Générateur d’extrêmes multivariés par apprentissage statistique Multivariate Extremes Generator by Statistical Learning Nicolas Lafon Postdoctorant au GERAD (Groupe d’études et de recherche en analyse des décisions) Université McGill Résumé La génération d’extrêmes réalistes à partir d’un ensemble de données d’observation est cruciale lorsque l’on cherche à estimer les risques associés à l’occurrence d’extrêmes futurs, d’amplitude […]

The Bernoulli structure of discrete distributions and applications Patrizia Semeraro Politecnico di Torino Résumé We provide a geometrical structure for classes of high dimensional Bernoulli distributions that turns out to be important to address open issues such as dependence or aggregate risk. We focus on the class of Bernoulli variables X = (X1,…,Xd) with given […]

Proper Orthogonal Decomposition et l'algorithme glouton dans le contexte de réduction de modèle par la méthode de base réduite : une étude comparative Philippe Petitclerc Étudiant au doctorat en mathématiques Université Laval Résumé Les solutions numériques des EDP sont utiles et cruciales afin d'obtenir des simulations numériques de phénomènes physiques. Lors de l'utilisation de méthodes […]

Spatiotemporal Behaviour of SIR Models with Cross-Diffusion and Vital Dynamics Alexey Shevyakov Professeur University of Saskatchewan Résumé Contemporary epidemiological models often involve spatial variation, providing an avenue to investigate the averaged dynamics of individual movements. In this work, we extend a recent model by Vaziry, Kolokolnikov, and Kevrekidis that included, in both infected and susceptible […]

Approximating partial differential equations without boundary conditions Diane Guignard Professeure Université d'Ottawa Résumé We consider the problem of numerically approximating the solution of partial differential equations for which not all the input data are known. A situation of particular interest is when the boundary conditions are (partially) unknown. To alleviate this lack of knowledge, we […]

Estimation de modèles collectifs de risque avec dépendance FGM à 2 facteurs hiérarchiques Jean-Gabriel Maheux Étudiant à la maîtrise en actuariat Université Laval Résumé Les modèles collectifs de risque (CRM) sont des modèles cruciaux en actuariat. Notamment, ces modèles s'appliquent bien au domaine de l'assurance IARD. L'hypothèse simplificatrice d'indépendance entre la fréquence et les montants […]

L'hypothèse d'une relation linéaire entre l'exposition et la transmission de contagions sociales et biologiques Laurent Hébert-Dufresne Professeur agrégé, University of Vermont Résumé Les modèles de contagions ont pour but de simplifier des dynamiques globales complexes (comme une pandémie) en systèmes mathématiques simples (comme une équation différentielle). Pour ce faire, il est commun de supposer que […]

L'efficacité hors norme des fonctions génératrices pour modéliser les épidémies The unreasonable effectiveness of generating functions for outbreak analytics Guillaume St-Onge Research assistant professor Northeastern University, Portland Résumé La modélisation mathématique et computationnelle des maladies infectieuses est devenue un outil indispensable pour la prévention et la gestion des épidémies. L'abondance de nouvelles sources de données, […]

Algorithmes neuromorphiques et exemples d'applications pour l'IA en périphérie Neuromorphic Algorithms and examples for Edge & Embedded IA Applications Jean Rouat Professeur associé Université de Sherbrooke Résumé Les notions de base du calcul neuromorphique seront présentées. Certaines caractéristiques du cerveau - prises en compte dans le développement d'algorithmes pour l'IA embarquée et en périphérie seront […]