Exemples de projets en GMM5

Exemples de projets GMM5 en 2016-2017 :

Quelques résumés des projets choisis en GMM5, options MMS et MMN, en 2016 sont disponibles ici

• Measurement of Kinematic Fields [option MMN]

Digital Image Correlation (DIC) is a widespread image analysis technique used mainly in structural or bio-mechanics to compute point-wise displacement fields between images taken at different times. Its 3D version, Digital Volume Correlation (DVC), has proven useful in biomedical imaging. However, bad texturing of the 3D images results in very ill-posed problems requiring advanced regularization. In this report, two particular correlation techniques are investigated : an incremental DVC and a Spatiotemporal DIC (ST-DIC). Tests on both methods show promising results. 

• Temperature prediction by aggregation of experts [option MMS]

Météo-France uses a broad range of methods to provide temperature predictions. Most of them are deterministic models based on physical equations. Since their forecasts are biased, some statistical models are calibrated in order to compute a statistical forecast based on these deterministic outputs. Each of these models can produce different predictions. In order to find the best output, the idea is to create an online aggregation of these predictors (denoted as experts). Several aggregation methods are computed ans compared with statistical models in a sequential context. Bern- stein online aggregation rule seems to overcome the others even if statistical methods are giving satisfying results and could be enhanced with larger data sets. 

Exemples de projets GMM5 en 2015-2016 :

Quelques résumés des projets choisis en GMM5, options MMS et MMN, en 2015 sont disponibles ici

• Risk measures and backward stochastic differential equations [option MMS]
  

Le risque est la quantification de la réalisation de différents évènements. Dans le domaine de la finance que 

nous touchons aujourd’hui, nous définirons le risque comme la possibilité de perdre de l’argent au cours d’une action financière. Nous souhaitons alors le mesurer à travers des mesures de risques. En particulier, on s’intéressera aux mesures de risque qui sont entièrement définies à travers la solution d’une équation différentielle stochastique rétrograde (EDSR). En effet, l’avantage d’une formulation mettant en oeuvre une équation est de permettre une approximation numérique de la solution. Ces équations sont définies par un couple d’entrées (une condition terminale Ξ et un générateur f) et leur solution est un couple de variables aléatoires (Y,Z). La mesure de risque sera alors Y (0) que nous simulerons grâce au langage Python. 

• Prediction of nuclear glass viscosity [option MMS]

Les centrales nucléaires produisent des déchets nucléaires dont leurs émissions radioactive et chimique peuvent être nocives pour les êtres vivants. L’une des méthodes employées est de contenir ces déchets nucléaires dans du verre, appelé verre nucléaire. Suivant la viscosité de ce dernier, les déchets sont plus ou moins bien emprisonnés. L’objectif de ce projet était de réaliser un modèle prédictif de la viscosité du verre nucléaire, basé sur sa composition moléculaire. La modélisation qui est apparue comme étant la plus adaptée à ce problème est la régression quadratique. 

• Débruitage d'images Pléiades [option MMN]

Le projet intitulé "Débruitage d’images Pléiades" a été réalisé en collaboration avec le C.N.E.S. Nous avons étudié des algorithmes de débruitage d’images publiés par le site web IPOL (Image Processing OnLine journal). En effet, le C.N.E.S utilise actuellement l’algorithme Non-Local Bayes et un nouvel algorithme a été pro- posé par l’IPOL en 2015 : The Noise Clinc. Nous avons mené des tests pour comparer les performances de ces deux algorithmes dans le débruitage des zones sombres d’images satellitaires. 

