Electronique des capteurs

dans le cadre de l’AMOA

INTRODUCTION
What do you want to measure?

Sensor
How do you want to connect to the
Internet?
What do you want to do with your data?
 IOT Healthcare

Détection de chutes
Assister les personnes âgées ou handicapées et
détecter les éventuelles chutes.

Réfrigérateurs médicaux Contrôle des

conditions à l'intérieur du congélateur dans le
but de d'optimiser le stockage des vaccins, des
médicaments et des éléments organiques.

Soins sportifs Surveillance et monitoring des

signes vitaux dans les centres sportifs de haute
performance.

Surveillance des patients Surveillance de l'état

des patients dans les hôpitaux et maison de
retraite.

Rayonnement ultraviolet Mesure des rayons

UV du soleil dans le but de conseiller les
populations sur les heures d'exposition.
Logistique
Logistique
Qualité des conditions d'expédition :
Surveillance des vibrations, des accidents
humains, de l'ouverture des conteneurs ou de
l'entretien de la chaîne du froid.

Localisation Recherche et localisation

d'articles dans les entrepôts ou les ports.

Détection des incompatibilités de stockage

Emissions d'avertissements sur les conteneurs
de stockage des marchandises pouvant être
inflammables ou pouvant contenir des
matières explosives.

Suivi de la flotte Contrôle des routes

empruntées par les transporteurs de
marchandises sensibles comme les
médicaments, les bijoux ou les matières
dangereuses.
M2M (Machine To Machine)

Wifi
GPRS
RFID
Bluetooth
Low power enabled software
 Machine Learning
• Modèle de prédiction sur la base d’un
apprentissage basé sur les data collectés.

• Algorithmes multiples: PLS, SVM, réseaux de

neurones, Sparse…

https://platformed.info/amazon-is-a-logistics-
beast-a-detailed-teardown/
 Benchmark
https://www.kickstarter.com/discover/advanced?ref=nav_search&term=IOT
 Chaine

Signal Transmission Actuateur

Capteur processing

Exterieur
 Sortie Capteur

Analogique / Numérique

Capteur Courant / Format numérique

Tension

Exterieur
 Sortie Capteur

Analogique / Numérique Filtrage

Analogique
Capteur Courant / Format numérique
Tension

Exterieur
 Sortie Capteur

Analogique / Numérique
Conversion
Capteur Courant / Format numérique CAN
Tension

Exterieur
 Conversion CAN

Analogique / Numérique
Conversion
Capteur Courant / Format numérique CAN
Tension

Alimentation
Résolution
Fréquence de conversion
Format sortie numérique
Série/ Parallèle

Exterieur
 Exemple ADC flash

Diviseur de tension Vout=Vin.R2/(R1+R2)

 Exemple ADC flash

Réseaux de diviseurs
Comparateurs
Ils fixent la vitesse de conversion
 Résolution
• 2 bits…30 bits
• Dépend de l’application
• En général, plus la résolution augmente plus la
vitesse de conversion diminue : Filtrage,
Stabilité..;
 Conversion CAN

Conversion Processeur
Capteur CAN

Exterieur
 Traitement
• Microcontrolleur (8 bits/16bits/32bits)
– Ti
– Atmel
– Arm
• DSP (32 bits)
– Ti
– STM
• Processeurs+ périphériques
 Traitement
• Traitement dans le temps

• Traitement spectral (Transformée de Fourier)

• Codage en Assembleur, C..

• Périphériques de communications: n-wires,

I2C, SPI, USB, Radio…
 Conversion CAN

Conversion Processeur Transmission

Capteur CAN

Exterieur
 Transmission et Communication
• Protocole de Transmission
• Support de Transmission
• Fondamentaux: Nyquist, Shannon
 Conversion CAN

Capteur Processeur Transmission Actuateur

Exterieur
 Actuateur
• Actuateur à entrée analogique (DAC)
• Actuateur à entrée numérique
• Compatibilité des protocoles
• Alimentations
SIGNAL PROCESSING
 Academic/ Electronics
• Transformée de Fourier
• Transformée de Laplace
• Transformée en Z
• Convolution, Corrélation
• Signaux déterministes
• Signaux aléatoires

• …
 Academic/ Embedded CS
• DSP
• ARM
– Cortex A : CMSIS-Core A
– Cortex M : CMSIS-Core M

