Thème Métamodélisation, Optimisation Continue et Applications (MOCA)
Présentation
Ce thème, pluri-disciplinaire, concerne la gestion de modèles et leurs applications en particulier en optimisation continue. En terme de modélisation, on retrouve donc la simulation numérique de systèmes physiques et la métamodélisation sous ses deux significations:
-
La construction de modèles statistiques à partir de données entrée-sortie qui, elles même, peuvent provenir de modèles coûteux de simulation par éléments finis. Cette métamodélisation est un apprentissage supervisé utilisant une quantité limitée de données. Les méthodes d'optimisation continue utilisent souvent de tels métamodèles.
-
La production de programmes informatiques à travers la description et la manipulation de modèles. Dans ce cas, un métamodèle est un descripteur d’une classe de modèles. La notion couvre aussi les métaprogrammes qui décrivent algorithmiquement un ensemble d'instances de modèles possibles.
Ainsi, le thème Métamodélisation couvre aussi bien les aspects théoriques de l'optimisation continue, que les ``computer experiments'', ou l'implémentation et l'optimisation de codes de simulation complexes nécessitant le recours au calcul intensif. Nous proposons aussi des solutions logicielles intégrées pour des problèmes de simulation à événements discrets et nous attachons un soin particulier à la reproductibilité numérique des résultats.
Mots clés :
- Modélisation statistique
- Optimisation continue
- Calcul scientifique
- Calcul à Haute Performance
- Reproductibilité numérique
- Métaprogrammation
Actualités
Dernières Publications
Rank-based Linear-Quadratic Surrogate Assisted CMA-ES
Hassan Maatouk, Didier Rullière, Xavier Bay - 4 juin 2025
Truncated multivariate normal distribution under linear and nonlinear constraints
Soumyodeep Mukhopadhyay, Didier Rullière, Rodolphe Le Riche, Xavier Bay, Laurent Genest, David Gaudrie - 26 mai 2025
Collocation-based kriging with applications to the prediction of perfect flows
Hassan Maatouk, Didier Rullière, Xavier Bay - 24 mai 2025
Efficient Bayesian Linear Models for a Large Number of Observations
Armel Soubeiga, Violaine Antoine, Sylvain Moreno - 9 mai 2025
Comparative analysis of multidimensional sequential trajectories clustering methods
Anis Fradi, Tien-Tam Tran, Chafik Samir - 7 avril 2025
Decomposed Gaussian Processes for Efficient Regression Models with Low Complexity
Entropy
Didier Rullière, Marc Grossouvre - 2 avril 2025
Some considerations on Kriging, Constraints and Classification
Journées de statistique et optimisation en Occitanie (JS2O)
Achref Ouni, Chafik Samir, Yousef Bouaziz, Anis Fradi - 26 février 2025
ConvKAN: Towards Robust, High-Performance and Interpretable Image Classification
20th International Conference on Computer Vision Theory and Applications
Maxime Chareyre, Pierre Fournier, Julien Moras, Jean-Marc Bourinet, Youcef Mezouar - 24 février 2025
Unsupervised Discovery of Objects Physical Properties Through Maximum Entropy Reinforcement Learning
IEEE Robotics and Automation Letters
Hassan Maatouk, Didier Rullière, Xavier Bay - 17 février 2025
Efficient constrained Gaussian process approximation using elliptical slice sampling
Toutes les publis se trouvent ici
Equipe
Responsables
- KOKO Jonas - Mail
- HILL David - Mail
Enseignants-Chercheurs
- AH-PINE Julien
- BACHELET Bruno
- BAY Xavier
- BOURINET Jean Marc
- CHICOISNE Renaud
- HILL David
- KOKO Jonas
- MAZEL Claude
- RULLIERE Didier
- SAMIR Chafik
- YON Loïc