Exemples de projets GMM5 en 2014-2015 :

L'ensemble des résumés des projets choisis en GMM5, options MMS et MMN, en 2014 est disponible ici 

Exemples de projets GMM5 en 2013-2014 :

Liste des projets choisis en GMM5 en 2013-2014 : Liste 

• Etude sur la modélisation et la commande d'un Kite (Clara I. et Simon D., option MMN)

Face aux problèmes rencontrés par les éoliennes, qui ne peuvent fonctionner lorsque le vent est trop fort ou trop faible, les kites représentent une alternative envisageable. Ceux-ci évoluent à une altitude plus élevée (jusqu’à 1000 m), où le vent est plus fort et fiable. Ce projet porte sur la modélisation et la visualisation de la trajectoire d’un kite à l’aide de Matlab/Simulink. Une loi simple permettant au kite de suivre une trajectoire en 8 est mise en place, et l’influence de certains paramètres sur la production d’énergie est mise en évidence, ainsi que les compromis nécessaires qui s’ensuivent.

• Statistical learning for the identification of bacteria causes of pneumonias (Liang M. et Ablaye F., option MMS)

Les bactéries sont les causes les plus communes de la pneumonie, mais il n'est jamais facile de détecter les bactéries responsables. Dans ce projet nous avons étudié les données des analyses biologiques fournies par l’entreprise Dendris. Nous avons utilisé trois stratégies pour identifier les souches inconnues ou les mélanges de souches connues en utilisant des méthodes statistiques comme les forêts 

aléatoires et les réseaux de neurones.

Exemples de projets GMM5 en 2012-2013 :

Liste des projets choisis en GMM5 en 2012-2013 : Liste 

• Propagation d'incertitudes à travers les réseaux de neurones (Anna C. et Tianqi W., option MMS)

La pente d'un avion dépend de plusieurs paramètres, et doit être calculée en temps réel grâce à un modèle embarqué. La méthode la plus largement répandue est l'utilisation de réseaux de neurones artificiels. Ce projet, effectué sous la tutelle de deux ingénieurs du bureau d'études d'Airbus, a consisté à introduire la caractérisation de la propagation d'erreurs dans ces modèles. Trois techniques ont été comparées: le calcul analytique, le calcul par développement de Taylor et les techniques de Monte Carlo.

• Spatially Varying Blur Recovery (Paul E., option MMN)

Actuellement, les biologistes travaillent avec des microscopes à feuille de lumière qui leurs permettent d'observer des tumeurs en milieu de culture sans dissection. Il est donc possible de suivre l'évolution des tumeurs dans le temps. Cependant, les images issues des microscopes sont dégradées par un flou variable en espace. A l'heure actuelle, aucun outil théorique n’est en mesure de traiter de tels flous où leur réponse impulsionnelle n'est connue qu'en un petit nombre de points dans l'espace. Le but de ce projet a été d'étudier, sur des cas simples, des approximations parcimonieuses de l'opérateur intégral, modélisant le flou, dans des bases d’ondelettes. De telles approximations permettent une interpolation du flou dans l'espace afin de pouvoir restaurer les images.

• Recherche de communautés dans des réseaux (Victor M. et Brendan G., option MMS)

L'objectif de ce projet a été la recherche et la comparaison de communautés dans des réseaux (i.e la recherche de groupes de sommets fortement connectées entre eux et peu connectées aux autres groupes). Deux jeux de données ont été analysés au cours de ce projet (jeu de données Facebook et jeu de données biologiques). Différentes méthodes de classification de sommets ont été comparées sur ces deux graphes grâce au logiciel R. Des méthodes allant du recuit simulé à la classification hiérarchique en passant par des marches aléatoires.

• Suivi Lagrangien de particules dans un écoulement pulsé (Charlotte E. et Edwige S., option MMN)

Le but de notre projet portait sur la modélisation et la compréhension de l'écoulement du liquide céphalo-rachidien contenant des particules à forte inertie. Pour cela, nous avons résolu les équations de Navier-Stokes pour la fonction courant. Nous avons écrit asymptotiquement cette fonction et nous avons ainsi travaillé sur les équations associées que nous avons résolues jusqu'à l'ordre 1. Nous avons obtenu les champs de vitesse, les lignes de courant et des iso-valeurs des lignes de courant.