Nile River Delta Region, Egypt, 1855 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte hydrographique de la Basse Égypte et d'une partie de l'Isthme de Suez où sont indiqués les travaux exécutés ou à exécuter, d'après les ordres de Son Altesse Mehémet-Ali, Vice-Roi d'Egypte. Avec le projet de communication directe des deux mers au travers de l'Isthme, par M. Linant de Bellefonds ; gravée par Schwaerzlé. It was published by Dépot Général de la Guerre de France in 1855. Scale 1:250,000. Covers the Nile River Delta region, Egypt. Map in French. The image inside the map neatline is georeferenced to the surface of the earth and fit to the Egypt Red Belt projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, canals, roads, railroads, cities and other human settlements, fortification, administrative boundaries, shoreline features, ruins and historical sites, and more. Relief shown by hachures. Includes also text, Profile de l'Isthme de Suèz, and notes.This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Nile River Region, Egypt, 1855 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte hydrographique de la partie septentrionale de la haute Égypt : ou sont indiqués les travaux d'arrosage exécutés ou à exécuter d'après les ordres de Son Altesse Mehémet-Ali, Vice-Roi d'Egypte, par M. Linant de Bellefonds ; gravée par Erhard. It was published by Dépôt de la Guerre in 1855. Scale 1:250,000. Covers a portion of the Nile River region near Asyūţ and Sūhāj, Egypt. Map in French.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Egypt Red Belt projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, canals, roads, railroads, cities and other human settlements, administrative boundaries, ruins and historical sites, and more. Relief shown by hachures. Includes also text and notes.This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Western Sahara, Mauritania, & Senegal, 1861 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte du voyage exécuté dans le Sahara occidental, d'après les instructions du colonel ... Faidherbe..., par le capitaine ... Vincent, dressée par Vuillemin ; gravée chez Erhard. It was published by Société de Géographie in 1861. Scale [ca. 1:4,000,000]. Covers portions of Western Sahara, Mauritania, Senegal, and Guinea. Map in French.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Africa Lambert Conformal Conic projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, cities and other human settlements, roads, shoreline features, and more. Relief shown by hachures and spot heights. Includes notes.This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Tonkin Region, Vietnam, 1883 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte du Tonkin, par Ch. Lassailly, géographe ; gravé par F. Dufour. It was published by Challamel ainé éditeur in 1883. Scale 1:2,500,000. Covers the Tonkin region, Northern Vietnam and a portion of China. Map in French.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Asia North Lambert Conformal Conic coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, cities and other human settlements, territorial and administrative boundaries, shoreline features, and more. Relief shown by hachures. Includes also insets: Rivière de Hué, Indo-Chine, Itinéraires de Marseilles a Saïgon.This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Chao Phraya River Region, Thailand, 1730 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte du cours de la riviere de Meinam, depuis Judia jusquà son embouchure, dessinée par Eng. Kaempfer ; [engraved by] I. G. S. It was published by chez R. [et] I. Ottens in 1730. Scale [ca. 1:350,000]. Covers the Chao Phraya River region, Thailand. Map in French and Dutch.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Universal Transverse Mercator (UTM Zone 47N, meters, WGS 1984) projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, cities and other human settlements, administrative boundaries, shoreline features, and more. Includes notes and inset map of Judia [i.e. Phra Nakhon Si Ayutthaya].This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Southern, Central, & Eastern Africa, ca. 1720-1729 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte Du Congo et du Pays Des Cafres, par G. de L'Isle, de l'Academie Royale des Sciences. It was published by Chez Jean Cóvens et Corneille Mortier, Géographes between 1720 and 1729. Scale [ca. 1:9,100,000]. Covers Central and Southern Africa from N 2 degrees southward, including Madagascar, Reunion, Mauritius and the Seychelles. Map in French.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Africa Sinusoidal projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, cities and other human settlements, roads, territorial boundaries, shoreline features, and more. Includes notes.This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Nile River Delta & Suez Canal Region, Egypt, 1880 (Raster Image)

