Cette thèse étudie deux modèles paramétriques et non paramétriques pour le changement de représentation. L'objectif des deux modèles diffère. Le premier cherche une représentation en plus grande dimension pour gagner en robustesse. L'objectif est de répartir uniformément l’information d’un signal sur toutes les composantes de sa représentation en plus grande dimension. La recherche d'un tel code s'exprime comme un problème inverse impliquant une régularisation de type norme infinie. Nous proposons une formulation bayésienne du problème impliquant une nouvelle loi de probabilité baptisée démocratique, qui pénalise les fortes amplitudes. Deux algorithmes MCMC proximaux sont présentés pour approcher des estimateurs bayésiens. La méthode non supervisée présentée est appelée BAC-1. Des expériences numériques illustrent les performances de l’approche pour la réduction de facteur de crête. Le second modèle identifie un sous-espace pertinent de dimension réduite à des fins de modélisation. Mais les méthodes probabilistes proposées nécessitent généralement de fixer à l'avance la dimension du sous-espace. Ce travail introduit BNP-PCA, une version bayésienne non paramétrique de l'analyse en composantes principales. La méthode couple une loi uniforme sur les bases orthonormales à un a priori non paramétrique de type buffet indien pour favoriser une utilisation parcimonieuse des composantes principales et aucun réglage n'est nécessaire. L'inférence est réalisée à l'aide des méthodes MCMC. L'estimation de la dimension du sous-espace et le comportement numérique de BNP-PCA sont étudiés. Nous montrons la flexibilité de BNP-PCA sur deux applications / This thesis proposes Bayesian parametric and nonparametric models for signal representation. The first model infers a higher dimensional representation of a signal for sake of robustness by enforcing the information to be spread uniformly. These so called anti-sparse representations are obtained by solving a linear inverse problem with an infinite-norm penalty. We propose in this thesis a Bayesian formulation of anti-sparse coding involving a new probability distribution, referred to as the democratic prior. A Gibbs and two proximal samplers are proposed to approximate Bayesian estimators. The algorithm is called BAC-1. Simulations on synthetic data illustrate the performances of the two proposed samplers and the results are compared with state-of-the art methods. The second model identifies a lower dimensional representation of a signal for modelisation and model selection. Principal component analysis is very popular to perform dimension reduction. The selection of the number of significant components is essential but often based on some practical heuristics depending on the application. Few works have proposed a probabilistic approach to infer the number of significant components. We propose a Bayesian nonparametric principal component analysis called BNP-PCA. The proposed model involves an Indian buffet process to promote a parsimonious use of principal components, which is assigned a prior distribution defined on the manifold of orthonormal basis. Inference is done using MCMC methods. The estimators of the latent dimension are theoretically and empirically studied. The relevance of the approach is assessed on two applications

La classe des modèles à chaîne de Markov cachée (HMM, Hidden Markov Models) permet, entre autres, de modéliser des données financières. Par exemple, dans ce type de modèle, la distribution du rendement sur un actif financier est exprimée en fonction d'une variable non-observée, une chaîne de Markov, qui représente la volatilité de l'actif. Notons que les dynamiques de cette volatilité sont difficiles à reproduire, car la volatilité est très persistante dans le temps. Les HMM ont la particularité de permettre une variation de la volatilité selon les états de la chaîne de Markov. Historiquement, ces modèles ont été estimés avec un nombre faible de régimes (états), car le nombre de paramètres à estimer explose rapidement avec le nombre de régimes et l'optimisation devient vite difficile. Pour résoudre ce problème une nouvelle sous-classe de modèles à chaîne de Markov cachée, dite à haute dimension, a vu le jour grâce aux modèles dits factoriels et à de nouvelles méthodes de paramétrisation de la matrice de transition. L'objectif de cette thèse est d'étendre cette classe de modèles avec de nouvelles approches plus générales et de montrer leurs applications dans le domaine financier. Dans sa première partie, cette thèse formalise la classe des modèles factoriels à chaîne de Markov cachée et étudie les propriétés théoriques de cette classe de modèles. Dans ces modèles, la dynamique de la volatilité dépend d'une chaîne de Markov latente de haute dimension qui est construite en multipliant des chaînes de Markov de dimension plus faible, appelées composantes. Cette classe englobe les modèles factoriels à chaîne de Markov cachée précédemment proposés dont les composantes sont de dimension deux. Le modèle MDSV (Multifractal Discrete Stochastic Volatility) est introduit afin de pouvoir considérer des composantes de dimension supérieure à deux, généralisant ainsi les modèles factoriels existants. La paramétrisation particulière de ce modèle lui offre suffisamment de flexibilité pour reproduire différentes allures de décroissance de la fonction d'autocorrélation, comme celles qui sont observées sur les données financières. Un cadre est également proposé pour modéliser séparément ou simultanément les données de rendements financiers et de variances réalisées. Une analyse empirique sur 31 séries d'indices financiers montre