• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 7
  • 6
  • Tagged with
  • 12
  • 12
  • 7
  • 5
  • 5
  • 5
  • 5
  • 5
  • 5
  • 4
  • 4
  • 4
  • 4
  • 4
  • 4
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Méthodes numériques probabilistes : problèmes multi-échelles et problèmes de champs moyen / Probabilistic numerical methods : multi-scale and mean-field problems

Garcia Trillos, Camilo Andrés 12 December 2013 (has links)
Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée. / This Ph.D. thesis deals with the numerical solution of two types of stochastic problems. First, we investigate the numeric solution to strongly oscillating SDEs, i.e. systems in which some ergodic state variables evolve quickly with respect to the remaining ones. We propose an algorithm that uses homogenization results and consists of an Euler scheme for the slow scale variables coupled with a decreasing step estimator for the ergodic averages of the fast variables. We prove the strong convergence of the algorithm as well as a generalized central limit theorem result for the normalized error distribution. In addition, we propose an extrapolated version applicable under stronger regularity assumptions and which satisfies the same properties of the original algorithm with lower asymptotic complexity. Then, we treat the problem of solving decoupled Forward Backward Stochastic Differential equations of McKean-Vlasov type (MKV-FBSDE) which appear in some stochastic control problems in an environment of a large number of particles with mean field interactions. As a first step, we propose a new algorithm, based on the cubature method on Wiener spaces, to weakly approach the solution of a McKean-Vlasov SDE. It is deterministic and can be parametrized to obtain any given order of convergence. Using this first forward approximation algorithm, we construct two procedures to solve the decoupled MKV-FBSDE and show that they converge with orders one and two under appropriate regularity conditions. Finally, we consider the problem of reducing the complexity of the presented method while preserving the presented convergence rates.
2

Processus auto-stabilisants dans un paysage multi-puits / Self-stabilizing processes in a multi-well landscape

Tugaut, Julian 06 July 2010 (has links)
Les processus auto-stabilisants sont définis comme des solutions d'équations différentielles stochastiques dont le terme de dérive contient à la fois le gradient d'un potentiel ainsi qu'un terme non-linéaire au sens de McKean qui attire le processus vers sa propre loi de distribution. On dispose de nombreux résultats lorsque l'environnement est convexe. L'objet de ce travail est de les étendre autant que possible au cas général notamment lorsque le paysage contient plusieurs puits. Des différences fondamentales sont constatées.Le premier chapitre prouve l'existence d'une solution forte. Le second s'intéresse aux lois de probabilités d'une telle solution. En particulier, l'existence et la non-unicité des mesures stationnaires sont mises en évidence sous des hypothèses faibles. Les chapitres trois et quatre sont affectés au comportement de ces mesures lorsque le coefficient de diffusion tend vers 0.Le chapitre cinq met en relation le processus auto-stabilisant avec des systèmes particulaires via une « propagation du chaos ». Il est ainsi possible de transposer certains résultats du système de particules sur le processus non-markovien et réciproquement. Le chapitre six est dédié au dénombrement exact des mesures stationnaires.Le chapitre sept est employé pour l'étude du comportement en temps long. D'une part, un résultat de convergence dans un cas simple est fourni. D'autre part, un principe de grandes déviations est mis en évidence par l'utilisation des résultats de Freidlin et Wentzell / Self-stabilizing processes are defined as the solutions of stochastic differential equations which drift term contains the gradient of a potential and a term nonlinear in the sense of McKean which attracts the process to its own law distribution. There are many results if the landscape is convex. The purpose of this work is to extend these in the general case especially when the landscape contains contains several wells. Essential differences are found.The first chapter proves the strong existence of a solution. The second one deals with the probability measure of the solution. Particularly, the existence and the non-uniqueness of the stationary measures are highlighted under weak assumptions. Chapter three and four are assigned to the asymptotic analysis in the small noise limit of these measures.Chapter five connects the self-stabilizing process and some particle systems via a « propagation of chaos ». It is thus possible to translate some results from the particle systems to the non-markovian process and reciprocally.Chapter seven is used to study the long time behavior. In one hand, a convergence's result is provided in a simple case. In the other hand, a large deviations principle is highlighted by using the results of Freidlin and Wentzell
3

