Sujet de thèse :
Modèles et algorithmes pour l'apprentissage statistique des processus ponctuels spatio-temporels. Applications aux données cosmologiques et caractérisation.
Ma thèse s'inscrit dans le domaine des statistiques spatiales, une branche des probabilités et statistiques correspondant à l'étude de tout type de données spatiales/spatio-temporelles. Plus spécifiquement, je travaille sur la modélisation, la simulation et l'inférence de processus ponctuels de Gibbs appliqués à des données cosmologiques. Une composante de ces travaux traite de l'inférence en données incomplètes.
Communication en conférences :
-N. Gillot, R. S. Stoica and D. Gemmerlé. Study the galaxy distribution characterisation via Bayesian statistical learning of spatial marked point processes. Proceedings RING , Nancy, 2023. Preprint HAL, hal-04163649 .
-N. Gillot, R. S. Stoica, A.Särkkä and D. Gemmerlé. Spatial point process modelling and Bayesian infernce for large data sets. Proceedings RING , Nancy, 2024. Preprint HAL, hal-04645186