Sites Inria

English version

Equipe de recherche IS2

Inférence statistique pour l'industrie et la santé

  • Responsable : Gilles Celeux
  • Centre(s) de recherche : CRI Grenoble - Rhône-Alpes
  • Domaine : Algorithmique, programmation, logiciels et architectures
  • Thème : Algorithmique, calcul certifié et cryptographie

Présentation de l'équipe

L'objectif du projet IS2 est d'effectuer des recherches en modelisation statistique intéressant particulièrement la fiabilite industrielle, l'analyse de durées de vie de matériels industriels, le domaine biomédical, la finance et le traitement d'images.
Ainsi les recherches ont trait à l'aide au diagnostic, l'analyse bayésienne de défaillances, des modèles de durées de séjour hospitaliers, des modèles de champs de Markov. Les méthodes privilégiées sont les modèles linéaires généralisés à effets aléatoires, les modèles à structure cachée identifiés par des algorithmes stochastiques et l'estimation adaptative, les modèles conditionnellement hétéroscédastiques pour des séries chronologiques et l'identification de systèmes dynamiques.

Axes de recherche

  • Modélisation statistique par application d'un principe de maximum d'entropie.
  • Analyse d'algorithmes de relaxation stochastique.
  • Modèles de santé publique, activité hospitalière, infections nosocomiales.
  • Aide au diagnostic médical ou industriel (fiabilité de matériel).
  • Analyse de durée de vie de systèmes complexes régis par des lois de Weibull.
  • Modèles robustes, analyse d'événements rares.
  • Méthodes de choix de modèles.
  • Modèles hétérocédastiques.
  • Modèles à effets aléatoires.
  • Modélisation non paramétrique.

Relations industrielles et internationales

  • Collaboration avec le laboratoire Timc de l'Imag pour les recherches à caractère médical.
  • Contrats avec les départements retour d'expérience et fiabilité-maintenance d'EDF-DER.
  • Collaboration avec le laboratoire de dosimétrie du CEA/Grenoble.
  • Collabaration avec le département de statistique de l'université de Washington à Seattle et l'université Humboldt de Berlin.

Mots-clés : Modèle statistique Maximum d'entropie Algorithme stochastique Modèle linéaire généralisé Statistique biomédicale Analyse de durée de vie industr

Suivez Inria