Le bruit dans les images limite souvent l'interprétation visuelle ou automatique de la scène. Le chatoiement ou "speckle" en imagerie radar à synthèse d'ouverture (RSO) et le bruit de grenaille ou "shot noise" en imagerie à faible luminosité sont deux exemples de fortes corruptions qui nécessitent l'utilisation de techniques de débruitage. Les vignettes ou "patchs" sont de petites imagettes qui capturent à la fois les textures et les structures locales. Bien qu'étant assez rudimentaires (comparées à des descripteurs de plus haut niveau), elles ont mené à de puissantes approches de traitement d'images tirant parti de la redondance naturelle des images. Les méthodes à patchs représentent l'état-de-l'art des méthodes de débruitage. La technique classique de débruitage à patchs, les moyennes non-locales (NL), est conçue pour les images corrompues par du bruit additif gaussien (c-à-d., pour des fluctuations symétriques, indépendantes du signal et sans valeurs extrêmes). Les moyennes NL ne peuvent pas être appliquées directement sur des images corrompues par un bruit non-gaussien surtout pour des distributions asymétriques, dépendantes du signal et à queues lourdes telles que le bruit de chatoiement et le bruit de grenaille. Le but de cette thèse est de combler le fossé entre les méthodes de débruitage à patchs, restreintes au bruit gaussien, et les techniques dédiées aux images RSO. Après avoir examiné les techniques de débruitage d'image pour le bruit gaussien puis non-gaussien, nous proposons une extension des moyennes NL qui s'adapte à la distribution d'un bruit donné. Au-delà du problème du débruitage d'image, nous étudions le problème de la comparaison de patchs sous conditions non-gaussiennes. La plupart des tâches de vision par ordinateur requièrent de mettre en correspondance des parties d'images. Nous introduisons un critère de similarité fondé sur le rapport de vraisemblance généralisé et nous illustrons son efficacité sur différentes applications dont la détection, la vision stéréoscopique et le suivi de mouvement. Ce critère est au coeur de l'estimateur à patchs proposé. Un schéma itératif est élaboré pour faire face aux fortes corruptions de bruit et nous développons une méthode non-supervisée pour le réglage des paramètres. Notre approche mène à des résultats de débruitage état-de-l'art en imagerie RSO pour les images d'amplitude, ainsi que les données interférométriques ou polarimétriques. La technique proposée est appliquée avec succès sur l'un des derniers capteurs aérien RSO: F-SAR de l'agence aérospatiale allemande (DLR). Les images avec de forts contrastes souffrent d'un artéfact de débruitage de type "halo de bruit" dû à l'absence de patchs similaires dans les environs de certaines structures. Ce bruit résiduel peut être réduit en considérant des patchs avec des formes d'échelle et d'orientation variées. La sélection locale des formes pertinentes permet d'améliorer la qualité du débruitage, surtout à proximité des contours.

Les dérivés de crédit ont connu en quelques années un développement fulgurant en finance : les volumes de transactions ont augmenté exponentiellement, de nouveaux produits ont été créés. La récente crise du sub-prime a mis en évidence l'insuffisance des modèles actuels. Le but de cette thèse est de créer de nouveaux modèles mathématiques qui prennent en compte la dynamique de dépendance (« tail dependence ») des marchés. Après une revue de la littérature et des modèles existants, nous nous focalisons sur la modélisation de la « corrélation » (ou plus exactement la dynamique de la structure de dépendance) entre différentes entités dans un portefeuille de crédit (CDO). Dans une première phase, une formulation simple des copules dynamiques est proposée. Ensuite, nous présentons une seconde formulation en utilisant des processus de Lévy à spectre positif (i.e. gamma Ornstein-Uhlenbeck). L'écriture de cette nouvelle famille de copules archimédiennes nous permet d'obtenir une formule asymptotique simple pour la distribution des pertes d'un portefeuille de crédit granulaire. L'une des particularités du modèle proposé est sa capacité de reproduire des dépendances extrêmes comparables aux phénomènes récents de contagion sur les marchés comme la crise du « subprime » aux Etats-Unis. Une application sur l'estimation des prix des tranches de CDOs est aussi présentée. Dans cette thèse, nous proposons également d'utiliser des copules dynamiques pour modéliser des migrations jointes des qualités de crédit afin de prendre en compte les co-migrations extrêmes. En effet, les copules nous permettent d'étendre notre connaissance des processus de migration mono-variable à un cadre multi-variables. Afin de tenir compte de multiples sources de risques systémiques, nous développons des copules dynamiques à plusieurs facteurs. Enfin, nous montrons que la brique élémentaire de structure de dépendance induite par une mesure du temps aléatoire « Time Changed Process » rentre dans le cadre des copules dynamiques.

