Librairies, presse et bibliothèques : des périmètres à distinguer
Le commerce du livre, la papeterie-presse et la lecture publique sont comptés séparément. Les chiffres Insee décrivent le territoire ; les fiches du relevé Basilic documentent des lieux, sans confirmer le stock ou les horaires actuels.
Explorer les entrées et leurs sources
Les résultats proviennent des relevés indiqués ci-dessous. La zone sélectionnée s’applique aux statistiques et aux lieux, tandis que les aliments, produits, métiers, fiches pratiques, activités, notions, certifications et bibliographies restent des référentiels nationaux. Les travaux de recherche couvrent des références nationales ou internationales.
425 résultats · page 1 sur 24 · jusqu’à 18 entrées affichées. Classement par année décroissante puis titre.
Explorer les revues et périodiques — 130 fiches HAL liées
Revues, périodiques et travaux associés
Rechercher un titre, une abréviation, un ISSN ou un éditeur renseigné, puis lire les références HAL associées à une fiche précise. Le répertoire couvre 166 notices liées dans la sélection du site, avant les autres filtres de recherche.
130 fiche(s) correspondant à la recherche · page 1 sur 8.
Revues et périodiques liés aux références retenues — ordre alphabétique
Source : HAL et son référentiel des revues, CCSD. Complément de métadonnées relevé le 23 octobre 2026, associé aux références documentaires du 22 octobre 2026. Les métadonnées sont réutilisables sous CC0 ; les droits des textes intégraux restent propres à chaque document.
Seules les références portant un titre de revue dans le relevé initial sont interrogées. L’identifiant numérique du document, son identifiant HAL, sa version et son titre de revue doivent correspondre avant d’utiliser son identifiant de revue. La fiche cible doit être récupérée dans le référentiel. Un identifiant direct est privilégié ; une correspondance d’ancien identifiant n’est utilisable que si elle est explicitement publiée et univoque. Une référence non confirmée conserve ses informations d’origine, sans lien ajouté.
Les homonymes restent séparés par leurs identifiants. Ni le titre seul, ni un ISSN, ni le nom d’un éditeur ne servent à fusionner les fiches. L’absence de champ ne prouve pas l’absence d’éditeur ou d’identifiant. Les statuts techniques de HAL ne constituent pas une appréciation scientifique.
Les nombres portent sur les notices de la sélection du site, pas sur l’ensemble du contenu d’une revue. Des notices différentes peuvent décrire un même travail. Aucun facteur d’impact, nombre de citations, classement, tarif ou disponibilité n’est déduit. Les conditions actuelles d’accès, d’abonnement et de dépôt restent à vérifier auprès du périodique et sur la notice HAL.
Explorer les disciplines — 63 domaines HAL dans cette sélection
Choisissez un domaine pour consulter les notices dont le code est publié dans HAL. Les effectifs portent sur toute la sélection du site, avant les autres filtres ; un identifiant HAL est compté une seule fois par domaine. Une notice peut figurer dans plusieurs domaines : les effectifs ne s’additionnent pas.
Informatique [cs] (info) — 4 notices, dont 3 avec ce domaine principal.
Libellés et codes du référentiel des domaines HAL, relevés le 23 octobre 2026. Le regroupement utilise les codes effectivement publiés dans les notices ; aucun rattachement supplémentaire n’est déduit des intitulés.
Colloques, congrès et rencontres cités — 71 intitulés dans cette sélection
Ces intitulés sont ceux publiés dans les notices HAL retenues par le site. Un intitulé identique peut couvrir plusieurs éditions ; les dates restent celles de chaque notice. Les variations d’écriture restent séparées. Les effectifs comptent une fois chaque identifiant HAL, avant les autres filtres.
Source : métadonnées HAL / CCSD, relevées le 23 octobre 2026. Ce répertoire décrit les travaux déposés ; il ne constitue pas un agenda d’inscription aux événements.
Lire des références de recherche sur librairies, circulation du livre et lecture. Les axes ci-dessous organisent cette sélection documentaire ; ils ne constituent pas une évaluation critique des travaux. Les références sont nationales ou internationales ; le choix d’un territoire ne filtre pas cette bibliographie. Rechercher un titre, un auteur, des mots-clés, un identifiant HAL ou un DOI.
Notices HAL — métadonnées récupérées le 22 octobre 2026
Source : HAL, archive ouverte développée par le Centre pour la communication scientifique directe (CCSD). Métadonnées bibliographiques initiales récupérées le 22 octobre 2026, réutilisées sous CC0 1.0. Les droits du document lui-même sont précisés sur sa notice officielle.
Cette sélection retient au plus les 200 premiers résultats par recherche sur les titres et mots-clés de HAL, triés par date du travail décroissante, pour les années 2000 à 2026. Les titres et mots-clés sont contrôlés à nouveau pour les termes de chaque axe. Un identifiant HAL est compté une seule fois par site ; la version la plus élevée rencontrée dans les réponses retenues est conservée. Des notices différentes peuvent encore décrire un même travail. La sélection n’est pas exhaustive et son ordre ne constitue pas un classement de qualité.