Autres Librairies de Traitement de signal et d’image

 CMSIS-Core Library
• Filtering Functions
• Matrix Functions
• Transform Functions
• Controller Functions
• Statistics Functions
• Interpolation Functions

https://arm-software.github.io/CMSIS_5/DSP/html/modules.html
PROJET TRANSVERSE
MULTIDISCIPLINAIRE
 PROJET

Signal Transmission Actuateur

Capteur processing

Exterieur
 Pré-Requis
• Identifier la problématique
• Identifier les composants
• Identifier les entrées et sorties
• Identifier le langage de programmation
• Identifier les libraires
• Identifier le mode de communication des
sorties
FILTRAGE ANALOGIQUE
 Filtrage

Filtrage

Capteur Processeur Transmission Actuateur

Monitoring

Exterieur
Filtrage passif -1

http://www.ti.com/tool/TINA-TI
 Fonction de Transfert

Démontrer la fonction de Transfert en utilisant le pont diviseur

 BODE
w0=1000rad.s-1
20.Log(/T/) Fréquence à 3dB
f0=159.15 Hz
Linéaire

Arg(T)
 Exercices
• Calculer l’expression de la fréquence à 3dB de
pertes

• Calculer La décroissance du gain par décade

• Est-ce que le filtre présenté est un filtre passe

haut ou passe bas
Filtrage passif -2
 BODE
20.Log(/T/)

w0=1000rad.s-1

Arg(T)
 Exercices
• Calculer l’expression de la fréquence à 3dB de
pertes

• Calculer La décroissance du gain par décade

• Est-ce que le filtre présenté est un filtre passe

haut ou passe bas
 RLC
Ve Ve Ve

R R C

L C L

C L R

GND GND GND

 RLC
• Montrer que si la tension de sortie est
prélevée sur

– la résistance: Passe Bas

– La capacité: Passe Haut

– Le solénoide: Passe Bande

 RLC passe bande

On définit aussi le facteur de Qualité Q

RLC passe bande
Exemple de filtre commercial
 Exemple de filtre commercial
Item #a EF110 EF112 EF114 EF120 EF122 EF124

1 dB Passband Window DC to 1 kHz DC to 2 kHz DC to 5 kHz DC to 10 kHz DC to 20 kHz DC to 50 kHz

3 dB Rejection >2.05 kHz >2.76 kHz >6.61 kHz >15.2 kHz >27.2 kHz >68.4 kHz

30 dB Rejection >3.1 kHz >4.27 kHz >9.95 kHz >24.5 kHz >41.6 kHz >102.1 kHz

40 dB Rejection >4.1 kHz >6.20 kHz >11.14 kHz >27.2 kHz >45.4 kHz >109.5 kHz

Source Impedance (Typical) 50 Ω

Load Impedance (Typical) ≥100 kΩ

Input Voltage (Maximum) ±10 V

Storage Temperature -20 to 70 °C

Instrumentation
Numérique
 Représentation binaire

Si a0, a1,…an représentent des variables binaires (0 ou 1), elles peuvent être utilisées pour
représenter le nombre p donné par
 DAC
Convertisseur 4bits

Intervalle = (0, Ucc) si R’=8R/15 avec 16 combinaisons possibles

La résolution est alors de Ucc/15
 DAC
Outpout
ai=0 0
a0=1 ; a1=0 ; a2=0; a3=0 Ucc/15
a0=0 ; a1=1 ; a2=0; a3=0 Ucc.2/15
a0=1; a1=1 ; a2=0; a3=0 Ucc.3/15

…
 Opérations logiques

a0 a1 a2 a3 Output and nand

nor xor…
0 0 0 0 0
1 0 0 0 1
0 1 0 0 2
Diviseur de tension
Conversion Analogique Numérique
• Convertisseur à rampe

• Convertisseur à approximation successive

• Convertisseur flash
 Utilités
• Convertir une valeur analogique (tension ;
courant) en une valeur numérique (binaire)

• La valeur numérique est ensuite utilisée dans

un processeur pour réaliser différentes
fonctionnalités, dont l’affichage.
 Convertisseur à Rampe

La tension de référence est intégrée par l'amplificateur opérationnel, puis comparée à la tension
à convertir.

