Accueil

webTV

Lecture

Conférence éthique et intelligence artificielle : Elise Berlinski

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Carlos Adrian Correa Florez, MINES ParisTech PhD, PERSEE center

Lecture

Certificat exécutif : digital native, 3 questions à...

Lecture

Lancement de la Chaire industrielle ANR TOPAZE

+ TOUS

contact

Retrouvez nos coordonnées
sur la page
Informations pratiques

Actualité de la délégation de Fontainebleau

Retrouvez toutes les actualités et faits marquants ...

Formation

Entreprise

Recherche

26/10/2020

Mike Pereira, docteur MINES ParisTech, sur le podium !

En finale du prix de thèse de l'AMIES pour ses travaux en géostatistique

Mike Pereira, docteur MINES ParisTech, sur le podium !Félicitations à Mike et à son encadrement de recherche !

Son travail de thèse lui a permis de participer à la finale du prix 2020 de la meilleure thèse de l'AMIES (Agence pour les mathématiques en interaction avec l'entreprise et la société) qui récompense les travaux de mathématiques destinés à l’entreprise.

Au côté de deux autres jeunes docteurs, Mike Pereira a fait une présentation de sa recherche intitulée « Generalized random fields on Riemannian manifolds : theory and practice. Signal and Image processing », diffusée, en direct sur Youtube, le 22 octobre 2020.

Sa thèse CIFRE a été encadrée au Centre de Géosciences de MINES ParisTech par Nicolas Desassis et Hans Wackernagel et elle a été soutenue le 28 novembre 2019. Elle a été réalisée en partenariat avec la société ESTIMAGES.

Résumé de cette recherche

La géostatistique est la branche des statistiques s’intéressant à la modélisation des phénomènes ancrés dans l’espace au travers de modèles probabilistes. En particulier, le phénomène en question est décrit par un champ aléatoire (généralement gaussien) et les données observées sont considérées comme résultant d’une réalisation particulière de ce champ aléatoire. Afin de faciliter la modélisation et les traitements géostatistiques qui en découlent, il est d’usage de supposer ce champ comme stationnaire et donc de supposer que la structuration spatiale des données se répète dans le domaine d’étude. Cependant, lorsqu’on travaille avec des jeux de données spatialisées complexes, cette hypothèse devient inadaptée. En effet, comment définir cette notion de stationnarité lorsque les données sont indexées sur des domaines non euclidiens (comme des sphères ou autres surfaces lisses) ? Quid également du cas où les données présentent structuration spatiale qui change manifestement d’un endroit à l’autre du domaine d’étude ? En outre, opter pour des modèles plus complexes, lorsque cela est possible, s’accompagne en général d’une augmentation drastique des coûts opérationnels (calcul et mémoire), fermant alors la porte à leur application à de grands jeux de données. Dans ce travail, nous proposons une solution à ces problèmes s’appuyant sur la définition de champs aléatoires généralisés sur des variétés riemanniennes. D’une part, travailler avec des champs aléatoires généralisés permet d’étendre naturellement des travaux récents s’attachant à tirer parti d’une caractérisation des champs aléatoires utilisés en géostatistique comme des solutions d’équations aux dérivées partielles stochastiques. D’autre part, travailler sur des variétés riemanniennes permet à la fois de définir des champs sur des domaines qui ne sont que localement euclidiens, et sur des domaines vus comme déformés localement (ouvrant donc la porte à la prise en compte du cas non stationnaire). Ces champs généralisés sont ensuite discrétisés en utilisant une approche par éléments finis, et nous en donnons une formule analytique pour une large classe de champs généralisés englobant les champs généralement utilisés dans les applications. Enfin, afin de résoudre le problème du passage à l’échelle pour les grands jeux de données, nous proposons des algorithmes inspirés du traitement du signal sur graphe permettant la simulation, la prédiction et l’inférence de ces champs par des approches "matrix-free".

> Retrouver sa thèse (en anglais) sur la base Pastel

 

M. Pereira PhD MINES ParisTech sur le podium - MINES ParisTech

Actualité de la délégation de Fontainebleau - MINES ParisTech
Partager

actualité

Le Rapport d'activité 2020 est en ligne

Formation Le Rapport d'activité 2020 est en ligne Image de couverture du RA 2020, inspirée par des recherches du…
> En savoir +

Une santé de fer !<br>
Minéraux et santé, de l'Antiquité à nos jours

Formation Une santé de fer ! Minéraux et santé, de l'Antiquité à… Oeuvre originale d'Alice Besson-Léaud et Constance de…
> En savoir +

Pourquoi éclipser le solaire ?

Formation Pourquoi éclipser le solaire ? Philippe Blanc : « rétablir certaines vérités sur le…
> En savoir +

DigiTraining lance un appel aux musées européens

International DigiTraining lance un appel aux musées européens DigiTraining veut mettre les nouvelles technologies au…
> En savoir +

EcorcAir et les platanes du Quartier latin

Formation EcorcAir et les platanes du Quartier latin Prélèvement d'écorces de platane par Christine Franke, pilote du…
> En savoir +

Rentrée 2021 du MS MSIT (Mines - Dauphine)

Formation Rentrée 2021 du MS MSIT (Mines - Dauphine) 2o ans d'expérience et un nouveau départ pour le MS…
> En savoir +

+ Toutes les actualités

agenda

Le 30 septembre 2021 Scénarios d'une France « renouvelable »

Le 23 septembre 2021 Poésie des pierres

Du 15 septembre au 14 octobre 2021 Festival Musique aux Mines

Du 20 juillet 2021 au 3 janvier 2022 Rentrée 2021 - 2022

+ Tous les événements

Plan du site
Contacts Mentions légales efil.fr © 2014 MINES ParisTech