Articles, communications, thèses, mémoires, rapports et prépublications ont des statuts documentaires distincts. Le dépôt dans une archive et le type indiqué ne suffisent pas à établir une évaluation par les pairs. Les résumés sont ceux fournis dans les métadonnées, attribués aux auteurs de la notice ; ils restent à lire avec le travail complet et son contexte. Leur présence ne vaut pas recommandation médicale, juridique, financière ou technique.
La date du travail, la date de dépôt et la date de modification décrivent des événements différents. Un fichier signalé dans HAL ne garantit pas son accès actuel ; la notice officielle précise les conditions de consultation. Les axes sont documentaires : ils ne localisent pas les auteurs ni les terrains d’étude dans le territoire sélectionné ailleurs sur la page.
Le lien recherche le nom tel qu’indexé ; il ne distingue pas les personnes homonymes.
Champs bibliographiques publiés dans HAL
Champ
Valeur de la notice
Titres et traductions indexés
Techniques d’apprentissage pour la caractérisation de bibliothèques de cellules en vue du test et du diagnostic de circuits intégrés. Learning techniques for library cells characterization for the test and diagnostic of digital integrated circuits.
Oui — déclaré disponible en libre accès sur HAL ou sur un autre serveur
Type de dépôt publié dans ce relevé
file
Licence du document publiée dans ce relevé
https://about.hal.science/hal-authorisation-v1/
Les liens et l’indicateur décrivent le relevé de métadonnées ; les conditions d’accès peuvent évoluer. Une annexe ou une ressource liée peut avoir des conditions distinctes de celles du fichier principal. La licence affichée reste celle déclarée dans la notice. Source : notice officielle HAL, version 1, identifiant de document 4068319. Définition des champs de l’API HAL ; métadonnées HAL sous CC0.
Structures de recherche indexées dans HAL — 7 fiches reliées
Structures indexées dans la notice HAL tel-04068319, version 1. Relevé et référentiel consultés le 23 octobre 2026. Cette indexation peut inclure des structures parentes ; elle n’attribue pas chacune de ces structures à chaque auteur.
Structures identifiées dans le référentiel HAL — laboratoires, équipes et établissements conservés séparément
Les statuts VALID, OLD et INCOMING décrivent le traitement des fiches dans le référentiel. Les dates, adresses et identifiants ne permettent pas de déduire l’activité actuelle d’un organisme ni l’affiliation actuelle d’un auteur. Les codes pays concernent les structures, pas les terrains d’étude.
Autres notices indexées avec Institut National de Recherche en Informatique et en Automatique
3 autre(s) notice(s) dans la sélection du site, avant les filtres de recherche.
Jusqu’à six notices sont affichées par année du travail décroissante. Une structure commune ne prouve pas une collaboration entre les auteurs. Ces nombres décrivent la sélection du site et non la production complète de la structure.
Autres notices indexées avec Université de Perpignan Via Domitia
2 autre(s) notice(s) dans la sélection du site, avant les filtres de recherche.
Jusqu’à six notices sont affichées par année du travail décroissante. Une structure commune ne prouve pas une collaboration entre les auteurs. Ces nombres décrivent la sélection du site et non la production complète de la structure.
Autres notices indexées avec Centre National de la Recherche Scientifique
148 autre(s) notice(s) dans la sélection du site, avant les filtres de recherche.
Jusqu’à six notices sont affichées par année du travail décroissante. Une structure commune ne prouve pas une collaboration entre les auteurs. Ces nombres décrivent la sélection du site et non la production complète de la structure.
Ce classement décrit l’indexation documentaire du dépôt. Il ne constitue ni un label de qualité, ni une spécialité professionnelle attribuée aux auteurs. Les liens vers d’autres travaux reposent sur un code commun dans les métadonnées et affichent au plus six notices par domaine, par année du travail décroissante. La hiérarchie ci-dessus reprend les identifiants parents du référentiel ; elle ne modifie pas les codes du dépôt.
Auteurs indexés : Pierre d’Hondt. Source : tel-04068319, version 1.
