­ire des scé­nar­ios appli­cat­ifs complexes.

Team : Bertrand Ducourthial 

Web­site : airplug.hds.utc.fr 

Last ver­sion date : see on website

Sources : see on website

License : license pour enseigne­ment et recherche (faite avec le ser­vice juridique de l’UTC) ; accord com­mer­cial pour autre usage

Fl-AIR is a frame­work writ­ten in C++ that aims at help­ing the devel­op­ment of appli­ca­tions for robots, and more spe­cial­ly for UAVs.

Team : Guil­laume Sanahu­ja, Gildas Bayard, César Richard

Web­site : https://gitlab.utc.fr/uav-hds/flair/flair-src

 

Last ver­sion date : see on website

Sources : see on website

License : Cecill‑C

With MEM­O­RAe approach, we want­ed to mod­el and design a web plat­form to man­age all het­ero­ge­neous resources of knowl­edge in an orga­ni­za­tion. The plat­form , that has the same name as the approach, has been devel­oped to facil­i­tate orga­ni­za­tion­al learn­ing and knowl­edge cap­i­tal­iza­tion using seman­tic mod­el­ing. It exploits the pow­er of new tech­nolo­gies that sup­port col­lab­o­ra­tion (Web 2.0 tech­nolo­gies, touch tables, etc.) and relies on seman­tic web standards.

Team : Marie-Hélène Abel, Claude Moulin, Hanen Bellili, Osama Annebi

Web­site : http://memorae.hds.utc.fr/ 

Last ver­sion date : see on website

Doc­u­men­ta­tion : see on website

Mix­mod est un ensem­ble logi­ciel de clas­si­fi­ca­tion super­visée et non super­visée pour don­nées qual­i­ta­tives et quan­ti­ta­tives et basé sur les mod­èles de mélanges com­posé de plusieurs pro­duits logiciels :

  • une bil­bio­thèque de cal­cul (mix­mod­Lib)
  • une inter­fac­ce graphique (mix­mod­GUI)
  • un pack­age pour Mat­lab (mix­mod­For­Mat­lab)
  • un pack­age pour R (Rmix­mod)

Prin­ci­pales car­ac­téris­tiques statistiques :

  • max­imi­sa­tion de la vraisem­blance avec les algo­rithmes EM, CEM et SEM
  • mod­èles parci­monieux : 14 mod­èles pour don­nées quan­ti­ta­tives (mod­èles de mélange gaussiens), 5 mod­èles pour don­nées qual­i­ta­tives (mod­èles de mélange multi­n­o­mi­aux), 8 mod­èles spé­ci­fiques pour les don­nées de grande dimension.
  • critères de sélec­tion : BIC, ICL, NEC, CV

Team : Flo­rent Lan­grognet, Christophe Bier­nac­ki, Gilles Celeux, Gérard Govaert 

Web­site : http://www.mixmod.org 

Last ver­sion date : see on website

Sources : see on website

License : GNU GPL

Logiciels

La plate-forme OMAS (Open Mul­ti-Agent Sys­tems) est le résul­tat d’un long développe­ment qui s’est déroulé sur plusieurs années sous la direc­tion de Jean-Paul Barthès au sein du lab­o­ra­toire Heudi­asyc. De nom­breux doc­tor­ants et enseignants-chercheurs ont par­ticipé a ce devéloppe­ment qui a abouti à la mise en œuvre de la ver­sion 12. La plate-forme per­met de con­stru­ire rapi­de­ment des sys­tèmes d’a­gents cog­ni­tifs. Sont pro­posés plusieurs mod­èles d’a­gents qui per­me­t­tent de min­imiser l’ef­fort de pro­gram­ma­tion, tout en offrant un envi­ron­nement extrême­ment riche. OMAS a été util­isée dans plusieurs pro­jets de recherche, en par­tie en inter­na­tion­al, et fait par­tie des out­ils du laboratoire.

Team : Jean-Paul Barthes

Last ver­sion date : see on website

Doc­u­men­ta­tion : doc­u­men­ta­tion v8

License : not yet licenced

MOSS est un sys­tème de représen­ta­tion des con­nais­sances. Il peut être util­isé pour décrire des envi­ron­nements de type CAO ou pour dévelop­per des ontologies.

