Accéder aux actualités Evènements des groupes Liste des groupes publics
Liste des événements uniques du groupe Probabilité et informatique

 2011-01-24 CPO des mesures 11:00-12:00076 Afin de formaliser la sémantique dénotationnelle des programmes probabilistes, nous introduisons le cpo (complete partial order) des mesures de probabilité. Cette approche permet d'éviter les identifications non souhaitables, liées à un préordre imposé dans l'approche relationnelle du non-déterminisme. Nous étudions ensuite les propriétés importantes de cette construction. Plus d'infos

 2011-01-17 Chaîne de Markov et génération aléatoire 11:00-12:00076 Suite du cours ! Plus d'infos

 2011-01-10 Optimal positional strategies in stochastic games 11:00-12:00076 (Exposé en Français) We consider Markov decision processes with finitely many states and actions. Roughly speaking, a Markov decision process is a Markov chain whose execution is influenced by a player: at each step, depending on the current state of the Markov chain, the player is allowed to choose which probability distribution will be used to make the transition to the next state. His choices are restricted to a finite set of distributions, also called *actions*. The goal of the player is to maximize his expected payoff, which is computed by a payoff function. Such a function associates to each infinite sequence of states and actions a real number. For arbitrary payoff function, the player may have to play very complex strategies to maximize his expected payoff. We are interested in *positional* payoff functions that make the job very simple for the player: whatever is the Markov decision process, the player is able to play *optimally* with *no memory at all*. More precisely, for each state, the player can choose again and again the same action each time the process reaches this state. We will present a theorem about positional payoff functions which provides a unified proof of several results previously known, as well as new examples of Markov decision processes in which simple optimal strategies are guaranteed to exist. Plus d'infos

 2011-01-03 Chaînes de Markov et génération aléatoire 11:00-12:00076 cours 5 : Les chaînes de Markov d'espace d'états fini sont un type de processus aléatoires simple, qui sont particulièrement faciles à utiliser pour la mise au point d'algorithmes de génération aléatoire (uniforme ou non) d'objets discrets. Plus d'infos

 2010-12-13 Graphes aléatoires : (quelques) modèles et algorithmes 11:00-12:00076 Issus du célèbre modèle d'Erdös-Réyni introduit à la fin des années cinquantes, les graphes aléatoires ont suscité de nombreux travaux, particulièrement ces derniéres années. L'intérêt de tels objets est en effet multiple : détection de connexions manquantes, inférence sur des propriétés topologiques etc. On verra, au cours de ce bref état de l'art, que l'on peut distinguer deux approches, à savoir une approche algorithmique visant à reproduire certaines propriétés des réseaux et une approche statistique visant à estimer les paramètres d'un modèle probabiliste. On se focalisera sur la deuxième, peut-être moins connue au sein de la communauté informatique. Cette présentation sera également l'occasion de présenter une application des chaînes de Markov pour la maximisation de la vraisemblance d'un modèle." Plus d'infos

 2010-12-06 Chaîne de Markov et génération aléatoire 11:00-12:00salle 076 Cours numéro 4 ! Plus d'infos

 2010-11-29 Routage à la boussole : comportement asymptotique sur un ensemble aléatoire de points. 11:00-12:00salle 76 Nous étudions quelques algorithmes de routage glouton dans le plan. En particulier, nous nous intéressons à des résultats asymptotiques, lorsque le nombre de points tend vers l’infini et sont choisis selon une distribution de probabilité à support borné. Nous obtenons des résultats asymptotiques concernant la géométrie des trajectoires, le nombre de points visités et le comportement de différentes fonctions de coût. Travail réalisé par Jean-François Marckert. Plus d'infos

 2010-11-22 cours 3 : chaîne de Markov et génération aléatoire 11:00-12:00076 Les chaînes de Markov d'espace d'états fini sont un type de processus aléatoires simple, qui sont particulièrement faciles à utiliser pour la mise au point d'algorithmes de génération aléatoire (uniforme ou non) d'objets discrets. Plus d'infos

 2010-11-15 chaîne de Markov et génération aléatoire 11:00-12:00076 Cours 3: Les chaînes de Markov d'espace d'états fini sont un type de processus aléatoires simple, qui sont particulièrement faciles à utiliser pour la mise au point d'algorithmes de génération aléatoire (uniforme ou non) d'objets discrets. Plus d'infos

 2010-11-15 Cours de Philippe Duchon d'aujourd'hui : annulé 11:00-12:00 Le cours est reporté pour raison médicale. Désolés de prévenir si tard, c'est la faute aux microbes. Plus d'infos

 2010-11-08 Circulation auto-stabilisante d'un jeton dans les anneaux unidirectionnels et anonymes 11:00-12:00salle 76 Un des problèmes de base de l'algorithmique auto-stabilisante est la circulation de jeton. Nous étudierons ce problème dans un contexte particulièrement difficile : les anneaux anonymes unidirectionels où les processus sont asynchrones. Les vitesses respectives des processus varient au cours du temps et sont non bornées. Dans ce contexte, les techniques algorithmiques basées sur les marches aléatoires ne peuvent être utilisées. Nous présenterons la technique algorithmique utilisée et son analyse. Plus d'infos

 2010-10-18 Chaînes de Markov et génération aléatoire 11:00-12:00076 2ème cours ! Les chaînes de Markov d'espace d'états fini sont un type de processus aléatoires simple, qui sont particulièrement faciles à utiliser pour la mise au point d'algorithmes de génération aléatoire (uniforme ou non) d'objets discrets. Plus d'infos

 2010-10-11 Algorithmique distribuée et probabilités 11:00-12:00Attention : salle 075 En algorithmique distribuée, plusieurs problèmes n'admettent pas de solution déterministe sous certaines hypothèses (anonymat par exemple). On se retrouve donc à devoir concevoir une solution probabiliste à ces problèmes. Dans cet exposé, je montrerai quelques exemples de solutions probabilistes à des problèmes fondamentaux en algorithmique distribuée tels que le MIS, le coloriage ou la décomposition de graphes. Je présenterai en particulier une analyse d'un algorithme optimal pour réaliser le coloriage. Cet exposé présente des travaux menés en collaboration avec Y. Métivier, J.M. Robson et N. Saheb. Plus d'infos

 2010-10-04 Chaînes de Markov et génération aléatoire 11:00-12:00Salle 076 Les chaînes de Markov d'espace d'états fini sont un type de processus aléatoires simple, qui sont particulièrement faciles à utiliser pour la mise au point d'algorithmes de génération aléatoire (uniforme ou non) d'objets discrets. Plus d'infos

 2010-09-27 Calculs et notion de base en probabilité 11:00-12:00salle 076 Il s'agira ici de parler des toutes premières notions des probabilités : espace de proba, mesures, tribus, variables aléatoires, mesures images, indépendance, espérance... si le temps le permet. ----------- Le programme pour les semaines suivantes se trouve à : http://www.labri.fr/perso/marckert/GT-proba-info.html Plus d'infos

Liste des événements répétitifs du groupe Probabilité et informatique

Retour
Retour à l'index