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
Dernières Publications
Pattern matching for multivariate time series forecasting
ENBIS-24 Conference
Benjamin A. Antunes, David R.C. Hill - 1 août 2024
Reproducibility, Replicability, and Repeatability: A survey of reproducible research with a focus on high performance computing
Computer Science Review
Benjamin A. Antunes, David R.C. Hill - 15 juillet 2024
Recherche Reproductible : Comment les outils informatiques et le calcul scientifique impactent bien des disciplines
Anis Fradi, Chafik Samir, Ines Adouani - 6 juillet 2024
A New Bayesian Approach to Global Optimization on Parametrized Surfaces in $\mathbb {R}^{3}$
Journal of Optimization Theory and Applications
Julien Ah-Pine - 24 juin 2024
Contributions en science des données. Fusion d'informations, fonctions d'agrégation, mesures en clustering, variétés non linéaires et données fonctionnelles
Guillaume Perrin, Rodolphe Le Riche - 20 juin 2024
Bayesian optimization with derivatives acceleration
Workshop on Bayesian optimization & related topics
Babacar Sow, Rodolphe Le Riche, Julien Pelamatti, Merlin Keller, Sanaa Zannane - 18 juin 2024
Optimization of functions defined over sets of points in polygons with evolutionary algorithms based on Wasserstein barycenters
FGS Conference on Optimization 2024 : French German Spanish conference on optimization
Amal Omrani, Anis Fradi, Chafik Samir - 1 juin 2024
Reduced run-time and memory complexity regression with a Gaussian process prior
JDS
Alexis Chartrain, Gilles Dessagne, Noël Haddad, David R.C. Hill - 29 mai 2024
Retrospective on the Digital Twin concept and perspectives for railways: the case of SNCF Réseau
2ème Congrès Annuel de la SAGIP (SAGIP '24)
Babacar Sow, Rodolphe Le Riche, Julien Pelamatti, Merlin Keller, Sanaa Zannane - 27 mai 2024
Active learning for the optimization of functions defined over clouds of points
55es Journées de Statistique de la SFdS (JdS 2024)
Toutes les publis se trouvent ici