Séminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysique

Épisode de Sciences des données - Stéphane Mallat par Collège de France · 1 mars 2023 · 56 min

Stéphane Mallat

Collège de France

Science des données

Année 2022-2023

Modèles, information et physique statistique

Séminaire - Erwan Allys : Modélisation et séparation statistiques de composantes en astrophysique

Un des défis de l'astrophysique et de la cosmologie est d'étudier des processus non linéaires complexes à partir d'un nombre souvent limité d'observations multicomposantes. Cette tâche est rendue d'autant plus difficile que la modélisation physique de ces processus n'est pas toujours achevée, ce qui implique de ne reposer que sur les observations disponibles, sans étape d'entraînement préalable. Dans ce séminaire, on étudiera comment construire des modèles performants en basse dimension prenant en compte le caractère physique et la régularité des processus étudiés. Ces modèles de maximum d'entropie, construit à partir de représentations de type scattering transforms, peuvent être construits directement à partir des données observationnelles. On discutera ensuite comment ces outils permettent de développer de nouveaux types de séparations de composantes, permettant notamment d'estimer les statistiques, et donc de construire un modèle, de processus inconnus à partir d'observations multicomposantes.

Autres épisodes de « Sciences des données - Stéphane Mallat »

À propos du podcast

Traiter des données pour valider une hypothèse ou estimer des paramètres est longtemps resté du ressort exclusif des statistiques. Cependant, l'augmentation de leur dimension a fait exploser la combinatoire des possibles. Cette malédiction de la dimensionalité est une difficulté centrale de…

Sciences des données - Stéphane Mallat

Épisodes similaires

Tous les épisodes de Sciences des données - Stéphane Mallat · Plus de podcasts Technologie