Processus auto-stabilisants dans un paysage multi-puits

Tugaut, Julian 06 July 2010 (has links) (PDF)
Les processus auto-stabilisants sont définis comme des solutions d'équations différentielles stochastiques dont le terme de dérive contient à la fois le gradient d'un potentiel ainsi qu'un terme non-linéaire au sens de McKean qui attire le processus vers sa propre loi de distribution. On dispose de nombreux résultats lorsque l'environnement est convexe. L'objet de ce travail est de les étendre autant que possible au cas général notamment lorsque le paysage contient plusieurs puits. Des différences fondamentales sont constatées. Le premier chapitre prouve l'existence d'une solution forte. Le second s'intéresse aux lois de probabilités d'une telle solution. En particulier, l'existence et la non-unicité des mesures stationnaires sont mises en évidence sous des hypothèses faibles. Les chapitres trois et quatre sont affectés au comportement de ces mesures lorsque le coefficient de diffusion tend vers 0. Le chapitre cinq met en relation le processus auto-stabilisant avec des systèmes particulaires via une "propagation du chaos". Il est ainsi possible de transposer certains résultats du système de particules sur le processus non-markovien et réciproquement. Le chapitre six est dédié au dénombrement exact des mesures stationnaires. Le chapitre sept est employé pour l'étude du comportement en temps long. D'une part, un résultat de convergence dans un cas simple est fourni. D'autre part, un principe de grandes déviations est mis en évidence par l'utilisation des résultats de Freidlin et Wentzell.
4

Équations différentielles stochastiques : résolubilité forte d'équations singulières dégénérées ; analyse numérique de systèmes progressifs-rétrogrades de McKean-Vlasov / Stochastic differential equations : strong well-posedness of singular and degenerate equations; numerical analysis of decoupled forward backward systems of McKean-Vlasov type

Chaudru de Raynal, Paul Éric 06 December 2013 (has links)
Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2. / This thesis deals with two subjects: the strong well-posedness of stochastic differential equations with Hölder drift and hypoelliptic noise and the simulation of decoupled forward backward stochastic differential equations of McKean-Vlasov type. In the first work, we study a class of degenerate system with hypoelliptic noise. We prove that strong well-posedness holds for this system when the drift is only H\"{o}lder, with Hölder exponent larger than the critical value 2/3. This work extends to the degenerate setting the earlier results obtained by Zvonkin (1974), Veretennikov (1980) and Krylov and Röckner (2005). The existence of a threshold for the Hölder exponent in the degenerate case may be understood as the price to pay to balance the degeneracy of the noise. Our proof relies on regularization properties of the associated PDE, which is degenerate in the current framework and is based on a parametrix method. In the second work, we propose a new algorithm to approach weakly the solution of a McKean-Vlasov stochastic differential equation. Based on the cubature method, the algorithm is deterministic differing from the usual methods based on interacting particles. It can be parametrized in order to obtain a given order of convergence. Then, we construct implementable algorithms to solve decoupled forward backward stochastic differential equations of McKean-Vlasov type, which appear in some stochastic control problems in a mean field environment. We give two algorithms and show that they have convergence of orders one and two under appropriate regularity conditions.
5

Sur une interprétation probabiliste des équations de Keller-Segel de type parabolique-parabolique / On a probabilistic interpretation of the Keller-Segel parabolic-parabolic equations

Tomasevic, Milica 14 November 2018 (has links)
En chimiotaxie, le modèle parabolique-parabolique classique de Keller-Segel en dimension d décrit l’évolution en temps de la densité d'une population de cellules et de la concentration d'un attracteur chimique. Cette thèse porte sur l’étude des équations de Keller-Segel parabolique-parabolique par des méthodes probabilistes. Dans ce but, nous construisons une équation différentielle stochastique non linéaire au sens de McKean-Vlasov dont le coefficient dont le coefficient de dérive dépend, de manière singulière, de tout le passé des lois marginales en temps du processus. Ces lois marginales couplées avec une transformation judicieuse permettent d’interpréter les équations de Keller-Segel de manière probabiliste. En ce qui concerne l'approximation particulaire il faut surmonter une difficulté intéressante et, nous semble-t-il, originale et difficile chaque particule interagit avec le passé de toutes les autres par l’intermédiaire d'un noyau espace-temps fortement singulier. En dimension 1, quelles que soient les valeurs des paramètres de modèle, nous prouvons que les équations de Keller-Segel sont bien posées dans tout l'espace et qu'il en est de même pour l’équation différentielle stochastique de McKean-Vlasov correspondante. Ensuite, nous prouvons caractère bien posé du système associé des particules en interaction non markovien et singulière. Nous établissons aussi la propagation du chaos vers une unique limite champ moyen dont les lois marginales en temps résolvent le système Keller-Segel parabolique-parabolique. En dimension 2, des paramètres de modèle trop grands peuvent conduire à une explosion en temps fini de la solution aux équations du Keller-Segel. De fait, nous montrons le caractère bien posé du processus non-linéaire au sens de McKean-Vlasov en imposant des contraintes sur les paramètres et données initiales. Pour obtenir ce résultat, nous combinons des techniques d'analyse d’équations aux dérivées partielles et d'analyse stochastique. Finalement, nous proposons une méthode numérique totalement probabiliste pour approcher les solutions du système Keller-Segel bi-dimensionnel et nous présentons les principaux résultats de nos expérimentations numériques. / The standard d-dimensional parabolic--parabolic Keller--Segel model for chemotaxis describes the time evolution of the density of a cell population and of the concentration of a chemical attractant. This thesis is devoted to the study of the parabolic--parabolic Keller-Segel equations using probabilistic methods. To this aim, we give rise to a non linear stochastic differential equation of McKean-Vlasov type whose drift involves all the past of one dimensional time marginal distributions of the process in a singular way. These marginal distributions coupled with a suitable transformation of them are our probabilistic interpretation of a solution to the Keller Segel model. In terms of approximations by particle systems, an interesting and, to the best of our knowledge, new and challenging difficulty arises: each particle interacts with all the past of the other ones by means of a highly singular space-time kernel. In the one-dimensional case, we prove that the parabolic-parabolic Keller-Segel system in the whole Euclidean space and the corresponding McKean-Vlasov stochastic differential equation are well-posed in well chosen space of solutions for any values of the parameters of the model. Then, we prove the well-posedness of the corresponding singularly interacting and non-Markovian stochastic particle system. Furthermore, we establish its propagation of chaos towards a unique mean-field limit whose time marginal distributions solve the one-dimensional parabolic-parabolic Keller-Segel model. In the two-dimensional case there exists a possibility of a blow-up in finite time for the Keller-Segel system if some parameters of the model are large. Indeed, we prove the well-posedness of the mean field limit under some constraints on the parameters and initial datum. Under these constraints, we prove the well-posedness of the Keller-Segel model in the plane. To obtain this result, we combine PDE analysis and stochastic analysis techniques. Finally, we propose a fully probabilistic numerical method for approximating the two-dimensional Keller-Segel model and survey our main numerical results.
6

