| Accueil | Membres | Docteurs | Publications | Projets | Réalisations | Séminaires | Offres d'emplois | Intranet |
- ALBERT Clément (MISTIS) : Limite de crédibilité d'extrapolation par des lois de valeurs extrêmes. [slides.pdf]
La prédétermination des pluies et des débits est une étape primordiale dans la gestion des risques hydrologiques puisqu'elle permet le dimensionnement des ouvrages EDF (barrages, centrales nucléaires...) aux agressions météorologiques. Cette prédétermination repose sur le fait de pouvoir calculer des niveaux extrêmes (centennaux, millénaux) ou bien des probabilités de dépassement de seuils extrêmes. Les modélisations par des lois de valeurs extrêmes constituent donc un outil puissant pour le calcul de tels évènements. Par ailleurs, l'augmentation de la robustesse dans l'estimation des niveaux extrêmes permet de mieux définir les valeurs de dimensionnement et ainsi de limiter l'empilement des marges prises sans véritable justification vis-à-vis des phénomènes physiques mis en jeu. Les niveaux extrêmes dépendant des paramètres des lois de valeurs extrêmes utilisées, il est très important de pouvoir quantifier la sensibilité de ces derniers et de déterminer des intervalles de confiance afin de rendre plus robustes les prises de décision.
- BENELMADANI Djihad (IPS) : Plans d'échantillonnage pour l'estimation non-paramétrique de la fonction de régression pour des données dépendantes.
- MAZOYER Adrien (SVH) : Modèles de mutations, étude probabiliste et estimation paramétrique. [slides.pdf]
- OLIVIER Brice (MISTIS) : Joint analysis of eye-movements and electroencephalograms using coupled hidden Markov and topic models. [slides.pdf]
- RAHIER Thibaud (MISTIS) : Probabilistic graphical models for metada and time series. [slides.pdf]
- REIS Valentin (MOAIS) : Reinforcement Learning for large state spaces and varying actions sets, a robust approach, application to scheduling in High Performance Computing. [slides.pdf]
One of the main challenges in High Performance Computing (HPC) is resource and job management. When trying to allocate jobs to machines, one faces not only the computational hardness of an online scheduling problem, but also the uncertainty of its many parameters. We restrain this sequential decision problem to a known set of heuristics (the class of EASY-backfill policies), and show how to use ideas from reinforcement learning and preference learning to choose an efficient adaptative policy in this class. In doing so, we leverage the existence of fine-tuned HPC simulators that can replay workload traces.
- RODESCH Pierre-Antoine (MISTIS) : Méthodes statistiques de reconstruction pour la tomographie à partir de détecteurs spectraux. [slides.pdf]
La tomographie à rayons X (CT) est une technique bien maitrisée qui fournit des informations volumiques sur l'objet examiné. Les avancées des détecteurs semi-conducteurs spectrométriques permettent une évolution de cette technique. Le laboratoire LDET du CEA-LETI a une grande expérience dans le développement de tels détecteurs et des traitements associés. L'objectif de cette thèse en traitement d'images ou mathématiques appliquées est de développer des méthodes pour exploiter les données spectrales acquises en géométrie scanner, qui sont riches en information, mais bruitées et partiellement redondantes. Un algorithme de reconstruction spécifique sera développé, en particulier les approches statistiques seront envisagées, utilisant l'a priori disponible (physique, modèle du détecteur). Seront considérés en particulier des systèmes tomographiques hybrides : pixels différents, modes de fonctionnement différents d'un même pixel.
La demi-journée a lieu à 14h dans la salle 1 de la tour IRMA, 51 rue des Mathématiques sur le campus. Elle est ouverte à tous.