Cette thèse s'inscrit dans la thématique de planification d'expériences numériques. Elle porte plus précisément sur l'optimisation de simulateurs numériques coûteux à évaluer, par des stratégies d'échantillonnage basées sur des représentations simplifiées du simulateur, les metamodèles. Une fois choisi un metamodèle parmi les familles existantes (polynômes, splines, modèles additifs, Krigeage, réseaux de neurones), on estime les paramètres du metamodèle. On dispose alors d'une représentation simplifiée du simulateur, que l'on pourra faire évoluer en fonction des informations apportées par de nouvelles évaluations. Etant donné qu'il est difficile de savoir a priori quel sera le type de metamodèle capable de guider au mieux un algorithme d'optimisation, une des motivations de ce travail est d'examiner comment une construction ad hoc de la structure du metamodèle, voire la prise en compte de plusieurs metamodèles, peuvent améliorer les méthodes d'approximation et les stratégies d'optimisation globale actuellement employées. Cela soulève à la fois des questions mathématiques et statistiques de sélection de modèle (quelles familles de métamodèles considérer ? Comment estimer les termes de covariance et/ou de tendance d'un métamodèle de Krigeage, et selon quels critères les évaluer ? Comment prendre en compte certaines formes d'instationnarité dans la covariance de Krigeage que sont les symétries et la présence de bruits d'observation hétérogènes ?), de combinaison de modèles (Une fois un ensemble de metamodèles choisis, comment agrège-ton les pseudo-informations qu'ils nous apportent ?), et de définition de critères décisionnels pour guider les évaluations au sein d'algorithmes d'optimisation (Comment paralléliser EGO ou des procédures similaires d'exploration sur base de Krigeage ?).

Ce travail se place dans le cadre de la statistique infinidimensionnelle . Par généralisation en dimension quelconque de certaines méthodes d'analyse multidimensionnelle classique il fournit des solutions satisfaisantes pour des problèmes de décision concernant la moyenne de certains processus gaussiens.<br /><br />La première partie est consacrée à l'étude de tests<br />quadratiques d' hypothèses linéaires et à l'extension en dimension infinie du modèle I d' analyse de la variance.<br /><br />Dans la deuxième partie - les aspects probabilistes d'un modèle mathématique pour la réponse en potentiel d'un neurone sont étudiés et une application de l'analyse de la variance est développée.<br /><br />Enfin le dernier chapitre aborde les problèmes de calcul effectif des régions critiques des tests utilisés .

L'estimation paramétrique de la fonction de covariance d'un processus Gaussien est étudiée, dans le cadre du modèle de Krigeage. Les estimateurs par Maximum de Vraisemblance et Validation Croisée sont considérés. Le cas correctement spécifié, dans lequel la fonction de covariance du processus Gaussien appartient à l'ensemble paramétrique de fonctions de covariance, est d'abord traité dans un cadre asymptotique par expansion. Le plan d'expériences considéré est une grille régulière multidimensionnelle perturbée aléatoirement. Un résultat de consistance et de normalité asymptotique est montré pour les deux estimateurs. Il est ensuite mis en évidence que des amplitudes de perturbation importantes sont toujours préférables pour l'estimation par Maximum de Vraisemblance. Le cas incorrectement spécifié, dans lequel l'ensemble paramétrique utilisé pour l'estimation ne contient pas la fonction de covariance du processus Gaussien, est ensuite étudié. Il est montré que la Validation Croisée est alors plus robuste que le Maximum de Vraisemblance. Enfin, deux applications du modèle de Krigeage par processus Gaussiens sont effectuées sur des données industrielles. Pour un problème de validation du modèle de frottement pariétal du code de thermohydraulique FLICA 4, en présence de résultats expérimentaux, il est montré que la modélisation par processus Gaussiens de l'erreur de modèle du code FLICA 4 permet d'améliorer considérablement ses prédictions. Enfin, pour un problème de métamodélisation du code de thermomécanique GERMINAL, l'intérêt du modèle de Krigeage par processus Gaussiens, par rapport à des méthodes par réseaux de neurones, est montré

