Descripteur
Termes IGN > mathématiques > statistique mathématique > probabilités > stochastique > méthode de Monte-Carlo
méthode de Monte-Carlo |
Documents disponibles dans cette catégorie (158)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Titre : Applied and computational statistics Type de document : Monographie Auteurs : Sorana D. Bolboacă, Auteur Editeur : Bâle [Suisse] : Multidisciplinary Digital Publishing Institute MDPI Année de publication : 2020 Importance : 104 p. ISBN/ISSN/EAN : 978-3-03928-177-0 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] méthode du maximum de vraisemblance (estimation)
[Termes IGN] probabilitéRésumé : (Editeur) Research without statistics is like water in the sand; the latter is necessary to reap the benefits of the former. This collection of articles is designed to bring together different approaches to applied statistics. The studies presented in this book are a tiny piece of what applied statistics means and how statistical methods find their usefulness in different fields of research from theoretical frames to practical applications such as genetics, computational chemistry, and experimental design. This book presents several applications of the statistics: A new continuous distribution with five parameters—the modified beta Gompertz distribution; A method to calculate the p-value associated with the Anderson–Darling statistic; An approach of repeated measurement designs; A validated model to predict statement mutations score; A new family of structural descriptors, called the extending characteristic polynomial (EChP) family, used to express the link between the structure of a compound and its properties. This collection brings together authors from Europe and Asia with a specific contribution to the knowledge in regards to theoretical and applied statistics. Note de contenu : - The Modified Beta Gompertz Distribution: Theory and Applications
- Computation of Probability Associated with Anderson–Darling Statistic
- Optimal Repeated Measurements for Two Treatment Designs with Dependent Observations: The Case of Compound Symmetry
- A Model for Predicting Statement Mutation Scores
- Extending the Characteristic Polynomial for Characterization of C20 Fullerene CongenersNuméro de notice : 26298 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Monographie DOI : 10.3390/books978-3-03928-177-0 Date de publication en ligne : 30/01/2020 En ligne : https://doi.org/10.3390/books978-3-03928-177-0 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95014
Titre : Approche bayésienne pour la sélection de modèles : Application à la restauration d’image Type de document : Thèse/HDR Auteurs : Benjamin Harroué, Auteur ; Jean-François Giovannelli, Directeur de thèse ; Marcela Pereyra, Directeur de thèse Editeur : Bordeaux : Université de Bordeaux Année de publication : 2020 Importance : 102 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse présentée pour obtenir le grade de Docteur en Automatique, Productique, Signal et Image, Ingénierie cognitiqueLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] déconvolution
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] fonction harmonique
[Termes IGN] matrice de covariance
[Termes IGN] problème inverse
[Termes IGN] processus gaussien
[Termes IGN] reconstruction d'image
[Termes IGN] restauration d'imageIndex. décimale : THESE Thèses et HDR Résumé : (auteur) L’inversion consiste à reconstruire des objets d’intérêt à partir de données acquises au travers d’un système d’observation. Dans ces travaux, nous nous penchons sur la déconvolution d’image. Les données observées constituent une version dégradée de l’objet, altéré par le système (flou et bruit). A cause de la perte d’informations engendrée, le problème devient alors mal conditionné. Une solution est de régulariser dans un cadre bayésien : en se basant sur des modèles, on introduit de l’information a priori sur les inconnues. Se posent alors les questions suivantes : comment comparer les modèles candidats et choisir le meilleur ? Sur quel critère faut-il s’appuyer ? A quelles caractéristiques ou quantités doit-on se fier ? Ces travaux présentent une méthode de comparaison et de sélection automatique de modèles, fondée sur la théorie de la décision bayésienne. La démarche consiste à sélectionner le modèle qui maximise la probabilité a posteriori. Pour calculer ces dernières, on a besoin de connaître une quantité primordiale : l’évidence. Elle s’obtient en marginalisant la loi jointe par rapport aux inconnus : l’image et les hyperparamètres. Les dépendances complexes entre les variables et la grande dimension de l’image rendent le calcul analytique de l’intégrale impossible. On a donc recours à des méthodes numériques. Dans cette première étude, on s’intéresse au cas gaussien circulant. Cela permet, d’une part, d’avoir une expression analytique de l’intégrale sur l’image, et d’autre part, de faciliter la manipulation des matrices de covariances. Plusieurs méthodes sont mises en œuvre comme l’algorithme du Chib couplé à une chaîne de Gibbs, les power posteriors, ou encore la moyenne harmonique. Les méthodes sont ensuite comparées pour déterminer lesquelles sont les plus adéquates au problème de la restauration d’image. Note de contenu : 1- Introduction