Team : Jean-Paul Barthes 

Last ver­sion date : see on website

Doc­u­men­ta­tion : doc­u­men­ta­tion v8

License : not yet licenced

SOL (Sim­ple Ontol­ogy Lan­guage) est un lan­guage per­me­t­tant de con­stru­ire des ontolo­gies de façon sim­ple puis de les exporter en for­mat OWL asso­cié à des règles SPARQL ou JENA. SOL a été dévelop­pé dans le cadre du pro­jet européen Ter­re­gov (2004 – 2008).

Team : Jean-Paul Barthes

Last ver­sion date : ver­sion 5.6, 2008

Doc­u­men­ta­tion : doc­u­men­ta­tion v8

License : CECILL

Il s’ag­it d’un out­il d’aide à la con­cep­tion de sites web édu­cat­ifs, au sein de l’U­ni­ver­sité de Tech­nolo­gie de Com­piègne, basés sur de scé­nar­ios péd­a­gogiques représen­tés en IMS Learn­ing Design. Cet out­il aide les enseignants (ou les con­cep­teurs péd­a­gogiques) n’ayant aucune com­pé­tence à l’é­gard de logi­ciels pour le web, à con­cevoir leur sites web éducatifs.

Team : Philippe Trig­ano, Eca­te­ri­na Giacomini

Le code de cal­cul des emplois d’ex­a­m­ens de l’U­ni­ver­sité de Tech­nolo­gie de Com­piègne est effec­tué dans le cadre des travaux de recherch­es menés sur les prob­lèmes d’emplois du temps. Il a été conçu pour tenir compte des con­traintes spé­ci­fiques de l’UTC que l’on ne ren­con­tre pas usuelle­ment dans la lit­téra­ture. Il per­met de con­stru­ire des solu­tions ten­ant compte de la ges­tion de salles local­isées sur plusieurs sites. Il per­met égale­ment de plan­i­fi­er des exa­m­ens répar­tis dans plusieurs salles.

Team : Jean-Paul Bouf­flet, Taha Arbaoui Aziz Moukrim

Librairies de calcul

GITHUB Heudi­asyc

Les algo­rithmes d’op­ti­mi­sa­tion pour la clas­si­fi­ca­tion mul­ti-class­es à larges marges sont sou­vent trop coû­teux pour traiter des prob­lèmes ambitieux à sor­ties struc­turées et avec un nom­bre expo­nen­tiel de class­es. Les algo­rithmes d’op­ti­mi­sa­tion qui utilise le gra­di­ent plein ne sont pas effi­caces car, à l’in­verse de la solu­tion, le gra­di­ent n’est pas creux et de très grande taille.

L’al­go­rithme Larank con­tourne cette dif­fi­culté en effec­tu­ant une explo­ration aléa­toire inspirée de l’al­go­rithme du per­cep­tron. Nous mon­trons que cette approche est com­péti­tive par rap­port aux opti­miseurs de type gra­di­ent sur des prob­lèmes mul­ti­class­es sim­ples. De plus, une sim­ple passe de Larank sur l’ensem­ble d’ap­pren­tis­sage four­nit un taux d’er­reur sur l’ensem­ble de test qua­si­ment aus­si bon que celui de la solu­tion finale.

Plus de détails sont four­nis de le papi­er suiv­ant : Solv­ing Mul­ti­Class Sup­port Vec­tor Machines with LaRank by Antoine Bor­des, Léon Bot­tou, Patrick Gal­li­nari and Jason West­on. in Pro­ceed­ings of ICML 2007.

Con­tribu­teurs : Antoine Bor­des (for­mer researcher), Nico­las Usunier (for­mer asso­ciate pro­fes­sor), David Savourey (con­tact)

Date de la dernière ver­sion : voir le site web

Licence : GNU Pub­lic License

Sources : voir le site web

The clas­si­fip project is a library of impre­cise prob­a­bilis­tic clas­si­fiers. The goal is to offer a sim­ple-to-use frame­work to imple­ment and use impre­cise prob­a­bilis­tic clas­si­fiers. The library accepts arff files as data sets for­mat, so that WEKA files can be used directly.

Team : Sébastien Dester­cke, Gen Yang, David Savourey

Web­site : https://github.com/sdestercke/classifip  

Last ver­sion date : see on website

Sources : see on website

License : GPL2

Bent­ta is a bench­mark­ing tool of visu­al track­ing algo­rithms writ­ten in Matlab.

