Honorine Royer soutiendra sa thèse à l' UFR Sciences et Techniques de Nantes Université, bâtiment 11 salle 3 à 16h.
Titre : "Méthodes d'apprentissage statistique mêlant approche bayésienne et deep learning".
Résumé :
Nous proposons des méthodes statistiques mêlant approche bayésienne et deep learning pour la prévision de consommation électrique individuelle. Les travaux sont réalisés en partenariat avec EDF. Deux types de méthodologies sont développées : l’une faisant usage de réseaux de neurones bayésiens et l'autre utilisant du deep learning pour de la réduction de dimension avant clustering en vue d’appliquer des modèles bayésiens plus classiques sur les clusters. Dans un premier temps, nous présentons une méthodologie d’estimation d’un modèle de régression à plusieurs sorties en grande dimension avec des réseaux de neurones. Celle-ci est appliquée à la prédiction de courbes de charges individuelles de clients non résidentiels. Dans un second temps, nous présentons une méthodologie de transfer learning bayésien adaptée à des données de panel. Nous l’appliquons à la problématique de prévision de consommation à la fin du mois de clients résidentiels en situation d’historique court, pour des clusters de clients. Ces clusters de clients sont obtenus avec des réseaux de neurones.
Since September 2020, I have been a Maître de Conférences at Nantes Université. I was previously (2014-2020) Maître de Conférence et Université Savoie Mont Blanc. My researches lie into the connexion between Probability and PDE and also focus on Numerical Probability. As an application, I am especially interested in the well posedness of stochastic system with singular/rough drift and McKean-Vlasov processes as well as their associated particle system interacting in mean field.
comments