FR
EN
Vous êtes ici : Accueil » Rapport d'activités pour 2006
Créé à l'École Nationale des Ponts et Chaussées en 2003,
le CEREA est devenu un Laboratoire Commun École nationale des ponts et chaussées - EDF R&D à compter du 1er janvier 2004.
Ses activités de recherche sont centrées sur la pollution de l'air et la micrométéorologie des basses couches de l'atmosphère.
Rendez-vous en air inconnu - 1er épisode avec EDF
Rendez-vous en air inconnu - 2ème épisode : l'origine
Rendez-vous en air inconnu - 3ème épisode : immersion au cœur du CEREA
Dernières publications
F. Liang, J. P. Valdes, S. Cheng, L. Kahouadji, S. Shin, J. Chergui, D. Juric, R. Arcucci, and O. K. Matar, “Liquid–Liquid Dispersion Performance Prediction and Uncertainty Quantification Using Recurrent Neural Networks,” Industrial & Engineering Chemistry Research, 2024.
Vous souhaitez accéder à :
F. Liang, J. P. Valdes, S. Cheng, L. Kahouadji, S. Shin, J. Chergui, D. Juric, R. Arcucci, and O. K. Matar, “Liquid–Liquid Dispersion Performance Prediction and Uncertainty Quantification Using Recurrent Neural Networks,” Industrial & Engineering Chemistry Research, 2024.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
H. Wang, H. Zhou, and S. Cheng, “Dynamical system prediction from sparse observations using deep neural networks with Voronoi tessellation and physics constraint,” Computer Methods in Applied Mechanics and Engineering, vol. 432, p. 117339, 2024.
Vous souhaitez accéder à :
H. Wang, H. Zhou, and S. Cheng, “Dynamical system prediction from sparse observations using deep neural networks with Voronoi tessellation and physics constraint,” Computer Methods in Applied Mechanics and Engineering, vol. 432, p. 117339, 2024.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
S. Cheng, H. Chassagnon, M. Kasoar, Y. Guo, and R. Arcucci, “Deep learning surrogate models of JULES-INFERNO for wildfire prediction on a global scale,” IEEE Transactions on Emerging Topics in Computational Intelligence, 2024.
Vous souhaitez accéder à :
S. Cheng, H. Chassagnon, M. Kasoar, Y. Guo, and R. Arcucci, “Deep learning surrogate models of JULES-INFERNO for wildfire prediction on a global scale,” IEEE Transactions on Emerging Topics in Computational Intelligence, 2024.
Pour continuer, merci de renseigner votre adresse email.
Les liens vous seront envoyés par email directement.
Les liens vous seront envoyés par email directement.