Depuis plusieurs années, des travaux en collaboration avec le Département Electromagnétisme et Radar de l'ONERA et le Groupe de Recherche en Electromagnétisme du LAPLACE ont permis l'élaboration d'un modèle basé sur les faisceaux gaussiens traitant l'interaction de champs électromagnétiques avec des structures complexes de grande taille. Dans ce formalisme asymptotique le champ incident est représenté comme une somme de faisceaux élémentaires. Il permet ainsi de ramener le calcul de l'interaction globale du champ avec la structure à une somme d'interactions plus simples. En outre, la distribution gaussienne des faisceaux et la forme canonique des portions d'objets interceptées permettent l'obtention de formulations analytiques des champs rayonnés. Toutefois, ce modèle nécessite la décomposition du champ incident sur une surface courbe présentant une amplitude nulle du champ sur ses bords. Cette contrainte n'est pas limitante dans de nombreux cas sauf celui, par exemple, d'une antenne posée sur un support. En effet, le champ rasant de part et d'autre de l'antenne peut alors être non nul et même interagir fortement avec le support en excitant des ondes de surface. Cette configuration fait apparaître au niveau du modèle un problème de fermeture du domaine de décomposition et de prise en compte des ondes de surface. Ces dernières revêtent un intérêt croissant lié d'une part à l'objectif de miniaturisation des systèmes micro-ondes et d'autre part, au développement récent des métamatériaux. Dans les deux cas les ondes de surface sont soit subies soit utilisées. Cependant, la définition même des ondes de surface et de leurs variantes telles que les ondes de fuite est peu connue et apparaît de manière confuse dans la littérature. Ainsi, l'objectif de cette thèse est double. Il s'agit d'une part, de faire une synthèse la plus claire possible sur les différents types d'ondes de surface et, d'autre part, de proposer une adaptation du modèle faisceaux gaussiens permettant leur prise en compte pour le calcul du couplage antenne-structure. Dans un premier temps, nous étudions les propriétés modales et l'excitation des ondes de surface et de fuite. Puis, nous adaptons des travaux de la littérature afin de modéliser, en deux dimensions, l'excitation de ces ondes par des courants de surface équivalents. A cette occasion nous proposons une formulation analytique, valable à grande distance, de l'interaction d'un faisceau gaussien avec une lame de métamatériau sur métal. Dans la deuxième partie du travail, nous proposons, en deux dimensions, une méthode d'hybridation entre la décomposition en faisceaux gaussiens et la décomposition en courant équivalents de surface. Cette méthode est appliquée au cas d'une antenne placée sur une lame de diélectrique sur métal Nous définissons alors les paramètres pertinents pour décrire l'hybridation des deux méthodes. Après une étude de leur influence sur la qualité des résultats, nous proposons un réglage par défaut donnant de bons résultats dans le cas général.