Le montage logique en aval compte le temps que met la sortie de l'intégrateur à rejoindre la
tension d'entrée.
 Convertisseur à approximation
successive

Le registre est chargé, par port série, par un bit 1.

le registre est converti en analogique.
Si la valeur numérique est toujours trop petite, il faut placer un "1", sinon il faut placer un "0"
dans le registre .
Convertisseur flash

La tension à convertir est comparée à plusieurs

seuils de référence.

Le décodeur réalise une logique combinatoire

pour transformer ce mot en binaire.
 Echantillonnage

Un signal échantillonné ne prend une valeur qu'à des intervalles de temps réguliers.
L'intervalle de temps entre deux prises d'échantillons est appelé pas d'échantillonnage et
l'inverse fréquence d'échantillonnage.
Plus cette fréquence sera élevée plus on se rapprochera du signal analogique.
 Signal Numérique
• Pour obtenir un signal numérique, on va échantillonner un
signal analogique.
• Les échantillons sont alors transformés, afin de prendre des
valeurs discrètes (les valeurs autorisées sont en nombre
limitées et situées à égale distance de proche en proche).
• Il y a donc quantification en temps (échantillonnage) et
en amplitude.
• On va alors coder l’amplitude de chaque échantillon
transformé en un mot binaire, la suite des mots binaires
obtenus va représenter numériquement le signal
 Shannon
Pour reconstruire un signal de sortie de manière
fidèle au signal d'entrée, il faut choisir une
fréquence d'échantillonnage au moins deux fois
supérieure à la fréquence maximale contenue
dans le signal d'entrée.

fe>2.fmax

Si cette règle n'est pas respectée, des fréquences

parasites qui n'appartiennent pas au signal de
départ apparaissent. Ce phénomène est le
repliement spectral ou aliasing.
 Repliement spectral

Spectre sinusoide

Spectre du signal sinusoïdal échantillonné à fe>2fmax

Spectre du signal sinusoïdal échantillonné à fe<2fmax

Repliement spectral Signal Qcq

Spectre du signal sinusoïdal échantillonné à fe>2fmax

Spectre du signal sinusoïdal échantillonné à fe<2fmax

 Poids des Bits
• LSB • MSB
least significant bit Most significant bit

C’est le bit dont le poids C’est le bit dont le poids

est le plus faible dans est le plus fort dans une
une représentation représentation binaire
binaire Ex: 11001001
Ex: 11001001
 Intérêt du LSB
• Permet de reconnaitre la parité

• Lors de la quantification, le bit de poids faible

correspond à la plus petite variation de tension
électrique que peut rendre le signal discrétisé
 Nombre de bits de résolution
• 8 bits • 256 valeurs
• 10 bits • 1024 valeurs
• 12 bits • 4096 valeurs
• … • …

• Fixe la résolution de
l’acquisition (pas de
discrétisation)
 Exercice 1
• Calculer la résolution d’acquisition d’une tension
en entrée d’un ADC à 10 bits lorsque l’intervalle
analogique d’acquisition du convertisseur est de
0-5V

• Quelle est la valeur numérique du convertisseur

lorsque la tension d’entrée est de 2.25 V? A quelle
tension numérisée correspond-elle?
Exercice On utilise le LSB comme
unité pour définir des
grandeurs comme la
linéarité de la
numérisation ou la
distorsion introduite par
celle-ci. Dans l'idéal, la
distorsion devrait être de
1 LSB : l'écart entre le
niveau réel et le niveau
discret serait alors le pas
de discrétisation.
 Spécificité des capteurs à Courant
• Circuit de transimpédance pour la conversion courant-
tension
• La valeur de la résistance fixe la tension en sortie
 ADC avec capteurs de courant
• Circuit en transimpédance pour la conversion courant-
tension
• La valeur de la résistance fixe la tension en sortie
 ADC avec capteurs de courant
• V=Rf .i
• dV=Rf .di
 ADC avec capteurs de courant
• dV=Rf .di
• Ex: 8 bits
I entre 0 et Imax= 1uA.
ADC unipolaire entre 0 et 5V, soit Vmax=5V, donc Rf=1MW

dV=5V/255=20mV
Donc di=20/1M=20nA
 Conséquences
• Plus l’intervalle de quantification de l’ADC est grand plus la
résolution est faible

• Plus l’intervalle des tensions analogiques à l’entrée est

grand et plus la résolution est faible
 Exercice
• Proposer un circuit qui permet d’augmenter la résolution
 Discrétisation logarithmique
• Amplificateur logarithmique (ex: texas Instrument)
 Discrétisation logarithmique
• V=0.5 log(i1/i2)
• Prenons par exemple i2=1uA alors V varie entre -1.5V (pour
i1=1nA) et +1.5V (pour i1=1mA)

