Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Ce projet propose des ressources pédagogiques dédiées à l'optimisation numérique en dimension finie, incluant des contraintes d'égalité et d'inégalité. Il met à disposition des étudiants des polycopiés, des supports de cours sous forme de slides, ainsi que des sujets de travaux dirigés et pratiques. Les contenus sont conçus pour accompagner l'apprentissage des algorithmes d'optimisation et des méthodes associées.
- Ce projet académique propose des outils et méthodes pour optimiser le développement logiciel en C++. Il inclut des bibliothèques pour la gestion dynamique de la mémoire, la simulation de particules et l'évaluation de performances algorithmiques. Destiné principalement aux étudiants et chercheurs, il sert de support pédagogique pour enseigner les bonnes pratiques en programmation et en optimisation de code.
- Ce projet développe des outils algorithmiques pour analyser et optimiser des politiques de cache dans les systèmes informatiques. Il permet de modéliser des flux de données complexes, d'évaluer des politiques de gestion mémoire et de simplifier des expressions booléennes pour améliorer les performances des systèmes. Les solutions proposées sont principalement destinées aux développeurs et chercheurs en informatique.
- Notoriété 7 %Ce projet propose des outils pour générer des structures arborescentes optimisées destinées aux algorithmes de type QR/LQ sur des matrices hautes et étroites. L'objectif est de minimiser les communications entre processus tout en maximisant le parallélisme des calculs, ce qui améliore significativement les performances des calculs numériques intensifs.
- Ce projet académique développe des algorithmes numériques pour résoudre des problèmes d'optimisation mathématique. Il implémente des méthodes comme la descente de gradient, les algorithmes de Newton et des techniques de différentiation automatique pour analyser et minimiser des fonctions complexes. Les outils sont conçus pour des applications en optimisation sous contraintes ou sans contraintes, avec une approche pédagogique centrée sur l'algorithmique numérique.
- Notoriété 7 %Breed est un projet de recherche académique visant à améliorer l'entraînement des réseaux de neurones simulés en proposant des méthodes d'échantillonnage de points informatifs. Il fournit des outils pour générer des jeux de données et des benchmarks reproductibles, notamment pour des problèmes physiques comme l'équation d'Allen-Cahn ou des surfaces d'optimisation déséquilibrées. Le code permet de comparer des algorithmes d'optimisation comme le gradient descent et des méthodes avancées comme R3Sampler.
- Ce projet académique développe des outils pour résoudre des problèmes d'optimisation numérique. Il implémente des algorithmes mathématiques avancés comme les méthodes de gradient, les hessiens et les techniques de recherche de ligne pour trouver des solutions optimales à des fonctions complexes. Destiné à un cours d'algorithmique, il permet d'explorer des concepts théoriques par la pratique.
- Ce projet propose un jeu de données dédié à l'article OMS publié dans un numéro spécial sur les avancées en optimisation continue. Il se concentre sur des techniques d'accélération des algorithmes branch-and-bound appliqués à l'optimisation creuse. Les données sont destinées à des chercheurs ou professionnels travaillant sur des problèmes d'optimisation mathématique.
- Ce projet propose des méthodes et outils pour optimiser le calcul des racines cubiques, notamment dans un contexte pédagogique ou de recherche. Il inclut des algorithmes avancés et des commandes pour générer des fichiers d'archives ou des releases, ainsi que des ressources pour l'apprentissage des mathématiques appliquées. Le dépôt est hébergé dans un cadre académique (CTA-LAPP) et vise à faciliter l'accès à des techniques de calcul performantes.
- Ce projet est un jeu de stratégie en tour par tour où les joueurs contrôlent des territoires représentés par des régions sur une carte. Le jeu inclut un générateur de cartes aléatoires pour créer des environnements de jeu variés et une stratégie algorithmique pour déterminer les meilleures actions à chaque tour. L'objectif est de conquérir des territoires adverses en optimisant les attaques tout en minimisant les risques de perte. Le projet met en œuvre des concepts de théorie des graphes et d'algorithmie pour assurer la connectivité des régions et la pertinence des décisions stratégiques.
360 initiatives
10