Algorithmes stochastiques pour l'apprentissage, l'optimisation et l'approximation du régime stationnaire / Stochastic algorithms for learning, optimization and approximation of the steady regime

Saadane, Sofiane 02 December 2016 (has links)
Dans cette thèse, nous étudions des thématiques autour des algorithmes stochastiques et c'est pour cette raison que nous débuterons ce manuscrit par des éléments généraux sur ces algorithmes en donnant des résultats historiques pour poser les bases de nos travaux. Ensuite, nous étudierons un algorithme de bandit issu des travaux de N arendra et Shapiro dont l'objectif est de déterminer parmi un choix de plusieurs sources laquelle profite le plus à l'utilisateur en évitant toutefois de passer trop de temps à tester celles qui sont moins per­formantes. Notre but est dans un premier temps de comprendre les faiblesses structurelles de cet algorithme pour ensuite proposer une procédure optimale pour une quantité qui mesure les performances d'un algorithme de bandit, le regret. Dans nos résultats, nous proposerons un algorithme appelé NS sur-pénalisé qui permet d'obtenir une borne de regret optimale au sens minimax au travers d'une étude fine de l'algorithme stochastique sous-jacent à cette procédure. Un second travail sera de donner des vitesses de convergence pour le processus apparaissant dans l'étude de la convergence en loi de l'algorithme NS sur-pénalisé. La par­ticularité de l'algorithme est qu'il ne converge pas en loi vers une diffusion comme la plupart des algorithmes stochastiques mais vers un processus à sauts non-diffusif ce qui rend l'étude de la convergence à l'équilibre plus technique. Nous emploierons une technique de couplage afin d'étudier cette convergence. Le second travail de cette thèse s'inscrit dans le cadre de l'optimisation d'une fonc­tion au moyen d'un algorithme stochastique. Nous étudierons une version stochastique de l'algorithme déterministe de boule pesante avec amortissement. La particularité de cet al­gorithme est d'être articulé autour d'une dynamique qui utilise une moyennisation sur tout le passé de sa trajectoire. La procédure fait appelle à une fonction dite de mémoire qui, selon les formes qu'elle prend, offre des comportements intéressants. Dans notre étude, nous verrons que deux types de mémoire sont pertinents : les mémoires exponentielles et poly­nomiales. Nous établirons pour commencer des résultats de convergence dans le cas général où la fonction à minimiser est non-convexe. Dans le cas de fonctions fortement convexes, nous obtenons des vitesses de convergence optimales en un sens que nous définirons. En­fin, l'étude se termine par un résultat de convergence en loi du processus après une bonne renormalisation. La troisième partie s'articule autour des algorithmes de McKean-Vlasov qui furent intro­duit par Anatoly Vlasov et étudié, pour la première fois, par Henry McKean dans l'optique de la modélisation de la loi de distribution du plasma. Notre objectif est de proposer un al­gorithme stochastique capable d'approcher la mesure invariante du processus. Les méthodes pour approcher une mesure invariante sont connues dans le cas des diffusions et de certains autre processus mais ici la particularité du processus de McKean-Vlasov est de ne pas être une diffusion linéaire. En effet, le processus a de la mémoire comme les processus de boule pesante. De ce fait, il nous faudra développer une méthode alternative pour contourner ce problème. Nous aurons besoin d'introduire la notion de pseudo-trajectoires afin de proposer une procédure efficace. / In this thesis, we are studying severa! stochastic algorithms with different purposes and this is why we will start this manuscript by giving historicals results to define the framework of our work. Then, we will study a bandit algorithm due to the work of Narendra and Shapiro whose objectif was to determine among a choice of severa! sources which one is the most profitable without spending too much times on the wrong orres. Our goal is to understand the weakness of this algorithm in order to propose an optimal procedure for a quantity measuring the performance of a bandit algorithm, the regret. In our results, we will propose an algorithm called NS over-penalized which allows to obtain a minimax regret bound. A second work will be to understand the convergence in law of this process. The particularity of the algorith is that it converges in law toward a non-diffusive process which makes the study more intricate than the standard case. We will use coupling techniques to study this process and propose rates of convergence. The second work of this thesis falls in the scope of optimization of a function using a stochastic algorithm. We will study a stochastic version of the so-called heavy bali method with friction. The particularity of the algorithm is that its dynamics is based on the ali past of the trajectory. The procedure relies on a memory term which dictates the behavior of the procedure by the form it takes. In our framework, two types of memory will investigated : polynomial and exponential. We will start with general convergence results in the non-convex case. In the case of strongly convex functions, we will provide upper-bounds for the rate of convergence. Finally, a convergence in law result is given in the case of exponential memory. The third part is about the McKean-Vlasov equations which were first introduced by Anatoly Vlasov and first studied by Henry McKean in order to mode! the distribution function of plasma. Our objective is to propose a stochastic algorithm to approach the invariant distribution of the McKean Vlasov equation. Methods in the case of diffusion processes (and sorne more general pro cesses) are known but the particularity of McKean Vlasov process is that it is strongly non-linear. Thus, we will have to develop an alternative approach. We will introduce the notion of asymptotic pseudotrajectory in odrer to get an efficient procedure.
7

