Doctorants

We study a model of random permutations, which we call random standardized permutations, based on a sequence of i.i.d. discrete random variables. This model generalizes others, such as the riffle-shuffle and the major-index-biased permutations. We first establish an exact result on the joint distribution of the number of cycles of given lengths, involving the notion of primitive words. Thanks to this result obtained via combinatorial methods, we obtain convergence in distribution as the size of the permutation tends to infinity . This talk will be an opportunity to introduce (or recall) the method of moments, a very useful tool for proving convergence in distribution, particularly for combinatorial objects. We will present a few limit results on the distribution of « small » and « large » cycles of the permutation, as well as on the total number of cycles.

TBA

Les images numérisées sont généralement dégradées suite au processus d’acquisition ou de transmission. Quand la précision est cruciale, par exemple pour établir un diagnostique médical, il est préférable de filtrer ce bruit.

L’exposé porte sur un algorithme de filtrage du bruit reposant sur la dualité (Chambolle, 2004). L’information est extraite en minimisant une fonction construite afin de filtrer le bruit sans trop compromettre la netteté des contours de l’image sous-jacente.

Après avoir introduit la modélisation des images, la discussion s’articulera autour de trois outils : la variation totale, la conjuguée convexe et les sous-gradients. L’objectif est d’expliquer comment ils peuvent offrir un point de vue fructueux sur un problème d’optimisation. Si vous n’êtes pas convaincus, on me dit dans l’oreillette qu’il y aura moultes illustrations et animations !

Dans cet exposé nous regarderons l’apparition de la fonction exponentielle dans les ouvrages de Cauchy et discuterons, textes historiques à l’appui des critères de Cauchy, D’Alembert et d’Hadamard. Ce sera l’occasion de regarder quelques démonstrations d’analyse du 18-19ième siècle. La fonction exponentielle sera caractérisée via sa propriété de morphisme continu, comme l’a fait Cauchy dans son « Cours d’Analyse de l’Ecole Royale Polytechnique » paru en 1821. Son développement en série entière sera mis en lumière également par des textes d’époque. La suite de l’exposé est de constater l’émergence de la série exponentielle dans le contexte matriciel, puis dans le contexte des algèbres de Banach.  Dans la première moitié du 20-ième siècle, la norme matricielle de Frobenius,  sous-multiplicative, joue un rôle catalyseur poussant les mathématiciens comme Nagumo, Yosida, D.S. Nathan… puis Gelfand à étudier des structures algébriques générales – des C-algèbres (unitaires) – munies d’une norme sous-multiplicative rendant complet l’espace vectoriel sous-jacent : c’est l’émergence de l’étude des anneaux normés complets, connus aujourd’hui sous le nom d’algèbres de Banach. Toujours sous le prisme d’articles d’époque, nous donnerons quelques formules bien connues sur l’exponentielle, les sous-groupes à un paramètres fortement continus, et terminerons par la formule de Lie-Trotter dans le contexte des algèbres de Banach.

Les systèmes de Prony sont apparus dans de nombreux articles scientifiques issus de différents domaines sans que leur résolution ne devienne un classique en calcul scientifique. Cet exposé vise à mettre en avant ces systèmes en donnant deux applications (l’une en introduction pour motiver leur étude et l’autre en ouverture à la fin de l’exposé) ainsi qu’une étude de leurs principales propriétés. Un bon niveau licence est suffisant pour mener (et, je l’espère, apprécier) cette dernière. Des éléments de résolution numérique seront également présentés.

L’analyse topologique des données (Topological Data Analysis : TDA) est un domaine à l’intersection de la statistique et de la topologie algébrique qui a émergé au début des années 2000.

L’objectif est de tirer de nouvelles informations dans les données, en s’intéressant à des aspects géométriques et topologiques dans leur structure. Le cadre usuel consiste à étudier la structure d’un nuage de points, c’est-à-dire un ensemble de points dans un espace métrique, et un des outils le plus utilisé pour cela est ce qu’on appelle l’homologie persistante.

Dans cet exposé nous commencerons par introduire de manière pédagogique l’homologie persistante, puis nous discuterons de ces applications possibles dans un problème de neurosciences.

Cet exposé tourne autour de trois problèmes distincts mais fortement reliés. Tout d’abord, l’étude de la limite hydrodynamique de systèmes de particule soumises à des dynamiques de branchement et de sélection, qui est la question centrale que je me suis posée pendant ma thèse.

Ensuite, les équations de réaction-diffusion faisant intervenir une frontière libre contrôlant la masse totale, connus depuis une vingtaine d’année pour être reliés aux systèmes de particule en interactions.

Et enfin, le problème inverse du premier temps de passage pour un processus markovien, que l’on peut interpréter comme une reformulation probabiliste des problèmes à frontière libre.

Mon but sera de vous présenter ces trois problèmes et de vous expliquer l’état de la littérature sur ce qui les relient.

A first simplification of the gene expression mechanism considers that a gene is transcribed into messenger RNA, which in turn is translated into protein. Single-cell data have revealed the presence of biological variability between cells of identical genome and environment, highlighting not only epigenetic aspects but also the stochastic nature of gene expression.

In the context of regulatory networks underlying cell states and types, we need to build a model that takes into account both stochasticity and the interaction of genes with each other. Here we focus on a dynamical model of gene expression, formulated as a piecewise-deterministic Markov process (PDMP) and describing an arbitrary number of interacting genes. This stochastic model is able to reproduce the biological variability measured experimentally, but remains mathematically complex and difficult to study. This is why, in the litterature, a simplified model with only proteins is considered. 

During this talk, we provide insights on construction and use of semigroups and infinitesimal generators for PDMPs. Afterwards we present both models and use coupling methods to explicitly upper bound the error made when substituting the full model with its simplified version.