La croissance rapide de la demande mondiale de semi-conducteurs conduit à de nombreuses innovations et améliorations en matière de coût, de vitesse et de consommation d'énergie. La réduction continue de la taille des transistors permet le développement de nouvelles applications et fonctionnalités, mais fait apparaître de nouveaux types de défauts de fabrication.Pour garantir la fabrication de produits de qualité et améliorer le rendement de production, il est nécessaire de disposer d'outils de test efficaces et de diagnostic précis. Pour permettre la manipulation des nouveaux types de défauts par les outils de test et de diagnostic, de nouvelles méthodes et de nouveaux modèles de fautes ont été inventés et développés.Les modèles de fautes Cell-Aware (CA) représentent les défauts subtils situés à l'intérieur des cellules standards utilisées pour concevoir des circuits intégrés numériques, au niveau transistor. Le test CA fournit ces modèles de fautes à un ATPG pour créer des vecteurs de test ciblant explicitement les défauts internes des cellules. Les outils de diagnostic CA utilisent les données CA pour identifier l'emplacement et le type des défauts intra-cellules, fournissant de précieuses informations pour les cellules standards les plus larges et complexesBien que devenant un standard dans l'industrie, la méthodologie CA a un surcoût de développement important et coûteux, impliquant de nombreuses simulations électriques pour caractériser les cellules standards. En raison du nombre élevé de cellules standards à caractériser et, pour chaque cellule, des nombres élevés de défauts intra-cellules potentiels et de stimuli possibles à appliquer aux entrées de la cellule, la phase de caractérisation CA représente un coût important en matière de licences de simulateur à utiliser et de puissance de calcul nécessaire. Ce manuscrit présente une méthode innovante qui utilise l'apprentissage automatique (Machine-Learning --- ML) pour réduire le temps d'exécution du test CA et faciliter son adoption par l'industrie.Des expériences utilisant différents nœuds technologiques ont démontré une réduction de plus de 99% du temps d'exécution pour 80% des cellules combinatoires. Pour assurer la génération d'un modèle CA de qualité pour toutes les cellules standards, tout en diminuant le temps de caractérisation CA, un flot hybride est proposé, mélangeant la méthode de prédiction des modèles CA basés sur l'apprentissage automatique avec la méthode conventionnelle utilisant des simulations électriques.Ce flot hybride comprend un algorithme de décision, qui tire également parti des techniques d'apprentissage automatique pour décider si la caractérisation CA d'une nouvelle cellule standard doit être basée sur des méthodes ML ou bien basée sur des simulations analogiques, permettant ainsi de réduire le temps d'exécution de la caractérisation CA tout en obtenant des modèles CA de haute qualité pour toutes les cellules. Les résultats expérimentaux ont démontré les bonnes performances du nouvel algorithme de décision. Le taux de couverture de fautes, sur des défauts intra-cellules réels, de vecteurs de test obtenus par ATPG en utilisant des modèles CA générés par les méthodes d'apprentissage automatique démontre le fait que nos données CA obtenues par prédiction peuvent efficacement remplacer celles obtenues par simulations. Ce point prouve l'efficacité et la pertinence de la méthodologie proposée.
Résumé fourni dans les métadonnées — anglais
Auteurs indexés : Pierre d’Hondt. Source : tel-04068319, version 1.
The rapid growth of worldwide semiconductors demand leads to numerous innovations and improvements in cost, speed, and power consumption.The constant shrinking of the transistors feature size allows the development of new applications and capabilities but reveals new types of manufacturing defects.Efficient test and precise diagnosis are crucial to guarantee the creation of quality products and to improve the production yield.To keep test and diagnosis in phase with the new types of defects, new methodologies and faults models have been invented and deployed.The Cell-Aware (CA) fault models abstract the subtle defects found inside the standard cells used to design digital ICs, at the transistor level.Cell-aware test uses these fault models with ATPG to create test patterns explicitly targeting cells internal defects.Cell-aware diagnosis tools use the CA data to identify the location and type of intra-cell defects, providing valuable insights in the context of large and complex standard cells.While becoming an industry standard, the CA methodology has a large and costly development overhead, involving numerous electrical simulations to characterize standard cells.Due to the high number of standard cells to be characterized, and, for each cell, the high numbers of potential intra-cell defects and cell-level patterns to consider, the CA characterization phase represents a heavy usage and cost of simulator licenses and computational power.This thesis presents an innovative flow using Machine-Learning (ML) to reduce the CA test method runtime and ease its adoption for industrial usage.Experiments using different technology nodes demonstrated an over 99% runtime reduction for 80% of combinational cells.To ensure the generation of a quality CA model for all cells, while decreasing the CA characterization time, a hybrid flow is proposed, mixing ML-based CA models prediction method with the conventional method using electrical simulations.This hybrid-flow includes a decision algorithm, which leverage ML techniques to decide whether the CA characterization of a new standard cell should be ML-based or simulation-based, thus allowing to decrease the CA characterization runtime while maintaining high quality CA models for all cells.Experimental results demonstrate the high performance of the new decision algorithm and the quality of the obtained CA models.The coverage of real cell-internal defects of ATPG patterns using ML-predicted CA data proves that our predicted CA data can accurately replace those obtained by running extensive analog simulations, thus proving the effectiveness and pertinence of the proposed methodology.
Les résumés restituent les métadonnées du dépôt. Pour apprécier les résultats, la méthode et les limites du travail, consultez le document et son contexte. Métadonnées HAL sous CC0.