Laboratoire de Mathématiques Raphaël Salem

UMR 6085 CNRS - Université de Rouen Normandie

Le modèle d'exclusion en contact faible avec des réservoirs, qui sera étudié lors de mon exposé, peut se décrire de la manière suivante:
- on place un nombre finis de réservoirs alignés à la suite,
- chaque réservoirs peut contenir au plus une particule,
- au cours du temps, les particules peuvent : changer de réservoirs, sortir de notre système ou entrer dans notre système.
Des contraintes probabilistes feront évoluer notre système au cours du temps.
L'étude de cette évolution sera le point central de l'exposé.

In the context of large samples, a small number of individuals can alter
basic statistical indicators such as the mean. It is difficult to automatically detect these
atypical individuals, and an alternative strategy is to use robust approaches. This work
focuses on the estimation of the geometric median of a random variable, which is a robust
indicator of location. In order to deal with large samples or sequentially arriving data,
online stochastic Newton algorithms for geometric median estimation are introduced and

Plusieurs applications industrielles nécessitent de décrire la dynamique de jets diphasiques. Nous retiendrons dans ce travail une principale: l’injection de carburant dans un moteur. Divers phénomènes d’instabilité conduisent à l’atomisation de la phase liquide dense dans la région proche injecteur pour former un brouillard de gouttelettes.

Le comportement en temps grand des solutions d'équations et systèmes de réaction-diffusion est généralement dicté par des solutions particulières de type front progressif. Ces fronts permettent entre autres de décrire des phénomènes d'invasion en dynamique des populations et en biologie. En général, l'existence de plusieurs états d'équilibre conduit à un profil de propagation multiple passant par plusieurs états transitoires intermédiaires avec des vitesses différentes.

Après une brève description des motivations physique concernant les phénomènes de turbulence quantique, j'exposerai les hypothèses et les limites introduites par la modélisation mathématique de l'équation de Gross-Pitaevskii dans le cas d'une géométrie annulaire. Je décrirais les différentes méthodes numériques utilisées pour le calcul de l'état fondamental, pour la simulation de la dynamique de l'équation, et pour le calcul des indices des vortex.

Dans cette présentation, j'introduirai le problème de contrôle optimal associé aux utilités dynamiques et établirai l'EDP stochastique de type HJB que doivent satisfaire de tels champs monotones et concaves. Les résultats existants dans la littérature étant insuffisants pour résoudre ce type d'équations non linéaires et posées forward dans le temps, je présenterai comment nous pouvons caractériser toutes les solutions par la méthode des caractéristiques stochastiques.

Grouping observations into homogeneous groups is a recurrent task in statistical data analysis. We consider Gaussian Mixture Models, which are the most famous parametric model-based clustering method. We propose a new robust approach for model-based clustering, which consists in a modification of the EM algorithm (more specifically, the M-step) by replacing the estimates of the mean and the variance by robust versions based on the median and the median covariation matrix.

Le but de l'exposé sera de présenter quelques concepts de dynamique « hyperbolique ». En partant d'exemples classiques (billards, décalage, application d'Arnold) on amènera la notion de « mesure physique » et on essayera de comprendre comment la construire et quelques-unes de ses propriétés. Pour rendre l'exposé concret, on présentera quelques simulations dans le cas typique d'une perturbation de l'application d'Arnold. Ceci nous amènera à aborder des notions classiques (feuilletages stables et instables, holonomie, désintégration de mesure) de façon visuelle.

In this talk, we present a posteriori estimates for finite element approximations of nonlinear elliptic problems satisfying strong-monotonicity and Lipschitz-continuity properties. These estimates include, and build on, any iterative linearization method that satisfies a few clearly identified assumptions; this includes the Picard, Newton, and Zarantonello linearizations. The estimates give a guaranteed upper bound on an augmented energy difference reliability with constant one, as well as a lower bound efficiency up to a generic constant.