Quelques problèmes d'inspiration physique en théorie des probabilités

Peyre, Rémi 12 November 2010 (has links) (PDF)
Cette thèse présente quatre travaux de recherche mêlant probabilités et analyse, ayant en commun de s'appuyer sur l'intuition physique, tant dans la position des problèmes que dans leur résolution : 1. On borne les probabilités de transition des chaînes de Markov réversibles discrètes, améliorant la borne de Carne grâce à une démonstration alternative. 2. On démontre la convergence vers la limite de champ moyen dans une approche uniforme et non asymptotique pour un modèle de Boltzmann spatialement homogène. 3. On étudie le coefficient de rho-mélange entre deux tribus, montrant en particulier comment cette quantité peut être tensorisée dans un cadre général, ce qui implique des résultats de décorrélation entre groupes infinis de spins en physique statistique. 4. On s'intéresse, pour une équation de McKean-Vlasov, à la stabilité de l'équilibre homogène en fonction de la température, minorant notamment l'énergie d'activation.
8

Modélisation probabiliste des écoulements atmosphériques turbulents afin d'en filtrer la mesure par approche particulaire.

Baehr, Christophe 23 September 2008 (has links) (PDF)
Le filtrage non-linéaire des mesures ponctuelles d'un fluide turbulent était un sujet vierge, nous donnons ici des modélisations stochastiques et des filtres pertinents. Nous avons défini et étudié le processus d'acquisition d'un champ vectoriel le long d'un chemin aléatoire. Nous avons proposé des algorithmes de filtrage non-linéaire pour les processus à champ moyen et démontré la convergence des approximations particulaires. Nous avons remanié les modèles Lagrangiens du fluide proposés par les physiciens en fermant ces équations par un conditionnement en les couplant à l'observation et au processus d'acquisition. Nos algorithmes permettent alors de filtrer les mesures de vitesses d'un fluide turbulent simulées ou réelles en écoulement 1D à 3D.
9

Équations différentielles stochastiques : résolubilité forte d'équations singulières dégénérées ; analyse numérique de systèmes progressifs-rétrogrades de McKean-Vlasov

Chaudru de Raynal, Paul Éric 06 December 2013 (has links) (PDF)
Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.
10

Équations différentielles stochastiques : résolubilité forte d'équations singulières dégénérées ; analyse numérique de systèmes progressifs-rétrogrades de McKean-Vlasov

Chaudru de Raynal, Paul Éric 06 December 2013 (has links) (PDF)
Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.

Page generated in 0.4972 seconds