Laboratoire de Recherche en Informatique de Paris 6

The development of big data has generated data-intensive tasks that are usually time-consuming, with a high demand on cloud data centers for hosting big data applications. It becomes necessary to consider both data and task management to find the optimal resource allocation scheme, which is a challenging research issue. In this paper, we address the problem of online task scheduling combined with data migration and replication in order to reduce the overall response time as well as ensure that the available resources are efficiently used. We introduce a new scheduling technique, named Online Task Scheduling algorithm based on Data Migration and Data Replication (OTS-DMDR). The main objective is to efficiently assign online incoming tasks to the available servers while considering the access time of the required datasets and their replicas, the execution time of the task in different machines, and the computational power of each machine. The core idea is to achieve better data locality by performing an effective data migration while handling replicas. As a result, the overall response time of the online tasks is reduced, and the throughput is improved with enhanced machine resource utilization. To validate the performance of the proposed scheduling method, we run in-depth simulations with various scenarios and the results show that our proposed strategy performs better than the other existing approaches. In fact, it reduces the response time by 78% when compared to the First Come First Served scheduler (FCFS), by 58% compared to the Delay Scheduling, and by 46% compared to the technique of Li et al. Consequently, the present OTS-DMDR method is very effective and convenient for the problem of online task scheduling.

The spinal cord is a major structure of the central nervous system allowing, among other things, the transmission of afferent sensory and efferent motor information. During spinal surgery, such as scoliosis correction, this structure can be damaged, resulting in major neurological damage to the patient. To date, there is no direct way to monitor the oxygenation of the spinal cord intraoperatively to reflect its vitality. This is essential information that would allow surgeons to adapt their procedure in case of ischemic suffering of the spinal cord. We report the development of a specific device to monitor the functional status of biological tissues with high resolution. The device, operating with multiple wavelengths, uses Near-InfraRed Spectroscopy (NIRS) in combination with other additional sensors, including ElectroNeuroGraphy (ENG). In this paper, we focused primarily on aspects of the PhotoPlethysmoGram (PPG), emanating from four different light sources to show in real time and record biological signals from the spinal cord in transmission and reflection modes. This multispectral system was successfully tested in in vivo experiments on the spinal cord of a pig for specific medical applications.

This work outlines a practically realizable (i.e., deployable and scalable) yet novel autonomous exploration strategy for unmanned aerial vehicles (UAV), which in our case, corresponds to multi-rotor configurations. Concretely, based on a probabilistic map, UAVs are able to modify their trajectory to localize the required target in unknown areas. This is thanks to the fact that the proposed exploration strategy uses the past and the actual perceived data in order to deduce the location of the target, and a dedicated control law allows the multi-rotor to reach the desired position. To realize the strategy, we developed a hierarchical control architecture that can be embedded in multi-rotors. We show its effectiveness by computer simulations and tests using real drones, against a forest-fire localization scenario for an unknown area.