• Ex: 8 bits
ADC bipolaire entre -1.5V et 1.5V.
Résolution: 60 dB/255=0.23 dB

16 bits: résolution de 0.001dB

 OverSampling

La fréquence d’échantillonnage est typiquement celle de

Nyquist, soit :

fn=2.fm

où fm est la fréquence max dans le spectre du signal

 SNR et Résolution

Pour une sinusoïde Lf=0.707, donc:

Erreur de quantification

L’erreur diminue lorsque la fréquence

d’échantillonnage augmente
 Erreur de quantification

L’amélioration du SNR s’écrit donc:

Fos étant la fréquence du oversampling et fN la

fréquence initiale (celle de Nyquist)

Le SNR total s’écrit :

 Exemple: 16 bits ADC avec un
oversampling en 12 bits

Il va falloir échantillonner un signal 12 bits à une fréquence 256 fois plus grande
que la fréquence de Nyquist pour obtenir un signal dont le SNR est équivalent un
ADC de 16 bits
Principe général
ANALYSE SPECTRALE
Fréquences
Pourquoi?
Décomposition en série de Fourier
Décomposition en série de Fourier
Exemple
Exemple (suite)
Bande Passante
 Générale: TF définition
• Transformée de Fourier

• La fonction X(f) est la transformée de Fourier

de la fonction x(t)
 Informations TF
• Ainsi, on peut obtenir deux informations de la
fonction transformée de Fourier :
• Le spectre d'amplitude :
• Le spectre de phase :
Exemple
 Exercices
• Calculez de développement de Fourier d'un
signal périodique carré.
• Représentez son spectre fréquentiel et voyez
les contributions des premières harmoniques.
TRANSMISSION
 Les types de signaux
Types de signaux susceptibles d'être transmis :

• signaux initialement analogiques : sons, vidéo, signaux industriels,

• signaux initialement numériques : information écrite - graphique -codes
informatiques –

• Les signaux analogiques peuvent être décomposés en séries de Fourier.

Ils apparaissent alors comme des successions d'harmoniques purement
sinusoïdales.
L'ensemble des harmoniques à passer constitue la largeur de bande
occupée par le signal

• Les signaux analogiques peuvent être convertis en codes numériques.

Cette numérisation implique également les harmoniques utiles de
fréquence élevée.
 Largeur de bande signal
• Le théorème de Fourier exprime mathématiquement le fait
qu'un signal quelconque peut être considéré comme la
superposition d'un nombre fini ou infini de signaux
sinusoïdaux

• signal quelconque =superposition d'une série de signaux

sinusoïdaux

• Le transport du signal équivaut au transport des signaux

sinusoïdaux le composant. Comme leurs fréquences sont
différentes, ils seront plus ou moins affaiblis et à l'arrivée,
certains d'entre eux ne seront plus discernables.

• L’ensemble des fréquences constituant le signal = largeur de

bande du signal
Exemple: Signal périodique
 DSP: Signal périodique
représentation des signaux en temps
1

0.5
amplitude

-0.5

-1
0 1 2 3 4 5 6 7 8 9 10
temps (sec)

représentation des signaux en fréquence

1
amplitude

0.8
0.6
0.4
0.2
0
0 5 10 15 20 25 30
fréquence (Hz)
 Signaux analogiques
• Représentation
– Signal élémentaire g(t) = A sin(f*t + )
• g(t) amplitude à l'instant t
• A amplitude maximale
• f : fréquence (en hertz) = nombre de périodes ou oscillations par seconde
• t : temps (en secondes)
•  : phase (décalage par rapport à l'origine)
 Transmission analogique
= transmission par modulation
• Le signal analogique représente une forme
sinusoïdale appelée porteuse
• On module un ou plusieurs paramètres de ce
signal pour transporter l'information
• Transmission analogique d’un signal
analogique
• Transmission analogique de données
numériques
 Modulation
• Types de modulation
– Modulation d'amplitude
– Modulation de fréquence
– Modulation de phase
 Signaux numériques
• tout signal est traduit en une suite de bits.
• Représentation
– Deux niveaux ou plus de tension
• Utilisation d'un codage pour la transmission
– Diminuer la largeur de bande
– Transposer celle-ci vers des fréquences élevées
 Types de codage
• NRZ (Non Return to Zero)
• NRZI (NRZ Inverted)
• Manchester
• Manchester différentiel
• Miller
• Bipolaire simple
 Codage NRZ
• Technique la plus simple