que le modèle MDSV présente de meilleures performances en termes d'estimation et de prévision par rapport au modèle realized EGARCH. La modélisation par l'entremise des modèles factoriels à chaîne de Markov cachée nécessite qu'on définisse le nombre N de composantes à multiplier et cela suppose qu'il n'existe pas d'incertitude lié à ce nombre. La seconde partie de cette thèse propose, à travers une approche bayésienne, le modèle iFHMV (infinite Factorial Hidden Markov Volatility) qui autorise les données à déterminer le nombre de composantes nécessaires à leur modélisation. En s'inspirant du processus du buffet indien (IBP, Indian Buffet Process), un algorithme est proposé pour estimer ce modèle, sur les données de rendements financiers. Une analyse empirique sur les données de deux indices financiers et de deux actions permet de remarquer que le modèle iFHMV intègre l'incertitude liée au nombre de composantes pour les estimations et les prévisions. Cela lui permet de produire de meilleures prévisions par rapport à des modèles de référence. / Hidden Markov Models (HMMs) are popular tools to interpret, model and forecast financial data. In these models, the return dynamics on a financial asset evolve according to a non-observed variable, a Markov chain, which generally represents the volatility of the asset. This volatility is notoriously difficult to reproduce with statistical models as it is very persistent in time. HMMs allow the volatility to vary according to the states of a Markov chain. Historically, these models are estimated with a very small number of regimes (states), because the number of parameters to be estimated grows quickly with the number of regimes and the optimization becomes difficult. The objective of this thesis is to propose a general framework to construct HMMs with a richer state space and a higher level of volatility persistence. In the first part, this thesis studies a general class of high-dimensional HMMs, called factorial HMMs, and derives its theoretical properties. In these models, the volatility is linked to a high-dimensional Markov chain built by multiplying lower-dimensional Markov chains, called components. We discuss how previously proposed models based on two-dimensional components adhere to the factorial HMM framework. Furthermore, we propose a new process---the Multifractal Discrete Stochastic Volatility (MDSV) process---which generalizes existing factorial HMMs to dimensions larger than two. The particular parametrization of the MDSV model allows for enough flexibility to reproduce different decay rates of the autocorrelation function, akin to those observed on financial data. A framework is also proposed to model financial log-returns and realized variances, either separately or jointly. An empirical analysis on 31 financial indices reveals that the MDSV model outperforms the realized EGARCH model in terms of fitting and forecasting performance. Our MDSV model requires us to pre-specify the number of components and assumes that there is no uncertainty on that number. In the second part of the thesis, we propose the infinite Factorial Hidden Markov Volatility (iFHMV) model as part of a Bayesian framework to let the data drive the selection of the number of components and take into account the uncertainty related to the number of components in the fitting and forecasting procedure. We also develop an algorithm inspired by the Indian Buffet Process (IBP) to estimate the iFHMV model on financial log-returns. Empirical analyses on two financial indices and two stocks show that the iFHMV model outperforms popular benchmarks in terms of forecasting performance.

Advances in genomics allow researchers to measure the complete set of transcripts in cells. These transcripts include messenger RNAs (which encode for proteins) and microRNAs, short RNAs that play an important regulatory role in cellular networks. While this data is a great resource for reconstructing the activity of networks in cells, it also presents several computational challenges. These challenges include the data collection stage which often results in incomplete and noisy measurement, developing methods to integrate several experiments within and across species, and designing methods that can use this data to map the interactions and networks that are activated in specific conditions. Novel and efficient algorithms are required to successfully address these challenges. In this thesis, we present probabilistic models to address the set of challenges associated with expression data. First, we present a novel probabilistic error correction method for RNA-Seq reads. RNA-Seq generates large and comprehensive datasets that have revolutionized our ability to accurately recover the set of transcripts in cells. However, sequencing reads inevitably contain errors, which affect all downstream analyses. To address these problems, we develop an efficient hidden Markov modelbased error correction method for RNA-Seq data . Second, for the analysis of expression data across species, we develop clustering and distance function learning methods for querying large expression databases. The methods use a Dirichlet Process Mixture Model with latent matchings and infer soft assignments between genes in two species to allow comparison and clustering across species. Third, we introduce new probabilistic models to integrate expression and interaction data in order to predict targets and networks regulated by microRNAs. Combined, the methods developed in this thesis provide a solution to the pipeline of expression analysis used by experimentalists when performing expression experiments.

