Séminaire de mathématiques appliquées (archives)

In this talk, I will consider a nonlocal version of the Shigesada-Kawazaki-Teramoto (SKT) cross-diffusion system, which arises in population dynamics. This system has entropy dissipation properties on which one can rely to design a robust and convergent numerical scheme for its numerical simulation. In terms of numerical analysis, I will present discrete compactness techniques, entropy-dissipation estimates and a new adaptation of the so-called duality estimates for parabolic equations in Laplacian form. I will also present numerical experiments illustrating the influence of the nonlocality in the system: on convergence properties, as an approximation of the local system and on the development of diffusive instabilities. This is a joint work with Antoine Zurek (UTC).

Single-cell RNA sequencing (scRNAseq) is a high-throughput technology quantifying gene expression at the single-cell level, for thousands of cells and tens of thousands of genes. A major statistical challenge in scRNAseq data analysis is to distinguish biological information from technical noise in order to compare conditions or tissues. Differential Expression Analysis (DEA) is usually performed with univariate two-sample tests and thus does not account for the multivariate aspect of scRNAseq data that carries information about gene dependencies and underlying regulatory networks and pathways. Applying multivariate two-sample tests would allow to perform Differential Transcriptome Analysis (DTA), to assess for the global similarity of the compared datasets.

We consider a one-dimensional simple random walk killed by quenched soft obstacles. The position of the obstacles is drawn according to a renewal process with a power-law increment distribution. In a previous work, we computed the large-time asymptotics of the quenched survival probability. In the present work we continue our study by describing the behaviour of the random walk conditioned to survive. We prove that with large probability, the walk quickly reaches a unique time-dependent optimal gap that is free from obstacle and gets localized there. We actually establish a dichotomy. If the renewal tail exponent is smaller than one then the walk hits the optimal gap and spends all of its remaining time inside, up to finitely many visits to the bottom of the gap.

L’optimisation stochastique englobe des méthodes permettant de minimiser une fonction de coût avec un caractère aléatoire, problème qui intervient souvent en machine learning et en particulier dans l’entraînement des réseaux de neurones. L'exemple le plus connu et le plus étudié d'une telle méthode est l'algorithme de la descente du gradient introduit par Robbins et Monro en 1951. Les algorithmes dits adaptatifs sont des extensions de cette descente de gradient stochastique classique qui visent à améliorer ses propriétés de convergence en déterminant automatiquement à chaque étape le taux d’apprentissage. Dans cette présentation on s’intéressera au comportement asymptotique des algorithmes de type RmsProp et Adagrad quand la fonction de coût est non-convexe.

TBA

Abstract

Les solutions des systèmes hyperboliques contiennent des discontinuités. Ces solutions faibles vérifient non seulement les EDP de départ, mais aussi une inégalité d'entropie qui agit comme un critère de sélection déterminant si une discontinuité est physique ou non. Il est très important d'obtenir une version discrète de ces inégalités d'entropie lorsqu'on approxime numériquement les solutions, sans quoi le schéma est susceptible de converger vers des solutions non physiques ou pire d'être instable. Obtenir une inégalité d'entropie discrète est en général un travail difficile, souvent inatteignable pour des schémas d'ordre élevé. Dans cet exposé, je présenterai une approche où ces inégalités sont obtenues a posteriori en minimisant une fonctionnelle bien choisie.

Les équations d'Hamilton-Jacobi contrainte apparaissent comme limite de normbreux modèles d'écologie (voir Concentration in Lotka-Volterra parabolic or integral equations: a general convergence result, G. Barles, S. Mirrahimi, and B. Perthame. 2009). Il y a quelques années Hélène Hivert a proposé un schéma pour ce type d'équations et l'a récemment appliqué au cas particulier H(p)=p^2. Pour traiter le cas général, de nombreuses adaptations sont nécessaires. Après une introduction détaillée, je présenterai deux pistes d'adaptation possible et donnerai pour chacune un aperçu du schéma de preuve.

The talk will deal with the key challenge of creating prediction sets in the functional data framework. Starting from the investigation of the literature concerning this topic, we propose an innovative approach building on top of Conformal Prediction able to overcome the main drawbacks characterizing the existing approaches. We will show how the new proposed nonparametric method is able to construct finite-sample either valid or exact prediction bands under minimal distributional assumptions. Different specifications of the method will be compared in terms of efficiency in some simulated and real case scenarios.

Cette thèse s'inscrit dans le contexte du projet "e-Gait" dont l'objectif est de développer un nouvel outil de mesure basé sur l'utilisation de systèmes numériques pour quantifier les troubles de la démarche de patients atteints de maladie neurodégénative, et plus particulièrement la Sclérose En Plaques (SEP). La solution adoptée consiste à mesurer les rotations en trois dimensions de la hanche au cours de la marche à l'aide d'un système de capteurs inertiels placé à la ceinture. Ces rotations sont représentées sous la forme d'une séquence de quaternions unitaires. Des méthodes adaptées à ce type de données sont présentées pour en extraire des informations relatives à la démarche de l'individu. Un algorithme est proposé pour segmenter le signal en cycles de marche.