L’évolution des polluants dans l’atmosphère dépend de phénomènes variés, tels que les émissions, la météorologie, la turbulence ou les transformations physico-chimiques, qui ont des échelles caractéristiques spatiales et temporelles très diverses. Il est très difficile, par conséquent, de représenter l’ensemble de ces échelles dans un modèle de qualité de l’air. Les modèles eulériens de chimie-transport, couramment utilisés, ont une résolution bien supérieure à la taille des plus petites échelles. Cette thèse propose une revue des processus physiques mal représentés par les modèles de qualité de l’air, et de la variabilité sous-maille qui en résulte. Parmi les méthodes possibles permettant de mieux prendre en compte les différentes échelles , deux approches ont été développées : le couplage entre un modèle local et un modèle eulérien, ainsi qu’une approche statistique de réduction d’échelle. (1) Couplage de modèles : l’une des principales causes de la variabilité sous-maille réside dans les émissions, qu’il s’agisse des émissions ponctuelles ou du trafic routier. En particulier, la taille caractéristique d’un panache émis par une cheminée très inférieure à l’échelle spatiale bien résolue par les modèles eulériens. Une première approche étudiée dans la thèse est un traitement sous maille des émissions ponctuelles, en couplant un modèle gaussien à bouffées pour l’échelle locale à un modèle eulérien (couplage appelé panache sous-maille). L’impact de ce traitement est évalué sur des cas de traceurs à l’échelle continentale (ETEX-I et Tchernobyl) ainsi que sur un cas de photochimie à l’échelle de la région parisienne. Différents aspects sont étudiés, notamment l’incertitude due aux paramétrisations du modèle local, ainsi que l’influence de la résolution du maillage eulérien. (2) Réduction d’échelle statistique : une seconde approche est présentée, basée sur des méthodes statistiques de réduction d’échelle. Il s’agit de corriger l’erreur de représentativité du modèle aux stations de mesures. En effet, l’échelle de représentativité d’une station de mesure est souvent inférieure à l’échelle traitée par le modèle (échelle d’une maille), et les concentrations à la station sont donc mal représentées par le modèle. En pratique, il s’agit d’utiliser des relations statistiques entre les concentrations dans les mailles du modèle et les concentrations aux stations de mesure, afin d’améliorer les prévisions aux stations. L’utilisation d’un ensemble de modèles permet de prendre en compte l’incertitude inhérente aux paramétrisations des modèles. Avec cet ensemble, différentes techniques sont utilisées, de la régression simple à la décomposition en composantes principales, ainsi qu’une technique nouvelle appelée « composantes principales ajustées ». Les résultats sont présentés pour l’ozone à l’échelle européenne, et analysés notamment en fonction du type de station concerné (rural, urbain ou périurbain) / The evolution of atmospheric pollutants depends on various processes which occur at multiple characteristic scales, such as emissions, meteorology, turbulence, chemical transformation and deposition. Representing all the time and spatial scales in an air quality model is, therefore, very difficult. Chemical-transport Eulerian models, which are generally used, have a typical resolution much coarser than the finest scales.. Thus, many processes are not well described by these models, which results in subgrid-scale variability. This thesis proposes a review of subgrid-scale processes and associated uncertainty, as well as two multiscale methods aimed at reducing this uncertainty : (1) coupling an Eulerian model with a local-scale Gaussian model, and (2)using statistical downscaling methods. (1) Model coupling : one aof the main subgrid-scale processes is emissions, especially point emissions (industry) and traffic. In particular, the characteristic spatial scale of a plume emitted by a chimmey is much smaller than the typical Eulerian grid resolution. The coupling method, called plume-in-grid model, uses a Gaussian puff model to better represent point emissions at local scale, coupled to an Eulerain model. The impact of this subgrid-scale treatment of emissions is evaluated at continental scale for passive tracers (ETEX-I et Tchernobyl), as well as for photochemistry at regional scale (Paris region). Several issues are addressed, especially the uncertainty due to local-scale parameterizations and the influence of the Eulerian grid resolution. (2) Statistical downscaling : this method aims at compensating the representativity error made by the model when forecasting concentrations at particular measurement stations. The representativity scale of these stations is, indeed, typically smaller than the Eulerian cell size, and concentrations at stations depend on many subgrid-scale phenomena (micrometeorology, topography…). Thus, using statistical relationships between the larg-scale variable (model output) and local-scale variable (concentrations observed at stations) allows to significantly reduce the forecast error. In addition, using ensemble simulations allows to better take into account the model error due to physical parameterizations. With this ensemble, several downscaling methods are implemented : simple and multiple linear regression, with or without preprocessing. The preprocessing methods include a classical principal component analysis, as well as another method called “principal fitted component”. Results are presented at European scale, for ozone peaks, and analyzed for several types of stations (rural, urban or periurban)

