Antoine Chambaz (MAP5 Université de Paris)

« Dessine-moi un modèle »: utilisation de réseaux de neurones pour le développement de simulateurs plus réalistes en analyse causale

vendredi 5 février 2021, 9h30

Salle du conseil, espace Turing


Les études de simulations jouent un rôle important en mathématiques appliquées et en statistique en particulier. Elles peuvent y avoir des objectifs variés, parmi lesquels celui d’évaluer les performances d’une procédure destinée à apprendre un trait Psi(P) de la loi de l’expérience d’intérêt P à partir d’observations tirées sous P. Dans un tel cas, le statisticien construit une loi P’ qu’il maîtrise suffisamment pour connaître Psi(P’) puis, souvent à plusieurs reprises, apprend Psi(P’) à partir d’observations tirées sous P’. En comparant les estimateurs avec leur cible, le statisticien peut alors illustrer les performances de la procédure selon divers points de vue. La conception de P’ est parfois fastidieuse. Le statisticien utilise par ailleurs souvent les mêmes ficelles et, bien que cela ne soit pas du tout rédhibitoire, construit une loi P’ sans doute très éloignée de la vraie loi P. Je discuterai au cours de cet exposé comment l’utilisation de réseaux de neurones peut être envisagée pour apprendre, à partir des observations tirées sous P, une loi P’ peut-être plus convaincante. L’exemple relèvera de l’analyse causale.

Ceci est un travail en collaboration avec Sandrine Boulet (INSERM UMRS 1138 Equipe 22) et Camille Pétri (Imperial College of London, Center for Cardiac Engineering).

Voici le lien zoom pour suivre le séminaire : https://u-paris.zoom.us/j/85320444761?pwd=UE5mZElsZnVjZ1BiYXZjK0taYmtCZz09