• Principe
– bit de donnée à 0 : tension -a volts
– bit de donnée à 1 : tension +a volts
 Bit/s, Baud, Hertz
• Un message est constitué d'une succession de
signaux (analogiques ou numériques) de durée égale
D (moment élémentaire). La rapidité de modulation
est:
R=1/ D (Baud)

• Si le message est binaire, chaque signal transporte n

bits (quantité d'information). Le débit binaire est:
D = nR (en bits/s)
 Bit/s, Baud, Hertz

R = 1/D D=R R = 1/D D = 2R

R = 1/D D = 3R
 DSP: modulation d’amplitude
• Le signal à transporter peut toujours être
décomposé (séries de Fourier) en un certain
nombre de sinusoïdes pures (harmoniques).
Prenons l'une de ces harmoniques :
S=A.sin(2pft+)
• La porteuse utilisée pour transmettre le signal
est: p=sin(2pFt+f)
• Le signal total transmis sur la ligne est:
(a+S).p
 DSP: modulation d’amplitude
• Les fréquences
composant le signal
final sont:F, F-f, F+f
• on peut appliquer ce
résultat à l'ensemble
des sinusoïdes
composant le signal à
transposer
• la bande occupée est
2*fh
 Critère de Nyquist
• La largeur de bande minimum pour acheminer une
rapidité R est

Bande min=R/2

• Vérifier que le support ait une bande passante

suffisante
 Note
• Fréquence échantillonnage signal analogique=Rapidité
• Ce résultat implique aussi que lors de la numérisation
d’un signal analogique, il est nécessaire d’utiliser une
fréquence d’échantillonnage au moins égale à deux foix
la fréquence la plus grande constituant le signal
analogique.
 Théroème de Shannon
• La rapidité maximale (R) exprimée en bit/s dépend de la bande
passante (B) en Hz, de la puissance moyenne du signal (S) et
de la puissance moyenne du bruit (B).

Rmax=B.log2(1+S/B)
Soit Rmax=(B/3).(S/B)dB

Pour une modulation ou codage binaire:

Dmax=n. (B/3).(S/B)dB
où n est le rapport entre débit et rapidité.
 Bit/s, Baud, Hertz

Débit binaire
Codage (bit/s) Formule de Shannon
Modulation

Débit symbole=
Rapidité Largeur de bande
(Baud) (Hz)
Critère de Nyquist
 Liaison classique à 2 Mbit/s
• Simplex sur 2 paires
• Code en ligne: HDB3
• Portée: 2 km

0 1 0 0 1 1 1 0 0 1 0

• D=2 Mbit/s
• R=2 Mbaud
• Df=1 MHz
 Affaiblissement
Atténuation (dB/km) Diamètre du câble
0.4 mm
0.6 mm
0.8 mm
100

10

~15 dB d’affaiblissement

0.1 1 10 Fréquence (MHz)

 Liaison HDSL
• Simplex sur 2 ou 3 paires
• Code en ligne: 2B1Q
• Portée: 4 km

0 1 0 0 1 1 1 0

00 -V
• D=2 Mbit/s 01 -V/2
10 +V/2
• R=1 Mbaud 11 +V

• Df=1/2 MHz
 Affaiblissement
Atténuation (dB/km) Diamètre du câble
0.4 mm
0.6 mm
0.8 mm
100

10

~8 dB d’affaiblissement
PORTEE ~2 FOIS PLUS GRANDE

0.1 1 10 Fréquence (MHz)

 2B1Q points dévaforables
• 2B1Q utilise la même bande de fréquences que
celle utilisée par la voix. Il faut l’adapter pour
l’utiliser.
• 2B1Q utilise un spectre de fréquences plus étalé
que la modulation QAM (Quadrature Amplitude
Modulation). QAM
DSP