Introduction La Communauté de Patients pour la Recherche (ComPaRe) est une plateforme collaborative en ligne de recherche publique visant à accélérer la rechercher sur les maladies chroniques en offrant de nouveaux outils pour les études épidémiologiques. L’objectif de cette étude était de décrire les caractéristiques cliniques des participants atteints d’hidradénite suppurée (HS) et de les comparer aux cohortes d’HS classiques. Matériel et méthodes Il s’agit de la description des données à « baseline » de la cohorte HS nichée dans ComPaRe. Les données sont rapportées par les patients et portent sur les caractéristiques cliniques de l’HS, la qualité de vie et l’historique du traitement. Ces données ont été comparées entre 1/homme et femme et 2/selon le stade de Hurley (I versus II versus III) puis avec les données de la littérature. Résultats 319 participants atteints d’HS dont 276 femmes ont été inclus (âge moyen 38 ans). 69 (21,6 %) avaient des antécédents familiaux d’HS, 177 (55,5 %) étaient fumeurs et 194 (60,2 %) étaient en surpoids ou obèses. La plupart des participants étaient classés stade Hurley II (64,6 %) ou III (n = 65, 20,3 %). La région antérieure (pubis, seins [18,5 % contre 0 %, p = 0,002]) était plus fréquemment atteinte chez les femmes que chez les hommes contrairement à la région dorsale (39,5 % contre 10,9 %, p < 10⁻⁴). La sévérité de la maladie était significativement associée à l’obésité (19,6 % vs 34,5 % vs 52,3 %, p < 0,01) et à certaines localisations d’HS (génital [p < 0,05], pubis [p < 0,01], sein [p = 0,02] et aine [p < 10⁻⁴]). 13 (4,1 %) et 11 (3,5 %) participants ont déclaré une maladie inflammatoire chronique de l’intestin et une spondylo-arthropathie, respectivement. Les traitements les plus fréquemment prescrits étaient les antibiotiques oraux (92 %), en particulier l’amoxicilline-acide clavulanique et les cyclines. Moins de 10 % des participants ont reçu des biothérapies. La plupart de ces résultats étaient cohérents avec les cohortes déjà publiées, hormis le stade de Hurley qui était plus élevé dans notre e-cohorte. Discussion Il s’agit de la première e-cohorte avec un recrutement large et varié de patients atteint d’HS, dont les caractéristiques et associations cliniques sont similaires aux cohortes déjà publiées. Un biais d’évaluation pour le stade de Hurley est possible bien que les patients aient été guidés par des photos. Le recrutement de patients via une telle plateforme peut être source de données scientifiques pertinentes qui pourraient être utilisées pour des études épidémiologiques et pour l’évaluation thérapeutique en « vie réelle ».

Introduction L’objectif de cette étude observationnelle était d’évaluer la réponse à une association d’extraits de boswellia, curcuma, et algue rouge, trois plantes aux propriétés anti-inflammatoires et analgésiques bien connues, chez des patients souffrant de gonarthrose. Les effets ont été évalués par un arsenal de mesures centrées sur le patient (patient-reported outcome measure [PROMs]). Patients et méthodes Les patients souffrant d’une gonarthrose unilatérale ou bilatérale (radiographie < 2 ans ; stade 2 ou 3 sur l’échelle de Kellgreen ; examen clinique) ont pris une gélule de l’association par jour pendant 90 jours (jusqu’à quatre en cas de crises douloureuses). Les PROMs ont été complétés à j0 (inclusion), 10, 20, 30, 60, et 90. Les patients ont également répondu à une liste de 17 items décrivant les caractéristiques de leur douleur. Résultats Cent dix-huit patients (femmes : 69,5 % ; âge : 62,9 [9,5] ans, moyenne [ET] ; IMC : 26,4 [4,0] kg/m² ; DN4 < 4 : 90,7 %) ont été inclus et ont pris au moins une gélule. Une amélioration des symptômes a été observée au cours du temps (p < 0,0001 pour tous les PROMs) avec une réponse maximale à j90 : 64,5 % des patients étaient répondeurs (Patient Acceptable Symptomatic State [PASS] positif) ; 68,8 % et 58,4 % avaient des scores Minimal Clinically Important Improvement (MCII) et Patient Global Impression of Change (PGIC) indiquant une bonne réponse à la complémentation (score ≥ 3) et une amélioration notable de l’état de santé global (score ≥ 5) ; 73,3 % (versus 47,5 % à l’inclusion) présentaient un handicap léger à modéré (indice algofonctionnel de Lequesne < 8) ; 55,2 % présentaient une diminution significative (−30 %) de l’intensité de la douleur (EVA). La prise d’analgésiques a diminué significativement entre j0 et j90 (p < 0,0001 ; 35,1 % des patients à j90 versus 59,2 % à l’inclusion). Le temps médian avant le premier changement de PASS était de 34 jours. L’intensité de la douleur (EVA) ainsi que les items « douleur lancinante » et « douleur diffuse » étaient des facteurs prédictifs de réponse à j30. À l’inclusion, 4 clusters de patients ont été isolés selon les caractéristiques de la douleur (17 items). L’amélioration de l’état des patients était particulièrement significative dans le cluster I, patients avec des douleurs légères et sans caractéristiques spécifiques. Néanmoins, des répondeurs ont été observés dans tous les clusters, montrant l’intérêt de l’association chez des patients présentant des symptômes plus sévères. L’observance du traitement et la tolérance étaient bonnes. Conclusion Les patients atteints de gonarthrose complémentés avec l’association de boswellia, curcuma, et algue rouge testée ont présenté une amélioration significative de leur état quels que soient les caractéristiques de la douleur et leur handicap à l’inclusion. Cette prise en charge a induit une diminution de la consommation de la prise d’antalgiques. Cette étude met également en évidence l’importance de l’utilisation de PROMs et de descripteurs qualitatifs de la douleur pour une évaluation individualisée des patients.