2- Sélection de modèles et calcul de l’évidence : état de l’art
3- Sélection de modèles sur observation directe
4- Sélection de modèles sur observation indirecte
5- Sélection de modèles sur données réelles
6- Conclusion : bilan et perspectivesNuméro de notice : 28558 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Automatique, Productique, Signal et Image, Ingénierie cognitique : Bordeaux : 2020 nature-HAL : Thèse En ligne : https://tel.archives-ouvertes.fr/tel-03065948/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97587 Asymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference / Maxime Vono (2020)
Titre : Asymptotically exact data augmentation : models and Monte Carlo sampling with applications to Bayesian inference Type de document : Thèse/HDR Auteurs : Maxime Vono, Auteur ; Nicolas Dobigeon, Directeur de thèse ; Pierre Chainais, Auteur Editeur : Toulouse : Université de Toulouse Année de publication : 2020 Importance : 200 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse en vue de l'obtention du Doctorat de l'Université de Toulouse, Signal, Image, Acoustique et OptimisationLangues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement du signal
[Termes IGN] échantillonnage
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] méthode de Monte-Carlo
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] optimisation (mathématiques)
[Termes IGN] processus gaussien
[Termes IGN] régression linéaireIndex. décimale : THESE Thèses et HDR Résumé : (auteur) Numerous machine learning and signal/image processing tasks can be formulated as statistical inference problems. As an archetypal example, recommendation systems rely on the completion of partially observed user/item matrix, which can be conducted via the joint estimation of latent factors and activation coefficients. More formally, the object to be inferred is usually defined as the solution of a variational or stochastic optimization problem. In particular, within a Bayesian framework, this solution is defined as the minimizer of a cost function, referred to as the posterior loss. In the simple case when this function is chosen as quadratic, the Bayesian estimator is known to be the posterior mean which minimizes the mean square error and defined as an integral according to the posterior distribution. In most real-world applicative contexts, computing such integrals is not straightforward. One alternative lies in making use of Monte Carlo integration, which consists in approximating any expectation according to the posterior distribution by an empirical average involving samples from the posterior. This so-called Monte Carlo integration requires the availability of efficient algorithmic schemes able to generate samples from a desired posterior distribution. A huge literature dedicated to random variable generation has proposed various Monte Carlo algorithms. For instance, Markov chain Monte Carlo (MCMC) methods, whose particular instances are the famous Gibbs sampler and Metropolis-Hastings algorithm, define a wide class of algorithms which allow a Markov chain to be generated with the desired stationary distribution. Despite their seemingly simplicity and genericity, conventional MCMC algorithms may be computationally inefficient for large-scale, distributed and/or highly structured problems. The main objective of this thesis consists in introducing new models and related MCMC approaches to alleviate these issues. The intractability of the posterior distribution is tackled by proposing a class of approximate but asymptotically exact augmented (AXDA) models. Then, two Gibbs samplers targetting approximate posterior distributions based on the AXDA framework, are proposed and their benefits are illustrated on challenging signal processing, image processing and machine learning problems. A detailed theoretical study of the convergence rates associated to one of these two Gibbs samplers is also conducted and reveals explicit dependences with respect to the dimension, condition number of the negative log-posterior and prescribed precision. In this work, we also pay attention to the feasibility of the sampling steps involved in the proposed Gibbs samplers. Since one of this step requires to sample from a possibly high-dimensional Gaussian distribution, we review and unify existing approaches by introducing a framework which stands for the stochastic counterpart of the celebrated proximal point algorithm. This strong connection between simulation and optimization is not isolated in this thesis. Indeed, we also show that the derived Gibbs samplers share tight links with quadratic penalty methods and that the AXDA framework yields a class of envelope functions related to the Moreau one. Note de contenu : Introduction