L'objet de cette thèse est l'utilisation de données transcriptomiques actuelles dans le but d'en inférer un réseau de régulation génique. Ces données sont souvent complexes, et en particulier des données d'interventions peuvent être présente. L'utilisation de la théorie de la causalité permet d'utiliser ces interventions afin d'obtenir des réseaux causaux acycliques. Je questionne la notion d'acyclicité, puis en m'appuyant sur cette théorie, je propose plusieurs algorithmes et/ou améliorations à des techniques actuelles permettant d'utiliser ce type de données particulières. / The purpose of this thesis is the use of current transcriptomic data in order to infer a gene regulatory network. These data are often complex, and in particular intervention data may be present. The use of causality theory makes it possible to use these interventions to obtain acyclic causal networks. I question the notion of acyclicity, then based on this theory, I propose several algorithms and / or improvements to current techniques to use this type of data.

L'apprentissage par renforcement est une approche d'apprentissage automatique permettant de développer des systèmes s'améliorant à partir d'interactions avec un environnement. Les processus décisionnels de Markov partiellement observables (PDMPO) font partie des modèles mathématiques fréquemment utiliser pour résoudre ce type de problème d'apprentissage. Cependant, la majorité des méthodes de résolution utilisées dans les processus décisionnels de Markov partiellement observables nécessitent la connaissance du modèle. De plus, les recherches actuelles sur le PDMPO se restreignent principalement aux espaces d'états discrets, ce qui complique son application à certains problèmes naturellement modélisés par un espace d'état continu. Ce mémoire présente une vision des PDMPO basée sur les processus Gaussiens, une méthode d'apprentissage supervisée ayant comme propriété particulière d'être une distribution de probabilité dans l'espace des fonctions. Cette propriété est notamment très intéressante du fait qu'elle ouvre la porte à un traitement Bayésien de l'incertitude sur les fonctions inconnues d'un PDMPO continu. Les résultats obtenus avec l'approche d'apprentissage par processus Gaussien montrent qu'il est possible d'opérer dans un environnement tout en identifiant le modèle de ce celui-ci. À partir des conclusions tirées à la suite de nos travaux sur le PDMPO, nous avons observé un certain manque pour ce qui est de l'identification du modèle sous l'incertain. Ainsi, ce mémoire expose aussi un premier pas vers une extension de l'apprentissage de PDMPO continu utilisant des séquences d'états de croyances lors de l'identification du modèle. Plus précisément, nous proposons une méthode de régression par processus Gaussiens utilisant des ensembles d'entraînement incertain pour réaliser l'inférence dans l'espace des fonctions. La méthode proposée est particulièrement intéressante, du fait qu'elle s'applique exactement comme pour le cas des processus Gaussiens classiques et qu'elle n'augmente p±as la complexité de l'apprentissage.

Cette thèse est consacrée à l'étude expérimentale et théorique des corrélations quantiques en variables continues.<br />La question de la caractérisation de ces corrélations est largement abordée, en particulier dans le cas des états gaussiens. Le formalisme mathématique des matrices de covariance, particulièrement adapté à cette étude, est développé ; et les différents critères existants sont répertoriés.<br />Ces critères permettent de caractériser le degré d'intrication des faisceaux générés par le dispositif expérimental au cœur de cette thèse : un Oscillateur Paramétrique Optique auto-verrouillé en phase. Au-dessous du seuil, les faisceaux, de valeur moyenne nulle, présentent une séparabilité de 0,33. Le système viole de manière apparente l'inégalité de Heisenberg de 58%. Au-dessus du seuil, les faisceaux brillants obtenus sont également fortement non classiques : la séparabilité vaut 0,76 et l'inégalité de Heisenberg est violée en apparence de 24%.<br />Une application originale de ce dispositif est proposée : il est montré théoriquement qu'un OPO à deux cristaux auto-verrouillé en phase génère deux faisceaux intriqués en polarisation, ce qui devrait faciliter le transfert de l'intrication de la lumière à la matière.