Séminaire de mathématiques appliquées (archives)

Les modèles d'urnes (Polya, Friedman) sont bien connus pour être au fondement de nombreuses applications, comme par exemple le design d'essais cliniques. Les algorithmes de descente de gradient sont essentiels à de nombreuses méthodes en analyse de données et apprentissage statistique. Ces deux types de dynamiques aléatoires, de type algorithme stochastique, possèdent une importante caractéristique de renforcement dont nous étudierons l'effet dans le cadre de différentes familles de systèmes en interaction. Nous présenterons différents théorèmes limites en temps long. En particulier, seront présentés des résultats de type synchronisation, au sens où, à taille de système finie, une limite temporelle presque sûre commune apparaît. Cette limite peut être déterministe ou aléatoire selon le type de renforcement. Les fluctuations à cette limite seront considérées à travers un résultat de type théorème central limite fonctionnel. Les résultats sont fondés sur un article avec I. Crimaldi, P. Dai Pra, et I.G. Minelli, Stoc. Proc. Appl. 2019.

Determinantal point processes are used to model the repulsion in certain sets of points. They capture negative correlations: the more similar two points are, the less likely they are to be sampled simultaneously. Therefore, these processes tend to generate sets of diverse or distant points. Unlike other repulsive processes, these have the advantage of being entirely determined by their kernel and there are exact algorithms to sample them. During this presentation, I will present the determinantal point processes in a general discrete framework and then in the one of the images: a 2D framework, stationary and periodic. We have studied the repulsion properties of such processes, in particular by using shot noise models, properties that are interesting for synthesizing microtextures. I will also present how the determinantal processes can be applied to the sub-sampling of an image in the patch space.

La propagation de bactéries E. Coli peut être modélisée par une équation cinétique, considérée dans un régime hyperbolique. Sous ce scaling, on peut montrer que le régime asymptotique est gouverné par une équation de Hamilton-Jacobi. L'analyse numérique des équations cinétiques est compliquée par l'apparition de termes raides lorsqu'on s'approche des régimes asymptotiques. Les schémas Asymptotic Preserving (AP) permettent de s'affranchir de ces problèmes, puisqu'ils assurent la stabilité du schéma le long de la transition vers les régimes asymptotiques. Après avoir rappelé brièvement le modèle et les particularités de l'asymptotique considérée, je présenterai la construction d'un schéma AP pour ce cadre dans lequel le problème considéré est non-linéaire.

Les processus max-stables jouent un rôle fondamental dans la modélisation spatiale des événements rares, e.g., inondations, vagues de chaleur… Dans cet exposé nous allons (re)partir de zéro en nous intéressant à leurs représentations spectrales ; représentation qui n’est rien de plus qu'une construction probabiliste simple de cette classe de processus. Par la suite, nous nous intéresserons à la structure particulière induite par cette représentation spectrale, ce qui nous permettra de parler de la difficulté de simuler (conditionnellement) ces processus, d’introduire des mesures (spatiales) de dépendance adaptées mais aussi d’inférence.

Ce travail a été réalisé en collaboration avec Giacomo Dimarco (Université de Ferrara) Raphael Loubère (CNRS, Université de Bordeaux) et Victor Michel-Dansac (Insa Toulouse).

Je présenterai un schéma Volumes finis implicite-explicite du second ordre pour le système d'Euler isentropique dans la limite bas Mach. Le schéma proposé est asymptotiquement stable avec une CFL indépendante du nombre de Mach. De plus il dégénère à la limite en une discrétisation consistante d'Euler incompressible.

L'objectif de cet exposé est de me présenter à l'ensemble du laboratoire. Etant géostatisticien dans une UMR dédiée aux écosystème marins, mon activité récurrente concerne la cartographie. Dans ce cadre, j'aborderai très succinctement les sujets qui m'intéressent actuellement qui ont trait aux approches spatio-temporelles, aux approches SPDE (Stochastic Partial Differential Equation) et à la cartographie des indices de biodiversité par simulations conditionnelles.

Le cœur de mon exposé concernera l'analyse de trajectoires de navires par méthodes HMM (avec inférence par algorithme EM dont nous avons testé la robustesse par simulation-estimation). Ces analyses basées sur des trajectoires individuelles s'ouvrent aujourd'hui à des approches par modèles graphiques pour comprendre les interactions qui se dégagent au sein de flottilles de navires.

En fin d'exposé, j'évoquerai une recherche que je souhaiterais développer autour de la théorie de la Relativité d'Echelle (Laurent Nottale). C'est un thème de recherche pour lequel des collaborations avec des spécialistes de physique-statistique ou des mathématiciens pourraient "probablement" se développer ...

Multiscale coupling of nonlinear distributed and lumped fluid flow models is often necessary when modeling complex biological vascular systems. When interested in studying in details a specific segment of the vasculature, usually, to reduce simulations costs, a distributed partial differential equations (PDEs) model is used to simulate the segment of interest, while the rest of the vasculature is approximated using a lumped ordinary differential equations (ODEs) model. We propose a new splitting approach to numerically solve this multiscale problem in an efficient, accurate and affordable manner. The main novelty of the splitting scheme is that it ensures that the energy of the semi-discrete problem mirrors the behavior of the energy of the fully coupled problem. As a result, unconditional stability with respect to the time step choice is ensured without the need of sub-iterating between PDE and ODE sub-steps. We next illustrate the capabilities of this framework by applying it to the development of a multiscale model describing the coupled dynamics of different biofluids in the brain and in the eye.