1- Asymptotically exact data augmentation
2- Monte Carlo sampling from AXDA
3- 3A non-asymptotic convergence analysis of the Split Gibbs sampler
4- High-dimensional Gaussian sampling: A unifying approach based on a stochastic proximal point algorithm
5- Back to optimization: The tempered AXDA envelope
ConclusionNuméro de notice : 28575 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : thèse de Doctorat : Signal, Image, Acoustique et Optimisation : Toulouse : 2020 Organisme de stage : Institut de Recherche en Informatique de Toulouse En ligne : https://tel.archives-ouvertes.fr/tel-03143936/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97833
Titre : Bayesian inference on complicated data Type de document : Monographie Auteurs : Niansheng Tang, Éditeur scientifique Editeur : London [UK] : IntechOpen Année de publication : 2020 Importance : 118 p. Format : 19 x 27 cm ISBN/ISSN/EAN : 978-1-83962-704-0 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Statistiques
[Termes IGN] échantillonnage
[Termes IGN] échantillonnage de Gibbs
[Termes IGN] estimation bayesienne
[Termes IGN] filtrage bayésien
[Termes IGN] inférence statistique
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] théorème de BayesRésumé : (éditeur) Due to great applications in various fields, such as social science, biomedicine, genomics, and signal processing, and the improvement of computing ability, Bayesian inference has made substantial developments for analyzing complicated data. This book introduces key ideas of Bayesian sampling methods, Bayesian estimation, and selection of the prior. It is structured around topics on the impact of the choice of the prior on Bayesian statistics, some advances on Bayesian sampling methods, and Bayesian inference for complicated data including breast cancer data, cloud-based healthcare data, gene network data, and longitudinal data. This volume is designed for statisticians, engineers, doctors, and machine learning researchers. Note de contenu : 1- On the impact of the choice of the prior in Bayesian statistics
2- A brief tour of Bayesian sampling methods
3- A review on the exact Monte Carlo simulation
4- Bayesian analysis for random effects models
5- Bayesian inference of Gene regulatory network
6- Patient Bayesian inference: Cloud-based healthcare data analysis using constraint-based adaptive boost algorithm
7- The Bayesian posterior estimators under six loss functions for unrestricted and restricted parameter spacesNuméro de notice : 28590 Affiliation des auteurs : non IGN Thématique : MATHEMATIQUE Nature : Recueil / ouvrage collectif DOI : 10.5772/intechopen.83214 En ligne : https://doi.org/10.5772/intechopen.83214 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97937 Camera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs / Grégoire Guillet in ISPRS Journal of photogrammetry and remote sensing, vol 159 (January 2020)
[article]
Titre : Camera orientation, calibration and inverse perspective with uncertainties: a Bayesian method applied to area estimation from diverse photographs Type de document : Article/Communication Auteurs : Grégoire Guillet, Auteur ; Thomas Guillet, Auteur ; Ludovic Ravanel, Auteur Année de publication : 2020 Article en page(s) : pp 237 - 255 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] ajustement de paramètres
[Termes IGN] appariement d'images
[Termes IGN] autocorrélation spatiale
[Termes IGN] distorsion d'image
[Termes IGN] estimation bayesienne
[Termes IGN] étalonnage de chambre métrique
[Termes IGN] figuration de la densité
[Termes IGN] fonction inverse
[Termes IGN] image 2D
[Termes IGN] image aérienne
[Termes IGN] incertitude géométrique
[Termes IGN] longueur focale
[Termes IGN] méthode de Monte-Carlo par chaînes de Markov
[Termes IGN] modèle numérique de surface
[Termes IGN] orientation externe
[Termes IGN] photographie numérique
[Termes IGN] vue 3D
[Termes IGN] vue perspectiveRésumé : (Auteur) Large collections of images have become readily available through modern digital catalogs, from sources as diverse as historical photographs, aerial surveys, or user-contributed pictures. Exploiting the quantitative information present in such wide-ranging collections can greatly benefit studies that follow the evolution of landscape features over decades, such as measuring areas of glaciers to study their shrinking under climate change. However, many available images were taken with low-quality lenses and unknown camera parameters. Useful quantitative data may still be extracted, but it becomes important to both account for imperfect optics, and estimate the uncertainty of the derived quantities. In this paper, we present a method to address both these