2B1Q
Fréquence
 QAM
• C'est une technique qui emploie une combinaison
de modulation de phase et d'amplitude.
• Elle consiste en une modulation d'amplitude de
deux porteuses en quadrature dont les amplitudes
sont:
– I=A.cos(f) et Q=A.sin(f)
• Les deux signaux peuvent être soustraits:
– I.cos(wt)-Q.sin(wt)=A.cos(wt+f)
• La modulation des amplitudes I et Q des deux
porteuses en quadrature permet de faire varier
l’amplitude et la phase de l’onde résultante par
mixage.
 EX: QAM-4
4 groupes de 2 Bits
A  1
i  1  4

x  A  cos  p
( 2 i  1) 

i  4 
I

1 
y  A  sin  p
( 2 i  1) 

i  4 
0.5

1 0.5 0 0.5 1
Q

0.5

1
 EX: QAM-4
4 groupes de 2 Bits

Groupe de bits Amplitude Phase

00 1 p4
01 1 3p4
10 1  3p4
11 1 p4
I

1
01 00
0.5
A.cos(wt + f)
1 0.5 0 0.5 1
Q

0.5
10 11
 EX: QAM-4

Exemple de codage de la suite binaire 0 0 0 1 1 0 11

0 00 11 01 1

00 01 10 11
 I EX: QAM-16
1

16 groupes de 4 Bits

0.5

1 0.5 0 0.5 1 Q

0.5

n  4

1 i  1  n A  1

 cos  p
A ( 2 i  1) 
x  A  cos  p
( 2 i  1)  x2  
 i 2  n 
i  n 

 sin  p
A ( 2 i  1) 
y  A  sin  p
( 2 i  1)  y2  
 i 2  n 
i  n 
 IA et IOT
Learn and transform data into digital intelligence.
machine learning platform has the capabilities
to continuously collect data from devices and
generate predictions. It makes artificial
intelligence accessible, learning on-the-go and
automating responses dynamically.
 Apprendre à la machine

Données de
Modèle calibré Prediction
calibration
pour prédire
 Exemple
Given n × k spectral data matrix A, where n is the number of
calibration samples and k is the number of spectral variables
considered (spectral line intensities and/or their ratios),

and given the n × m concentration matrix C, where m is the

number of chemical elements whose concentrations are to be
predicted,

determine the k × m calibration matrix B such that

C = AB
 Exemple

Once B is known, the concentrations of the

chemical elements in any sample can be
obtained from

Ce = AeB,

where Ae and Ce are 1 x k and 1 x m matrices

(line vectors), respectively
 Résolution
It consists in looking for the matrix B which minimizes the sum of the
squares of the elements of the residual matrix

E = C – AB.

It is possible to show that the solution of Eq. (1) which satisfies this
condition is B = A+C

where A+ = (ATA)-1AT is the Moore-Penrose inverse (or pseudo inverse)

of A. The quality of the solution B for the calibration set is evaluated
from the coefficient of determination of the elements of E. Similarly,
the quality of the predictions for the validation set is determined
from the elements of the residual matrix Ee = Ce – AeB.
 Approches
• Least square regression PLSR
• Multivariate linear regression MLR
• Principal Componenet Regression PCR
• Support Vector Machine SVM
• Réseaux de Neurones NN
• …
 R
• Installer l’environnement Anaconda
• Installer le Package R
• Reprendre l’exemple sur PLSR

https://cran.r-project.org/web/packages/pls/vignettes/pls-manual.pdf
 Exemple 1
• > library(pls)

• 3 exemples sont inclus dans la librairie pls

• Yarn: A data set with 28 near-infrared spectra (NIR) of PET yarns, measured at 268 wave-
lengths, as predictors, and density as response (density) [20].
• Oliveoil: A data set with 5 quality measurements (chemical) and 6 panel sensory panel
variables (sensory) made on 16 olive oil samples [15].
• gasolineA data set consisting of octane number (octane) and NIR spectra (NIR) of 60 gaso-
line samples [10].

• > data(yarn)
• > data(oliveoil)
• > data(gasoline)

• > gasTrain <- gasoline[1:50,]> gasTest <- gasoline[51:60,]

• > gas1 <- plsr(octane ~ NIR, ncomp = 10, data = gasTrain, validation = "LOO")
Exemple 1

> plot(RMSEP(gas1), legendpos = "topright")

 Exemple 1
> plot(gas1, ncomp = 2, asp = 1, line = TRUE)
 Pour la séance n+2
• Imaginer une application IA qui serait adapter
à votre projet sans utiliser des algorithmes
poussés
• Imaginer la configuration d’apprentissage et la
prise de décision