Ce projet est une pipeline Python dédiée au traitement et à la réduction des observations radioastronomiques du radiotélescope NenuFAR. Il permet d'analyser les raies de recombinaison radio (RRL) pour le projet Early Science ES10, en traitant des données spectrales complexes issues d'observations astronomiques. L'outil facilite l'extraction et l'interprétation de signaux faibles dans le domaine radio, contribuant ainsi à la recherche en astrophysique.

Projet dédié à l'analyse et au traitement de signaux numériques via des algorithmes de transformée de Fourier rapide. Permet d'extraire des informations fréquentielles à partir de données temporelles pour des applications en physique, ingénierie ou traitement du signal. Utilisé pour des simulations, des analyses spectrales ou des optimisations de calculs complexes.

Ce projet propose des outils numériques pour résoudre le problème SLOPE, une méthode d'optimisation mathématique utilisée en traitement du signal et en apprentissage automatique. Il permet d'identifier efficacement les zéros dans les solutions de problèmes linéaires, réduisant ainsi la complexité des calculs. Les algorithmes implémentés s'appuient sur des règles de screening sûres pour accélérer les procédures d'optimisation. Le logiciel est particulièrement utile pour les chercheurs et ingénieurs travaillant sur des problèmes de grande dimension.

Ce projet est une bibliothèque Python conçue pour simplifier la génération et la manipulation de matrices (dictionnaires) dans des contextes de traitement du signal et d'apprentissage automatique. Il permet aux développeurs et chercheurs de créer facilement des structures de données adaptées à leurs besoins, réduisant ainsi la complexité des calculs matriciels et améliorant l'efficacité des algorithmes.

Ksvd est une bibliothèque dédiée à la décomposition parcimonieuse de signaux, notamment utilisée dans le domaine de l'apprentissage automatique et du traitement du signal. Elle permet d'extraire des motifs pertinents à partir de données complexes en optimisant leur représentation. Le projet est particulièrement utile pour les applications nécessitant une analyse rapide et efficace de grands volumes de données, comme l'imagerie médicale ou la reconnaissance de formes.

Ce projet développe des outils pour concevoir et entraîner des réseaux de neurones à valeurs complexes. Ces réseaux permettent de modéliser des phénomènes nécessitant une représentation mathématique avancée, comme les signaux analytiques ou les systèmes dynamiques non linéaires. L'objectif est d'offrir une solution flexible pour des applications en traitement du signal, en physique théorique ou en apprentissage profond où les nombres complexes apportent un avantage significatif par rapport aux approches classiques.

Outil dédié à l'analyse et à la correspondance de motifs temporels paramétriques. Il permet d'identifier et d'extraire des motifs complexes dans des données temporisées en utilisant des expressions régulières paramétriques. Utilisé principalement pour l'analyse de signaux et la détection de motifs dans des séries temporelles, il s'appuie sur des théories avancées en logique temporelle et en traitement du signal.

Bibliothèque Python dédiée à la résolution de problèmes de récupération de phase en optique et traitement du signal. Elle propose des algorithmes avancés pour reconstruire des signaux complexes à partir de mesures d'intensité, en utilisant des méthodes d'optimisation comme la descente de gradient, Gauss-Newton, les projections alternées et ADMM. Utilisée dans des applications nécessitant une haute précision en imagerie ou en communications optiques.

Bibliothèque logicielle dédiée à la modélisation et à l'inférence de modèles graphiques probabilistes. Elle permet de manipuler des densités de probabilité, d'estimer des paramètres à partir de données, de générer des échantillons aléatoires et d'analyser des séquences complexes. Utilisée principalement en statistiques, en apprentissage automatique et en traitement du signal pour résoudre des problèmes d'inférence et de prédiction.

Projet académique dédié à l'analyse de la convergence des systèmes non linéaires. Développé dans un cadre universitaire, il vise à explorer des méthodes théoriques et pratiques pour améliorer la stabilité et la performance des systèmes dynamiques complexes. Les résultats peuvent être appliqués en ingénierie, robotique ou traitement du signal.