This layer is a georeferenced raster image of the historic paper map entitled: Carte de la basse Egypte et du canal maritime de Suez, dressée par Desbuissons ; gravé sur pier. et chrom. par P. Méa. It was published by E. Andriveau-Goujon in 1880. Scale 1:500,000. Covers the Nile River Delta and Suez Canal region, Egypt. Map in French.The image inside the map neatline is georeferenced to the surface of the earth and fit to the Africa Lambert Conformal Conic projected coordinate system. All map collar and inset information is also available as part of the raster image, including any inset maps, profiles, statistical tables, directories, text, illustrations, index maps, legends, or other information associated with the principal map. This map shows features such as drainage, cities and other human settlements, territorial boundaries, shoreline features, canals, railroads, selected buildings, cultivated and uncultivated lands, and more. Relief shown by hachures. Includes also insets: Plan d'Ismaïlia (1:25,000) -- Plan de la rade de Port Saïd et de l'embouchure du Canal dans la Méditerranée (1:60,000) -- Plan de la rade de Suez et de l'embouchure du Canal dans la Mer Rouge (1:60,000).This layer is part of a selection of digitally scanned and georeferenced historic maps from the Harvard Map Collection. These maps typically portray both natural and manmade features. The selection represents a range of originators, ground condition dates, scales, and map purposes.

Maroc

carte dessinée par R. de Flotte de Roquevaire.

Le Royaume de Bosnie, dans son entier, dédié a son Excellence Monseignr. le feld Maréchal Comte de Khewenhüller Colonel d'un Régiment de Dragon Vice Roy d'Esclavonie, du Duché de Syrmie et Gouverneur de la Forteresse d'Essegg etc

le très humble et très obéissant serviteur Étienne Briffaut.

Modélisation de l’activité électrique des oreillettes avant et après ablation par cathéter

- Réalisé au centre de recherche de l'hospital du Sacré-Coeur de Montréal. - Programme conjoint entre Université de Montréal et École Polytechnique de Montréal.

Méthode bayésienne de détection de rupture et/ou de tendance pour des données temporelles

Ce mémoire a pour but de déterminer des nouvelles méthodes de détection de rupture et/ou de tendance. Après une brève introduction théorique sur les splines, plusieurs méthodes de détection de rupture existant déjà dans la littérature seront présentées. Puis, de nouvelles méthodes de détection de rupture qui utilisent les splines et la statistique bayésienne seront présentées. De plus, afin de bien comprendre d’où provient la méthode utilisant la statistique bayésienne, une introduction sur la théorie bayésienne sera présentée. À l’aide de simulations, nous effectuerons une comparaison de la puissance de toutes ces méthodes. Toujours en utilisant des simulations, une analyse plus en profondeur de la nouvelle méthode la plus efficace sera effectuée. Ensuite, celle-ci sera appliquée sur des données réelles. Une brève conclusion fera une récapitulation de ce mémoire.

Designing Regularizers and Architectures for Recurrent Neural Networks

Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.

Amélioration a posteriori de la traduction automatique par métaheuristique

La traduction automatique statistique est un domaine très en demande et où les machines sont encore loin de produire des résultats de qualité humaine. La principale méthode utilisée est une traduction linéaire segment par segment d'une phrase, ce qui empêche de changer des parties de la phrase déjà traduites. La recherche pour ce mémoire se base sur l'approche utilisée dans Langlais, Patry et Gotti 2007, qui tente de corriger une traduction complétée en modifiant des segments suivant une fonction à optimiser. Dans un premier temps, l'exploration de nouveaux traits comme un modèle de langue inverse et un modèle de collocation amène une nouvelle dimension à la fonction à optimiser. Dans un second temps, l'utilisation de différentes métaheuristiques, comme les algorithmes gloutons et gloutons randomisés permet l'exploration plus en profondeur de l'espace de recherche et permet une plus grande amélioration de la fonction objectif.

Méthode bayésienne de détection de rupture et/ou de tendance pour des données temporelles

Ce mémoire a pour but de déterminer des nouvelles méthodes de détection de rupture et/ou de tendance. Après une brève introduction théorique sur les splines, plusieurs méthodes de détection de rupture existant déjà dans la littérature seront présentées. Puis, de nouvelles méthodes de détection de rupture qui utilisent les splines et la statistique bayésienne seront présentées. De plus, afin de bien comprendre d’où provient la méthode utilisant la statistique bayésienne, une introduction sur la théorie bayésienne sera présentée. À l’aide de simulations, nous effectuerons une comparaison de la puissance de toutes ces méthodes. Toujours en utilisant des simulations, une analyse plus en profondeur de la nouvelle méthode la plus efficace sera effectuée. Ensuite, celle-ci sera appliquée sur des données réelles. Une brève conclusion fera une récapitulation de ce mémoire.

Designing Regularizers and Architectures for Recurrent Neural Networks

Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.