1. Accueil
  2. Prochaines soutenances

GILLOT NATHAN

14h00

Soutenance de thèse de NATHAN GILLOT

Modèles et algorithmes pour l'apprentissage statistique de processus ponctuels avec interactions. Application : analyse et caractérisation de données cosmologiques.

Models and algorithms for statistical learning of point processes with interactions. Application: cosmological data analysis and characterization.

Jury

Directeur de these_STOICA_Radu Stefan_Université de Lorraine
Rapporteur_COEURJOLLY_Jean-François_Laboratoire Jean Kuntzmann
Rapporteur_VAN LIESHOUT_Marie-Colette_Centrum Wiskunde & Informatica (CWI)
Examinateur_G.SORCE _Jenny_Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL)
Examinateur_COHEN_Ed_Imperial College London
Examinateur_CLAUSEL_Marianne_Université de Lorraine

école doctorale

IAEM - INFORMATIQUE - AUTOMATIQUE - ELECTRONIQUE - ELECTROTECHNIQUE - MATHEMATIQUES

Laboratoire

IECL - Institut Elie Cartan de Lorraine

Mention de diplôme

Mathématiques
Salle de conférence de l'IECL Salle de conférence de l'Institut Elie Cartan de Lorraine, Faculté des Sciences et Technologies Campus, Boulevard des Aiguillettes 54506 Vandœuvre-lès-Nancy
*

Mots clés

apprentissage statistique,processus Markov spatiaux,algorithmes stochastiques,statistique spatialisée,

Résumé de la thèse

Les relevés de décalage vers le rouge des galaxies (Redshift Survey) à grande échelle montrent que la répartition de la matière dans l'Univers n'est pas uniforme. La majorité des galaxies s'agglutinent en diverses structures telles que des murs, filaments ou clusters de galaxies et font émerger de larges zones de vide cosmique.

Keywords

stochastic algorithms,spatial statistics,statistical learning,spatial Markov processes,

Abstract

Large-scale redshift surveys of galaxies show that the distribution of matter in the Universe is not uniform. The majority of galaxies clump together in various structures such as walls, filaments or galaxy clusters, giving rise to large areas of cosmic emptiness. The geometric and topological plurality of the cosmic web, as well as the size of the data sets, suggest an approach based on probabilities and statistics. This work, motivated by the richness of this type of data, proposes to explore the modelling of galaxy distribution using Gibbs point processes.
Liste de toutes les soutenances