L’interaction onde de choc/couche limite en écoulement transsonique autour de profils aérodynamiques est étudiée numériquement utilisant différentes classes de modélisation de la turbulence. Les approches utilisées sont celles de modèles URANS et de méthodes hybrides RANS-LES. L’emploi d’une correction de compressibilité pour les fermetures à une équation est aussi évalué. Premièrement, la séparation intermittente induite par le choc sur un profil supercritique en conditions d’incidence proches de l’angle critique d’apparition du tremblement est analysée. Suite à des simulations URANS, la modélisation statistique la mieux adaptée est étudiée et utilisée dans l’approche DDES (Delayed Detached-Eddy Simulation). L’étude de la topologie de l’écoulement, des pressions pariétales et champs de vitesse statistiques montrent que les principales caractéristiques de l’oscillation auto-entretenue du choc sont capturées par les simulations. De plus, la DDES prédit des fluctuations secondaires de l’écoulement qui n’apparaissent pas en URANS. L’étude de l’interface instationnaire RANS-LES montre que la DDES évite le MSD (modeled stress depletion) pour les phases de l’écoulement attaché ou séparé. Le problème de la ‘zone grise’ et de son influence sur les résultats est considéré. Les conclusions de l’étude sur le profil supercritique est ensuite appliquées à l’étude numérique d’un profil transsonique laminaire. Dans ce contexte, l’effet de la position de la transition de la couche limite sur les caractéristiques de deux régimes d’interaction choc/couche limite sélectionnés est étudié. En conditions de tremblement, les simulations montrent une forte influence du point de transition sur l’amplitude du mouvement du choc et sur l’instationnarité globale de l’écoulement. / Shock wave/boundary layer interactions arising in the transonic flow over airfoils are studied numerically using different levels of turbulence modeling. The simulations employ standard URANS models suitable for aerodynamics and hybrid RANS-LES methods. The use of a compressibility correction for one-equation closures is also considered. First, the intermittent shock-induced separation occurring over a supercritical airfoil at an angle of attack close to the buffet onset boundary is investigated. After a set of URANS computations, a scale-resolving simulation is performed using the best statistical approach in the context of a Delayed Detached-Eddy Simulation (DDES). The analysis of the flow topology and of the statistical wall-pressure distributions and velocity fields show that the main features of the self-sustained shock-wave oscillation are predicted by the simulations. The DDES also captures secondary flow fluctuations which are not predicted by URANS. An examination of the unsteady RANS-LES interface shows that the DDES successfully prevents modeled-stress depletion whether the flow is attached or separated. The gray area issue and its impact on the results are also addressed. The conclusions from the supercritical airfoil simulations are then applied to the numerical study of a laminar transonic profile. Following a preliminary characterization of the airfoil aerodynamics, the effect of the boundary layer transition location on the properties of two selected shock wave/boundary layer interaction regimes is assessed. In transonic buffet conditions, the simulations indicate a strong dependence of the shock-wave motion amplitude and of the global flow unsteadiness on the tripping location.

