Cet article introduit des méthodes de représentation des mots dans l’informatique au travers d’un premier exemple simple utilisant l’occurrence des mots dans un corpus de textes puis d’un exemple utilisant Word2Vec qui regroupe un ensemble de réseaux de neurones pour l’apprentissage de vectorisation des mots afin d’opérer sur ceux-ci. Une attention particulière sera faite quant aux biais introduits par rapport aux données d’apprentissage)

Dans le contexte de la caractérisation précoce des tumeurs du sein, il est intéressant de combiner les modalités électromagnétiques (EM) et ultrasonores (US), car elles sont toutes deux non ionisantes et peu coûteuses, et offrent des caractéristiques de résolution complémentaires. Nous proposons ici une nouvelle structure de réseau neuronal convolutif (CNN), appelée réseau neuronal complexe en cascade tenant compte de la structure (SACC-CNN). Il se compose de deux parties, le réseau de reconstruction (SARNet) et le réseau de classification (SACNet). Le SACNet produit la carte des types de tissus qui est ensuite transmise au SARNet, qui reconstruit les paramètres EM et US. Ces deux parties peuvent être considérées comme deux modules indépendants. Une fonction de perte guidée par la physique est mise en oeuvre dans le réseau SARNet pour améliorer la similarité structurelle. Les principales caractéristiques de ces approches, illustrées par des simulations, sont décrites.

Avec la nécessité d’un transport plus respectueux de l’environnement et le large déploiement des véhicules électriques et hybrides rechargeables, les stations de recharge des véhicules électriques (VE) sont devenues un enjeu majeur pour les constructeurs automobiles et un véritable défi pour les chercheurs du monde entier. En effet, le coût élevé du stockage de l’énergie des batteries, l’autonomie et la durée de vie limitées des VE, le temps de charge des batteries, le coût de déploiement d’une infrastructure de charge rapide et l’impact significatif sur le réseau électrique sont à l’origine de plusieurs projets de recherche axés sur les topologies avancées de l’électronique de puissance et l’optimisation des stations de charge des VE en termes de transfert de puissance et d’emplacement géographique. On peut distinguer trois niveaux de charge, qui diffèrent en termes de puissance de sortie et de temps de charge. Plus le niveau de charge est élevé, plus le processus de charge est rapide, car une plus grande quantité de puissance est fournie au véhicule, au détriment des problèmes de qualité de l’énergie et des perturbations. En outre, on peut distinguer trois types de systèmes de charge, à savoir la recharge par induction (transfert d’énergie sans contact), les systèmes de charge par conduction et l’échange de batteries. En outre, les VE englobent les VE à pile à combustible (PC), qui utilisent l’hydrogène comme vecteur énergétique, et qui font aujourd’hui l’objet de recherches approfondies dans les milieux universitaires et industriels. Cet article de synthèse vise à présenter l’état de l’art des principales avancées en matière d’architectures d’électronique de puissance pour les systèmes de traction des VE et les stations de recharge des VE basées sur des batteries. Plus précisément, l’accent est mis sur les spécifications de l’électronique de puissance de la chaîne cinématique des véhicules électriques légers et des stations de charge, les solutions proposées en matière d’électronique de puissance, les avantages et les inconvénients de toutes ces technologies, ainsi que les perspectives de travaux de recherche futurs en termes de charge intelligente des VE et de solutions modernes pour l’atténuation des perturbations du système électrique.