Mes thèmes d’intérêt

  • Apprentissage :
    • Réseaux de neurones : développement d’une méthode d’apprentissage économe et application à l’optimisation de fonctions coûteuses à évaluer.
    • SVM (Support Vector Machines) : comparaison de différentes formulations et réinterprétation dans un environnement multi-agents.

  • Optimisation :
    • Développement et étude d’un algorithme combinant méthodes de points intérieurs et techniques de quasi-Newton pour résoudre des problèmes d’optimisation fortement convexes.
    • Application et comparaison de méthodes d’optimisation rapides pour résoudre différentes formulations d’apprentissage par SVM (Support Vector Machines)
  • Commande optimale :
    • Etude numérique d’un problème de commande optimale issu d’expériences réelles menées dans le cadre de l’éco-marathon Shell.
    • Commande optimale pour la gestion d’un moteur hybride.

Plus anciens :

  • Estimation de paramètres :pendant ma thèse, estimation de paramètres (perméabilités relatives) dans un système d’EDP non linéaires, collaboration avec l’IFP (Institut Français du Pétrole).
  • Calcul formel : pendant ma thèse, écriture en MAPLE d’un générateur de gradients, utilisé pour la résolution de problèmes inverses.