Exposé

GT-PTESD20230619

Fluctuations of random lattice zonotopes and polygons

Lundi, 19 juin 2023 - 11:00 - 12:00

If we take a uniformly random lattice polygon in the square $[0,n]^2$, Bárány, Vershik and Sinai proved that the renormalized polygon converges towards a limit shape. We study the fluctuations of a random lattice polygon around that limit shape. After establishing a central limit theorem of finite-dimensional marginals of the boundary point of a lattice zonotope in any dimension, we proved a Donsker-type theorem for the boundary fluctuations, which involves a 2-dimensional Brownian bridge and a drift term that we identify as a random cubic curve.

Analyse en Composantes Principales : des données fonctionnelles aux processus ponctuels

Jeudi, 11 mai 2023 - 10:15 - 11:15

Travail en cours avec Nassim Bourarach, Victor Panaretos, Franck Picard et Vincent Rivoirard.

L’ACP fonctionnelle, en tant que méthode de visualisation, consiste à représenter des données fonctionnelles, c’est-à-dire des données qui se présentent sous forme de courbes, dans un espace de faible dimension. Cet espace de faible dimension est obtenu en diagonalisant l’opérateur de covariance associé aux données.

Asymptotic properties of AD(1, n) model and its maximum likelihood estimator

Mardi, 2 mai 2023 - 14:00 - 15:00

The work deals with the problem of global parameter estimation of affine diffusions in R_+ × R^n denoted by AD(1, n) where n is a positive integer which is a subclass of affine diffusions introduced by Duffie et al. The AD(1, n) model can be applied to the pricing of bond and stock options, which is illustrated for the Vasicek, Cox-Ingersoll-Ross and Heston models. Our first result is about the classification of AD(1, n) processes according to the subcritical, critical and supercritical cases.

A mean-field optimal control formulation of deep learning

Mardi, 11 avril 2023 - 15:00 - 16:00

Recent work linking deep neural networks and dynamical systems opened up new avenues to analyze deep learning. In particular, it is observed that new insights can be obtained by recasting deep learning as an optimal control problem on differential equations. This presentation aims to give an introduction to the topic and to present some useful results on the explainability of deep learning using optimal control theory.

Lie symmetry of partial differential equations "Longstaff Shwartz model"

Mardi, 11 avril 2023 - 14:00 - 15:00

Lie symmetries are a powerful tool to search for continuous symmetry groups in a subset of a manifold. They have many applications in the study of differential equations and partial differential equations. We will use systematically Olver's approach to determine Lie symmetries of a pde that correspond to Longstaff-Shwartz model in finance.

Grandes déviations de l'exclusion en contact faible avec des réservoirs

Mardi, 28 mars 2023 - 14:00 - 15:00

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.

Méthodes de Newton stochastiques pour l’estimation de la médiane géométrique et applications

Mardi, 6 juin 2023 - 14:00 - 15:00

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

GTEDPCS20230328

Méthodes numériques pour des modèles diphasiques multi-échelles

Mardi, 30 mai 2023 - 11:30 - 12:30

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.

GTEDPCS20230321

Fronts et terrasses de propagation

Mardi, 21 mars 2023 - 11:30 - 12:30

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.

GTEDPCS20230314

Une méthode volumes finis d'ordre élevé et préservant la positivité pour les équations de Saint Venant sans restriction sur le CFL

Mardi, 14 mars 2023 - 11:30 - 12:30
Dans cet exposé, une méthode WENO de volume fini arbitraire d'ordre élevé combinée à la méthode d'intégration temporelle de la correction différée de Patankar modifiée (mPDeC) pour les équations de Saint-Venant est présentée.

Pages