From
Horaires à
Lieu ENS Paris-Saclay 1B26
Xavier CASSAGNOU
Des opérateurs de Koopman aux réseaux de neurones sur graphes : un cadre unifié pour la modélisation de séries temporelles structurées
Résumé
Deux axes complémentaires sont explorés. Le premier porte sur des données infrasonores monostation, pour lesquelles nous utilisons des autoencodeurs de Koopman pour modéliser et prévoir les dynamiques atmosphériques basses fréquences, et ainsi les séparer des signaux d’intérêt. Le second s’intéresse aux données sismiques multistation, en tirant parti de réseaux de neurones graphiques capables d'exploiter les relations spatiales et les caractéristiques des formes d’onde pour améliorer la caractérisation des événements, et notamment l’estimation de magnitude.
En combinant théorie des systèmes dynamiques, apprentissage profond et modèles basés sur des graphes, ce travail vise à renforcer la précision et l’interprétabilité des méthodes de traitement des réseaux de surveillance mondiaux.
Mots clés
Apprentissage automatique, Séries temporelles, Autoencodeurs de Koopman, Systèmes dynamiques, Réseaux neuronaux graphiques
Direction de thèse
- Christophe MILLET
- Mathilde MOUGEOT
Membres du jury
- Quentin BLETERY, Directeur de recherche, IRD - Géoazur, Rapporteur
- Stéphane CHRETIEN, Professeur, Université Lumière Lyon 2, Rapporteur
- Aurélie FISCHER, Professeure, Université Paris Cité, Examinateur
- Jean-Christophe LOISEAU, Maître de conférences, École Nationale Supérieure d'Arts et Métiers, Examinateur
- Laure QUIVY, Maître de conférences, ENS Paris-Saclay, Examinateur
- Frédéric PASCAL, Professeur des universités, ENS Paris-Saclay, Examinateur