Volumes horaires
- CM 4.0
- Projet 14.0
- TD 0
- Stage 0
- TP 2.0
- DS 0
Crédits ECTS
Crédits ECTS 2.0
Objectif(s)
- sensibiliser au problème de la surveillance et du diagnostic de systèmes
- compléter les outils et méthodes nécessaires à ce type de problèmes
- acquérir de l'autonomie au travers d'expériences pratiques
Contenu(s)
- introduction à la surveillance et au diagnostic des systèmes (cours)
- détection séquentielle de ruptures dans les signaux (cours/BE)
- énoncé du problème
- algorithmes de type CuSum
- algorithmes de type GLR
- projets de surveillance et diagnostic de systèmes (projet)
Prérequis
- bases de science des données (corrélation, analyse spectrale, filtrage, ...)
- bases de la théorie de l'estimation (estimateur du maximum de vraisemblance)
- bases de la théorie de la détection (tests d'hypothèses binaires)
Semestre 9 - L'examen existe uniquement en anglais
En présentiel
SESSION NORMALE :
Contrôle Continu + Rapport + Oral
*Évaluation non rattrapable :*
Contrôle Continu
*Évaluation rattrapable :*
Rapport + Oral
-------------------------------------------------------------------------
En distanciel
SESSION NORMALE :
Contrôle Continu + Rapport + Oral
*Évaluation non rattrapable :*
Contrôle Continu
*Évaluation rattrapable :*
Rapport + Oral
En présentiel :
N1 = 50% CC + 25% Rapport + 25% Oral
N2 = 50% CC + 25% Rapport + 25% Oral
En distanciel :
N1 = 50% CC + 25% Rapport + 25% Oral
N2 = 50% CC + 25% Rapport + 25% Oral
Semestre 9 - Le cours est donné uniquement en anglais
Detection of Abrupt Changes - Theory and Application. Michèle Basseville, Igor Nikiforov. Prentice Hall - http://people.irisa.fr/Michele.Basseville/kniga/, 1993.
Statistical inference for engineers and data scientists. Pierre Moulin, Venugopal V. Veeravalli. Cambridge University Press, 2019.
The CuSum algorithm - A small review. Pierre Granjon. Technical report - https://hal.archives-ouvertes.fr/hal-00914697, 2013