Logiciel

  • DCM



    • DCM extrait des chroniques fréquentes dans des bases de séquences temporelles et, plus particulièrement,
      permet d’extraire des chroniques fréquentes et discriminantes. Une chronique est un motif temporel
      représentable sous forme de graphes pour lesquels les nœuds sont des occurrences d’événements discrets et les
      arêtes sont annotés par un intervalle temporel contraignant les nœuds. Une chronique permet par exemple de
      représenter qu’un événement B se produit fréquemment entre X et Y jours après l’événement A. Une chronique
      discriminante est intéressante puisqu’elle apparaît plus régulièrement dans une base de séquences (ie. Un cas
      donné) que dans une autre (un autre cas).


    • https://gitlab.inria.fr/ydauxais/DCM
  • OCL



    • Implémentation de l'article proposé par M. Boley et al, intitulé “One click mining: interactive local pattern discovery through implicit preference and performance learning,” in Acm sigkdd workshop on interactive data exploration and analytics (idea), 2013, pp. 27-35. Nouveauté : traitement de séries temporelles.


    • https://github.com/Gremarti/OneClickLearning
  • EcoMata



    • The EcoMata toolbox provides means for qualitative modeling and exploration of ecosystems in order to aid the design of environmental guidelines. We have proposed a new qualitative approach for ecosystem modeling based on the timed automata (TA) formalism combined to a high-level query language for exploring scenarios.


    • https://team.inria.fr/dream/fr/ecomata/
  • SSDPS



    • A partir de deux cohortes d'individus génotypés (case et control), le logiciel SSDPS réalise une étude d'association basée sur des techniques de fouille de données et génère plusieurs patterns de SNPs qui corrèlent avec un phénotype particulier



  • PATURMATA



    • In the PaturMata software, users can create a pasture system description by entering herds and plots information. For each herd, the only parameter is the number of animals. For each plot, users should enter the surface, the density, the herb height, the distance to the milking shed, a herb growth profile and an accessibility degree.
      Users then specify pasturing and fertilization strategies. Finally, users can launch a pasture execution. PaturMata displays the results and a detailed trace of pasture. Users can launch a batch of different strategies and compare the results in order to find the best pasture strategy.
      PaturMata is developed in Java (Swing for the GUI) and the model-checker that is called for the timed properties verification is UPPAAL.



  • Promise



    • Entrées une série temporelle de consommation d'énergie, un motif de dysfonctionnement
      Sorties un ensemble de motifs similaires au motif de dysfonctionnement à certaines transformations près (dilatation dans le temps, prise en compte d'une interruption dans le motif)



  • AMIE



    • AMIE prend en entrée un fichier contenant une base de connaissances. Ce fichier doit avoir l'un des formats suivants:

      objet DELIM prédicat objet DELIM [espace / tabulation.] NEWLINE
      objet DELIM objet DELIM prédicat objet DELIM [espace / tabulation.] NEWLINE

      Le délimiteur par défaut DELIM est la tabulation (fichiers .tsv) mais peut être modifié à l'aide de l'option -d. Tous les espaces de fin suivis d'un point sont ignorés. Cela permet d'analyser la plupart des fichiers NT en utilisant l'option: -d "".

      Cependant, assurez-vous que le factid, le sujet, le prédicat ou l'objet contiennent le délimiteur utilisé (en particulier dans les fichiers de faits littéraux). Sinon, l'analyse peut échouer ou les faits peuvent être reconnus à tort comme le deuxième format.

      Dans un proche avenir, AMIE pourra également analyser le format W3C Turtle.



    • https://github.com/lajus/amie
  • NTGSP



    • The NTGSP algorithm is a sequential pattern mining algorithm. It analyses a large database of temporal sequences, i.e., events with timestamps, by extracting its regularities (the patterns). A pattern describes the behavior as a sequence of events that frequently occurred in sequences. What makes NTGSP novel is its ability to handle patterns with negations, i.e., the description of a behavior that specifies the absence of an event. More precisely, it extracts frequent sequences with positive and negative events, as well as temporal information about the delay between these events.



Les commentaires sont fermés.