Exposé

Non-reflecting boundary conditions and domain decomposition methods for industrial flow acoustics

Jeudi, 8 décembre 2022 - 11:30

Abstract. This talk is devoted to non-overlapping Schwarz domain decomposition methods for the resolution of high frequency flow acoustics problems of industrial relevance. First, we will present recent advances on non-reflecting boundary techniques that provide local approximations to the Dirichlet-to-Neumann operator for convected and heterogeneous time-harmonic wave propagation problems.

GTEDPCS151122

Sélection / Mutations : Quelques généralisations de l'équation replicator-mutator

Mardi, 15 novembre 2022 - 11:30 - 12:30

Lors de ces dernières années, nous avons beaucoup entendu parler de mutations, de vagues épidémiques, etc. Cependant, qu'est-ce que cela signifie ? Un individu comme les virus ou les bactéries se reproduisent de façon asexuées : un parent va copier son information génétique pour donner naissance à une copie de lui-même ... mais avec des erreurs de retranscription de l'information, ce qu'on appelle des mutations. Ces mutations permettent une évolution pouvant être assez complexe d'une population.

Lissage en ligne dans les modèles de Markov caché généraux

Jeudi, 2 mars 2023 - 10:15 - 11:15

On s’intéresse au cadre général des modèles de Markov caché, c’est-à-dire un modèle où les données observées sont supposées être une variable aléatoire dont la distribution dépend d’un processus stochastique non observé, qui est supposée être markovien. On considère le cas générique où le processus caché est à valeurs réelles (en dimension quelconque), et sa densité de transition est potentiellement inconnue.

Coding convex bodies under Gaussian noise, and the Wills functional

Jeudi, 8 décembre 2022 - 10:15 - 11:15
We consider the problem of sequential probability assignment in the Gaussian setting, where the goal is to predict (or equivalently compress) a sequence of real-valued observations almost as well as the best Gaussian distribution within some convex constraint set. This can be thought of as an information-theoretic analogue of fixed-design regression.
 

Mathematical analysis and optimal control of COVID-19 model

Mardi, 25 octobre 2022 - 14:00 - 14:30

Au cours des deux dernières années, le COVID-19 et ses variants ont posé un risque accru pour la santé publique, incitant à étudier sa dynamique de transmission et à proposer une stratégie pour contrôler sa propagation. Nous proposons un modèle mathématique pour explorer la dynamique de transmission du COVID-19. Nous montrons l'existence, l'unicité et la positivité de la solution et nous estimons le nombre de reproductions de base (R0). Nous prouvons l'existence de l'équilibre sans maladie et de l'équilibre endémique.

GTEDPCS111022

Reconstruction d'écoulements gravitaires par réseaux de neurones informés par la physique

Mardi, 11 octobre 2022 - 11:30 - 12:30

Les courants de gravité sont présents dans de nombreux procédés industriels (évacuation des eaux usées, filtration de minerais, procédés alimentaires et pharmaceutiques) et écoulements naturels (transports de sédiments dans les rivières, avalanches). Ces écoulements stratifiés transportent fréquemment une phase solide en suspension qui contrˆole les propriétés moyennes de l’écoulement, comme la viscosité apparente, ce qui conduit à une dynamique riche dont l’optimisation/prédiction demeure un enjeu crucial environnemental et industriel.

Expression des gènes et réseaux de régulation : dépasser le clivage entre modèles mécanistes et statistiques

Jeudi, 1 décembre 2022 - 10:15 - 11:15

L'inférence de graphes d'interactions entre les gènes est devenue un cas d'école pour la statistique en grande dimension, tandis que les modèles décrivant l'expression des gènes au niveau moléculaire ont pris tout leur sens avec l'arrivée des données de cellules uniques. Relier ces deux approches semble aujourd'hui crucial, mais le dialogue est loin d'être évident : les modèles statistiques sont souvent jugés trop simplistes voire irréalistes, et les modèles mécanistes sont réputés difficiles à calibrer à partir de données réelles.

Pages