Team : Syl­vain Rousseau

Web­site : https://gitlab.com/REPAR-Tracking/benchmark-tracking

Last ver­sion date : see on website

Sources : see on website

License : GPLv3

A pack­age in R lan­guage imple­ment­ing basic func­tions for belief functions.

Team : Sébastien Dester­cke, Thomas Burg­er, Brigitte Charnomordic

Web­site : https://github.com/sdestercke/Belief-R-Package 

Last ver­sion date : see on github

Sources : see on github

License : GPL2

Cur­rent state : sta­ble, not sup­port­ed anymore

Coclus­ter­ing pack­age for Bina­ry, Cat­e­gor­i­cal, Con­tin­gency and Con­tin­u­ous Data-Sets.

Team : Serge Iovl­efff, Parmeet Singh Bha­tia, Vin­cent Kubic­ki, Gérard Gov­aert, Vin­cent Brault, Christophe Bier­nac­ki, Gilles Celeux

Web­site : cran.r‑project.org/web/packages/blockcluster/index.html

Last ver­sion date : see on website

Sources : see on website

License : GNU GPL

Ce pack­age con­tient plusieurs clas­si­fieurs évi­den­tiels basés sur les dis­tances, qui pro­duisent des sor­ties sous la forme de fonc­tions de Demp­ster-Shafer de masse. Les méth­odes sont : Régle évi­den­tielle des k plus proches voisins, réseau de neu­rones évidentiels.

Con­tribu­teurs : Thier­ry Denoeux 

Site web : https://cran.r‑project.org/web/packages/evclass/index.html 

Date de la dernière ver­sion : voir site web

Sources : voir site web

Licence : GNU GPL 3

Ce pack­age con­tient plusieurs algoirthmes de clus­ter­ing qui pro­duisent un par­tion­nement cré­dal, c’est-à-dire un ensem­ble de fonc­tions de de masse de Demp­ster-Shafer qui représen­tent l’ap­par­te­nance des objets aux par­ti­tions. Les fonc­tions de masse quan­ti­fient l’in­cer­ti­tude d’ap­par­te­nance des objets aux par­ti­tions. Les algo­rithmes sont : c‑Means évi­den­tiels (ECM), c‑Means rela­tion­nels évi­den­tiels (RECM), c‑Means évi­den­tiels con­traints (CECM), EVCLUS et EK-NNclus.

Con­tribu­teurs : Thier­ry Denoeux

Site web : https://cran.r‑project.org/web/packages/evclust/index.html

Date de la dernière ver­sion : voir site web

Sources : voir site web

Licence : GNU GPL 3

Boîte à out­ils de SVM entière­ment écrite en Mat­lab (y com­pris le solveur de pro­gram­ma­tion quadratique).

Fonc­tion­nal­ités : SVM, SVM mul­ti-class­es, SVM une classe, SV Regres­sion, AUC-SVM et Rank­boost, SVM en norme 1, Réseaux de régu­lar­i­sa­tion, Ker­nel Basis Pur­suit et LARS, Sélec­tion de vari­able pour SVM, Régres­sion à noy­aux ondelettes, KPCA Autres informations

Con­tribu­teurs : Alain Rako­toma­mon­jy, Yves Grand­valet, Stéphane Canu, Vin­cent Guigue

Site web : http://mloss.org/software/view/33/

Date de la dernière ver­sion : voir site web

Sources : voir site web

Licence : GNU GPL

Boîte à out­ils Mat­lab d’ap­pren­tis­sage par méth­odes à noy­aux multiples

Fonc­tion­nal­ités : MKL pour la clas­si­fi­ca­tion SVM, La régres­sion et le mul­ti­classe néces­si­tent la boîte à out­ils SVM-KM.

Con­tribu­teurs : Alain Rako­toma­mon­jy, Yves Grand­valet, Fran­cis Bach, Stéphane Canu

Site web : http://mloss.org/software/view/82/

Date de la dernière ver­sion : voir site web

Sources : voir site web

Licence : GNU GPL

CONTACT

Directeur | Philippe Bon­ni­fait
Tél : 03 44 23 44 81
Mail : philippe.bonnifait@hds.utc.fr