This paper presents an efficient algorithm with performance guarantee to solve task scheduling problem on hybrid platforms with energy constraint and communication delays. The underlying platform architecture in this work is composed of two types of resources, CPU and GPU, often called hybrid parallel multicore platforms. We focus on finding a generic approach to schedule applications presented by Directed Acyclic Graph (DAG), which minimizes the makespan by considering communication delays and respecting an energy constraint. A two‐phase algorithm is proposed with a performance guarantee of 6 compared with the optimal solution; the first phase consists in solving the assignment problem to find the type of processor assigned to execute the tasks (CPU or GPU) using a linear program. In the second phase, we calculate the start execution time of each task to generate a feasible schedule. Finally, we test our algorithm on a large number of instances. These tests demonstrate that the proposed algorithm achieves a close‐to‐optimal performance.

The surging traffic volumes and dynamic user mobility patterns pose great challenges for cellular network operators to reduce operational costs and ensure service quality. Cloud Radio Access Network (C-RAN) aims to address these issues by handling traffic and mobility in a centralized manner, separating baseband units (BBUs) from base stations (RRHs) and sharing BBUs in a pool. The key problem in C-RAN optimization is to dynamically allocate BBUs and map them to RRHs under cost and quality constraints, since real-world traffic and mobility are difficult to predict, and there are enormous numbers of candidate RRH-BBU mapping schemes. In this work, we propose a data-driven framework for C-RAN optimization. Firstly, we propose a deep-learning-based Multivariate Long Short Term Memory (MuLSTM) model to capture the spatiotemporal patterns of traffic and mobility for accurate prediction. Secondly, we formulate RRH-BBU mapping with cost and quality objectives as a set partitioning problem, and propose a Resource-Constrained Label-Propagation (RCLP) algorithm to solve it. We show that the greedy RCLP algorithm is monotone suboptimal with worst-case approximation guarantee to optimal. Evaluations with real-world datasets from Ivory Coast and Senegal show that our framework achieves a BBU utilization above 85.2%, with over 82.3% of mobility events handled with high quality, outperforming the traditional and the state-of-the-art baselines.

Understanding the performance of a multi-threaded application is difficult. The threads interfere when they access the same shared resource, which slows down their execution. Unfortunately, current profiling tools report the hardware components or the synchronization primitives that saturate, but they cannot tell if the saturation is the cause of a performance bottleneck. In this paper, we propose a holistic metric able to pinpoint the blocks of code that suffer interference the most, regardless of the interference cause. Our metric uses performance variation as a universal indicator of interference problems. With an evaluation of 27 applications we show that our metric can identify interference problems caused by 6 different kinds of interference in 9 applications. We are able to easily remove 7 of the bottlenecks, which leads to a performance improvement of up to 9 times.

Compensated algorithms consist in computing the rounding errors of individual operations and then adding them later on to the computed result. This makes it possible to increase the accuracy of the computed result efficiently. Computing the rounding error of an individual operation is possible through the use of a so-called error-free transformation. In this article, we show that it is possible to use compensated algorithms for having tight interval inclusions. We study compensated algorithms for summation, dot product and polynomial evaluation. We prove that the use of directed rounding makes it possible to get narrow inclusions with compensated algorithms. This is due to the fact that error-free transformations are no more exact but still sufficiently accurate to improve the numerical quality of results.