goals, and apply it to the estimation of the area of a landscape feature traced as a polygon on the image of interest. The technique is based on a Bayesian formulation of the camera calibration problem. First, the probability density function (PDF) of the unknown camera parameters is determined for the image, based on matches between 2D (image) and 3D (world) points together with any available prior information. In a second step, the posterior distribution of the feature area of interest is derived from the PDF of camera parameters. In this step, we also model systematic errors arising in the polygon tracing process, as well as uncertainties in the digital elevation model. The resulting area PDF therefore accounts for most sources of uncertainty. We present validation experiments, and show that the model produces accurate and consistent results. We also demonstrate that in some cases, accounting for optical lens distortions is crucial for accurate area determination with consumer-grade lenses. The technique can be applied to many other types of quantitative features to be extracted from photographs when careful error estimation is important. Numéro de notice : A2020-015 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.isprsjprs.2019.11.013 Date de publication en ligne : 02/12/2019 En ligne : https://doi.org/10.1016/j.isprsjprs.2019.11.013 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94404
in ISPRS Journal of photogrammetry and remote sensing > vol 159 (January 2020) . - pp 237 - 255[article]Exemplaires(3)
Code-barres Cote Support Localisation Section Disponibilité 081-2020011 RAB Revue Centre de documentation En réserve L003 Disponible 081-2020013 DEP-RECP Revue LASTIG Dépôt en unité Exclu du prêt 081-2020012 DEP-RECF Revue Nancy Dépôt en unité Exclu du prêt Modélisation des effets de la compétition interspécifique et des pratiques sylvicoles sur la croissance de jeunes plants forestiers / Jean-Charles Miquel (2020)PermalinkProbabilistic pose estimation and 3D reconstruction of vehicles from stereo images / Maximilian Alexander Coenen (2020)PermalinkSimulation of urban expansion via integrating artificial neural network with Markov chain – cellular automata / Tingting Xu in International journal of geographical information science IJGIS, vol 33 n° 10 (October 2019)PermalinkUsing a U-net convolutional neural network to map woody vegetation extent from high resolution satellite imagery across Queensland, Australia / Neil Flood in International journal of applied Earth observation and geoinformation, vol 82 (October 2019)PermalinkOn the application of Monte Carlo singular spectrum analysis to GPS position time series / Seyed Mohsen Khazraei in Journal of geodesy, vol 93 n° 9 (September 2019)PermalinkTotal Vertical Uncertainty (TVU) modeling for topo-bathymetric LIDAR systems / Firat Eren in Photogrammetric Engineering & Remote Sensing, PERS, vol 85 n° 8 (August 2019)PermalinkIndoor localization for pedestrians with real-time capability using multi-sensor smartphones / Catia Real Ehrlich in Geo-spatial Information Science, vol 22 n° 2 (June 2019)PermalinkExamining the sensitivity of spatial scale in cellular automata Markov chain simulation of land use change / Hao Wu in International journal of geographical information science IJGIS, Vol 33 n° 5-6 (May - June 2019)PermalinkA new relationship between the quality criteria for geodetic networks / Ivandro Klein in Journal of geodesy, vol 93 n° 4 (April 2019)PermalinkPermalinkPermalinkImproving the reliability of landslide susceptibility mapping through spatial uncertainty analysis: a case study of Al Hoceima, Northern Morocco / Hassane Rahali in Geocarto international, vol 34 n° 1 ([01/01/2019])PermalinkSimultaneous characterization of objects temperature and radiative properties through multispectral infrared thermography / Thibaud Toullier (2019)PermalinkPermalinkUncertainty modeling and analysis of surface area calculation based on a regular grid digital elevation model (DEM) / Chang Li in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)PermalinkExploring the sensitivity of coastal inundation modelling to DEM vertical error / Harry West in International journal of geographical information science IJGIS, vol 32 n° 5-6 (May - June 2018)PermalinkGeodetic VLBI with an artificial radio source on the Moon : a simulation study / Grzegorz Klopotek in Journal of geodesy, vol 92 n° 5 (May 2018)PermalinkNouvelle méthode en cascade pour la classification hiérarchique multi-temporelle ou multi-capteur d'images satellitaires haute résolution / Ihsen Hedhli in Revue Française de Photogrammétrie et de Télédétection, n° 216 (février 2018)PermalinkBayesian statistics and Monte Carlo methods / Karl Rudolf Koch in Journal of geodetic science, vol 8 n° 1 (January 2018)PermalinkDeep learning based vehicular mobility models for intelligent transportation systems / Jian Zhang (2018)Permalink