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
A New Metric for Measuring the Intrinsic Quality in Data Collected for Quantitative Classification
Lecture Notes in Artificial Intelligence
Armel Soubeiga, Violaine Antoine, Alice Corteval, Nicolas Kerckhove, Sylvain Moreno, Issam Falih, Jules Phalip - 1 janvier 2025
Clustering and Interpretation of time-series trajectories of chronic pain using evidential c-means
Expert Systems with Applications
Benoît Albert, Violaine Antoine, Jonas Koko - 1 janvier 2025
ECM+: An improved evidential c-means with adaptive distance
Fuzzy Sets and Systems
Alexis Chartrain, Gilles Dessagne, Noël Haddad, David R.C. Hill - 17 novembre 2024
Linking Digital Twin Design and Ontologies with Model-Driven Engineering: Application to Railway Infrastructure
16th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management (IC3K '24) - Special Session on Ontologies for Digital Twin (DTO '24)
Benjamin Antunes - 14 novembre 2024
Calcul à hautes performances : Reproductibilité et répétabilité des résultats numériques et des mesures de performances
David Hill, Benjamin A. Antunes, Anthony Bertrand, Engelbert Mephu Nguifo, Loïc Yon, Jeanne Nautré-Domanski, Antoine Violaine - 23 octobre 2024
Machine learning and reproducibility impact of random numbers
38th European Simulation and Modelling Conference (ESM)
Rui Shibasaki, Mourad Baïou, Francisco Barahona, Philippe Mahey, Maurício de Souza - 22 octobre 2024
Volume-Based Branch-and-Cut Algorithm for Large-Scale Fixed-Charge Multicommodity Network Design
Annals of Operations Research
Lucas Brunel, Mathieu Balesdent, Loïc Brevault, Rodolphe Le Riche, Bruno Sudret - 9 octobre 2024
A survey on multi-fidelity surrogates for simulators with functional outputs: unified framework and benchmark
Marc Grossouvre - 8 octobre 2024
Évaluation de la performance énergétique du parc bâti à fine échelle dans une optique de massification des travaux et d’atteinte des objectifs nationaux
Armel Soubeiga, Violaine Antoine, Sylvain Moreno - 6 octobre 2024
Multi-View Relational Evidential C-Medoid Clustering with Adaptive Weighted
2024 IEEE 11th International Conference on Data Science and Advanced Analytics (DSAA)
Toutes les publis se trouvent ici
Equipe
Responsables
- KOKO Jonas - Mail
- HILL David - Mail