PEPS 2 AMIES MethASIM

• Période : 2017 - 2018
• Porteur : Franz Chouly
• Partenaire : Société TexiSense de Montceau Les Mines
• Sujet : Le projet a pour objet d’implémenter et de tester des estimateurs d’erreurs pour des modèles éléments finis patient-spécifiques en biomécanique.

PEPS - Jeunes Chercheur-e-s Géométrie des espaces uniformément discrets et ses voisins

• Période : mars - décembre 2016
• Porteur : Antonin Prochazka

PEPS 2 AMIES Biorouting

Ce PEPS est lié au projet BIOSOLVER.

• Période : 1^er avril - 31 décembre 2015
• Porteur : Stéphane Chrétien
• Partenaires :
  • Institut FEMTO-ST (Jean Marc Nicod, Christophe Varnier)
  • Société FORAGE
• Sujet : Optimisation de tournées dynamiques de coursiers dans un contexte biomédical

PEPS Égalité Variétés de Kisin et multiplicités intrinsèques

Ce PEPS est lié au projet européen INTEGER.

• Période : 1^er janvier - 30 juin 2015 (6 mois)
• Porteur : Agnès David
• Partenaires :
  • IRMAR, Université Rennes 1 (Xavier Caruso)
  • Institut de Mathématiques de Jussieu - Paris Rive Gauche, Université Pierre et Marie Curie (Ariane Mézard)

PEPII Simulation et Identifiabilité de Modèles en Écologie ; relation proie-prédateur et transmission d’Echinococcus multilocularis (SIM2E)

• Période : juin 2011 - décembre 2012
• Porteurs : Antoine Perasso (Chrono-environnement), Franz Chouly
• Participants locaux : Franz Chouly, Ulrich Razafison
• Partenaires :
  • Laboratoire Chrono-Environnement (Antoine Perasso)

PEPS Interactions Mathématiques-Informatique-Ingénierie Classification non supervisée des données en grande dimension pour MIXMOD

• Période : mars 2010 - mars 2012
• Porteur : Florent Langrognet
• Partenaires :
  • Laboratoire Paul Painlevé, Lille (C. Biernacki)
  • INRIA Orsay (G. Celeux)
  • Laboratoire Heudyasic, Compiègne (G. Govaert)
• Description : MIXMOD est une librairie de calcul destinée à traiter une large gamme de problématiques de classification (supervisée, semi-supervisée, non supervisée) pour des données quantitatives ou qualitatives. Les caractéristiques des données rencontrées dans certains domaines (traitement d’images, reconnaissance automatique de caractères, de formes, …) ne permettent pas d’appliquer les algorithmes "classiques " dans de bonnes conditions (problèmes numériques, convergence lente des algorithmes, …). Dans ces situations où les individus sont représentés par plusieurs centaines (voire milliers de caractéristiques), d’autres voies doivent être envisagées pour traiter efficacement (rapidité, robustesse, précision) ces données. Ce projet vise à renforcer le travail interdisciplinaire engagé permettant de proposer des solutions innovantes et efficaces et de les intégrer dans MIXMOD.