Les objectifs de cette thèse sont d'étudier les capacité prédictive des méthodes statistiques URANS et hybrides RANS-LES à modéliser des écoulements complexes à haut nombre de Reynolds et de réaliser l'analyse physique de la turbulence et des structures cohérentes en proche paroi. Ces travaux traitent de configurations étudiées dans le cadre des projets européens ATAAC (Advanced Turbulent Simulation for Aerodynamics Application Challenges) et TFAST (Transition Location Effect on Shock Wave Boundary Layer Interaction). Premièrement, l'écoulement décollé autour d’une configuration de cylindre en tandem, positionnés l'un derrière l’autre, est étudiée à un nombre de Reynolds de 166000. Un cas statique, correspondant schématique aux support de train d'atterrissage, est d’abord considéré. L’interaction fluide-structure est ensuite étudiée dans le cas dynamique, dans lequel le cylindre aval possède un degré de liberté en translation dans la direction perpendiculaire à l'écoulement. Une étude paramétrique est menée afin d'identifier les différents régimes d'interaction en fonction des paramètres structuraux. Dans un deuxième temps, la physique du tremblement transsonique est étudiée au moyen d’une analyse temps-fréquence et d’une décomposition orthogonale en modes propres (POD), dans l’intervalle de nombre de Mach 0.70–0.75. Les interactions entre le choc principal, la couche limite décollée par intermittence et les tourbillons se développant dans le sillage, sont analysées. Un forçage stochastique, basée sur une réinjection de turbulence synthétique dans les équations de transport de l’énergie cinétique et du taux de dissipation générée à partir de la reconstruction POD, a été introduit dans l’approche OES (organised-eddy simulation). Cette méthode introduit une modélisation de la turbulence “upscale" agissant comme un mécanisme de blocage par tourbillons capable de prendre en compte les interfaces turbulent/non-turbulent et de couches de cisaillement autour des géométries. Cette méthode améliore grandement la prédiction des forces aérodynamiques et ouvre de nouvelles perspectives quant aux approches de type moyennes d’ensemble pour modéliser les processus cohérents et aléatoires à haut nombre de Reynolds. Enfin, l'interaction onde de choc/couche limite (SWBLI) est traitée, dans le cas d’un choc oblique à nombre de Mach 1.7, contribuant aux études de "design d'ailes laminaires" au niveau européen. Les performances des modèles URANS et hybrides RANS-LES ont été analysées en comparant, avec les résultats expérimentaux, les valeurs intégrales de la couche limite (épaisseurs de déplacement et de quantité de mouvement) et les valeurs à la paroi (coefficient de frottement). Les effets de la transition dans la couche limite sur l’interaction choc/couche limite sont caractérisés. / This thesis aims at analysing the predictive capabilities of statistical URANS and hybrid RANS-LES methods to model complex flows at high Reynolds numbers and carrying out a physical analysis of the near-region turbulence and coherent structures. This study handles configurations included in the European research programmes ATAAC (Advanced Turbulent Simulation for Aerodynamics Application Challenges) and TFAST (Transition Location Effect on Shock Wave Boundary Layer Interaction). First, the detached flow in a configuration of a tandem of cylinders, positionned behind one another, is investigated at Reynolds number 166000. A static case, corresponding to the layout of the support of a landing gear, is initially considered. The fluid-structure interaction is then studied in a dynamic case where the downstream cylinder, situated in the wake of the upstream one, is given one degree of freedom in translation in the crosswise direction. A parametric study of the structural parameters is carried out to identify the various regimes of interaction. Secondly, the physics of the transonic buffet is studied by means of time-frequency analysis and proper orthogonal decomposition (POD), in the Mach number range 0.70–0.75. The interactions between the main shock wave, the alternately detached boundary layer and the vortices developing in the wake are analysed. A stochastic forcing, based on reinjection of synthetic turbulence in the transport equations of kinetic energy and dissipation rate by using POD reconstruction, has been introduced in the so-called organised-eddy simulation (OES) approach. This method introduces an upscale turbulence modelling, acting as an eddy-blocking mechanism able to capture thin shear-layer and turbulent/non-turbulent interfaces around the body. This method highly improves the aerodynamic forces prediction and opens new ensemble-averaged approaches able to model the coherent and random processes at high Reynolds number. Finally, the shock-wave/boundary-layer interaction (SWBLI) is investigated in the case of an oblique shock wave at Mach number 1.7 in order to contribute to the so-called "laminar wing design" studies at European level. The performance of statistical URANS and hybrid RANS-LES models is analysed with comparison, with experimental results, of integral boundary-layer values (displacement and momentum thicknesses) and wall quantities (friction coefficient). The influence of a transitional boundary layer on the SWBLI is featured.

This diploma thesis deals with a project of an sports relaxation centre in Havlíčkův Brod Ledečská street on plots no. 561/1 and 664/17 that are slightly sloping. The building is non-basement with 2 above-ground floors. The exterior load-bearing walls are made of clay blocks complemented with thermal insulation system according to ETICS. The building foundations are designes as strip foundations from concrete. Horizontal load-bearing structures will be made of prestressed concrete floor slab Spiroll. The building is roofed with a warm flat roof. First ground floor consists of sport part, there are big and small gym, crossfit excercise hall, 3 excercises halls for group lessons and 2 squash courts. It is also possible to use workout playground which is approached from the gym. There is also a buffet near the entrance. Second ground floor serves for relaxation, there are salt cave, sauna world with 5 different saunas (Finnish and also steam) and Whirlpool. The sauna world has also a cooling pool. Visitors can also use the outdoor rest area with a cooling pond. There are also a massage room, pedicure/manicure, solarium and sports shop.