-autrement. Les systèmes dynamiques discrets (SDD) s'intègrent dans
-cette thématique. Dans cette habilitation, nous présenterons tout
-d'abord des contributions concernant la convergence, la preuve de
-convergence et un nouveau mode opératoire de tels systèmes. Nous
-présenterons ensuite un ensemble de contributions autour des
-fonctions dont les itérations peuvent être
-chaotiques. Particulièrement, nous présentons plusieurs méthodes
-permettant d'obtenir de telles fonctions, dont une basée sur les codes
-de Gray, permettant d'obtenir en plus une chaîne de Markov doublement
-stochastique. Cette dernière méthode nous a permis notamment
-d'obtenir un grand ensemble de générateurs de nombres
-pseudo-aléatoires (PRNG). Des contributions théoriques et pratiques
-autour de ces PRNGs seront présentées. La thématique de masquage
-d'information (déjà présente) a été renforcée et des contributions sur
-ce sujet seront présentées. Des instances de ces algorithmes sont
-formalisés en sélectionnant les fonctions à itérer pour garantir une
-robustesse élevée. Finalement, nous montrons qu'on peut construire
-de nouvelles fonctions de distorsion utilisables
-en masquage d'information à l'aide de
-méthodes d'analyse par gradient mais discret cette fois encore.
-
-
-}
+autrement. Les systèmes dynamiques discrets s'intègrent dans cette
+thématique. Dans cette habilitation, nous montrerons tout d'abord des
+contributions concernant la convergence, la preuve de convergence et
+un nouveau mode opératoire de tels systèmes. Nous présenterons
+ensuite un ensemble d'avancées autour des fonctions dont les
+itérations peuvent être chaotiques. Particulièrement, plusieurs
+méthodes permettant d'obtenir de telles fonctions seront proposées,
+dont une basée sur les codes de Gray, permettant d'avoir en plus une
+chaîne de Markov doublement stochastique. Cette dernière méthode nous
+permettra notamment d'engendrer une grande famille de générateurs de
+nombres pseudo-aléatoires (PRNG). Des contributions théoriques et
+pratiques autour de ces PRNGs seront mises en avant. La thématique de
+masquage d'information (déjà présente dans l'équipe) a été renforcée
+et des avancées significatives sur ce sujet seront présentées. Des
+instances de ces algorithmes seront formalisées en sélectionnant les
+fonctions à itérer pour garantir une robustesse élevée. Finalement,
+nous montrerons qu'on peut construire de nouvelles fonctions de
+distorsion utilisables en masquage d'information à l'aide de méthodes
+d'analyse par gradient mais discret cette fois encore.
+
+ }
