- Présentation
- Publications HAL
- Rapports d'activité
Equipe de recherche MISTIS
Modélisation et Inférence de phenomenes aléatoires complexes et structures
- Responsable : Florence Forbes
- Type : Équipe-projet
- Centre(s) de recherche : Grenoble
- Domaine : Mathématiques appliquées, calcul et simulation
- Thème : Optimisation, apprentissage et méthodes statistiques
- Université Joseph Fourier (Grenoble), Institut polytechnique de Grenoble, CNRS, Laboratoire Jean Kuntzmann (LJK) (UMR5224)
Présentation de l'équipe
L'objectif de l'équipe-projet MISTIS est de développer des méthodes statistiques adaptées à l'étude de phénomènes, de modèles et de données complexes, avec pour orientations applicatives privilégiées le traitement d'images et de données spatiales et le domaine biomédical. Notre approche est basée sur l'introduction de la notion de structure dans les modèles et dans les données. Nous nous proposons de définir et analyser cette structure à travers les thèmes de recherche suivant : les modèles de mélange, les modèles markoviens, et les méthodes semi et non-paramétriques.Axes de recherche
Nous nous focalisons sur deux axes scientifiques :- La maîtrise de la complexité des phénomènes, des modèles et des données: par l'utilisation de modèles structurés et de méthodes permettant une interprétation aisée, par des techniques d'approximation pour les modèles à structure complexe et par sélection de modèle, et par réduction de dimension via des techniques d'analyse de données non linéaires.
- L'analyse du comportement théorique et pratique des méthodes: justification d'approximation, comportement asymptotique, vitesse de convergence.
Logiciels
Mots-clés : Modélisation et Inférence statistique Analyse d'image Traitement du signal
Equipes de recherche du même thème :
- CLASSIC - Computational Learning, Aggregation, Supervised Statistical, Inference, and Classification
- DOLPHIN - Optimisation multi-critère parallèle coopérative
- GEOSTAT - Géométrie et statistiques dans les données d'acquisition
- MODAL - MOdel for Data Analysis and Learning
- REALOPT - Reformulations et algorithmes pour l'Optimisation combinatoire
- SELECT - Sélection de modèles en apprentissage statistique
- SEQUEL - Sequential Learning
- SIERRA - Apprentissage Statistique et Parcimonie
- TAO - thème Apprentissage et Optimisation
Contact
Responsable de l'équipe
Florence Forbes
Tél: +33 4 76 61 52 50
Secrétariat
Tél: +33 4 76 61 53 34
En savoir plus
Rechercher une équipe
Par centre de recherche Inria
Inria
Inria.fr
Inria Channel

Voir aussi