Le séminaire de mathématiques de Vannes du LMBA Vannes a lieu, en général, le vendredi à 11h30 dans la salle F196 du bâtiment Yves Coppens de l'Université Bretagne Sud, situé sur le campus de Tohannic à Vannes.

Vous pourrez trouver sur cette page le planning des exposés (à venir, futurs et passés) du séminaire, des soutenances de thèse des doctorants du LMBA présents sur le site de Vannes ainsi que des événements scientifiques organisés à Vannes par les membres du LMBA.

Contact : Fabien Priziac (fabien.priziac@univ-ubs.fr).

Novembre 2024

• 8 novembre (14h en amphi A104 du bâtiment Simone Veil) : Soutenance de thèse d'Arthur Fétiveau
• 15 novembre : Jonathan Vacher (Université Paris Cité)
  Titre : Perceptual Scales Predicted by Fisher Information Metrics.
  
  Résumé : Perception is often viewed as a process that transforms physical variables, external to an observer, into internal psychological variables. Such a process can be modeled by a function coined perceptual scale. The perceptual scale can be deduced from psychophysical measurements that consist in comparing the relative differences between stimuli (i.e. difference scaling experiments). However, this approach is often overlooked by the modeling and experimentation communities. Here, we demonstrate the value of measuring the perceptual scale of classical (spatial frequency, orientation) and less classical physical variables (interpolation between textures) by embedding it in recent probabilistic modeling of perception. First, we show that the assumption that an observer has an internal representation of univariate parameters such as spatial frequency or orientation while stimuli are high-dimensional does not lead to contradictory predictions when following the theoretical framework. Second, we show that the measured perceptual scale corresponds to the transduction function hypothesized in this framework. In particular, we demonstrate that it is related to the Fisher information of the generative model that underlies perception and we test the predictions given by the generative model of different stimuli in a set a of difference scaling experiments. Our main conclusion is that the perceptual scale is mostly driven by the stimulus power spectrum. Finally, we propose that this measure of perceptual scale is a way to push further the notion of perceptual distances by estimating the perceptual geometry of images i.e. the path between images instead of simply the distance between those.
   
• 22 novembre : Goulwen Fichou (Université de Rennes)
  Titre : Fonctions rationnelles continues et semi-normalisation.
  
  Résumé : Le but de l'exposé est d'expliquer la notion de fonctions rationnelles continues, et d'esquisser le lien avec la seminormalisation des variétés algébriques réelles.
   
• 26-27 novembre : 9èmes Rencontres de Statistique (https://www.lebesgue.fr/fr/rencontresstat24)
• 29 novembre : Mathieu Rosenbaum (École Polytechnique)
  Titre : Des tremblements de terre à la compréhension des risques financiers.
  
  Résumé : Cet exposé a pour but de présenter un panorama des résultats récents liés à la modélisation des risques financiers par les modèles type '"rough volatility''. Nous décrirons l'approche statistique ayant permis de mettre en place ces modèles puis détaillerons les aspects probabilistes associés, ainsi que les atouts pratiques expliquant la popularité de ce nouveau paradigme. Enfin, nous démontrerons que les modèles "rough volatility'' représentent les seules dynamiques permettant la viabilité d'un marché financier.

Décembre 2024

• 6 décembre : Christian Blanchet (Université de Paris)
• 13 décembre : Nicolas Dutertre (Université d'Angers)
• 13 décembre (14h en salle D077 du bâtiment Yves Coppens) : Soutenance de thèse de Thi Trang Nguyen
• 19 décembre (14h en amphi A103 du bâtiment Simone Veil) : Soutenance de thèse de Samir Orujov

Janvier 2025

• 10 janvier : Salim Lardjane (Université Bretagne Sud)
  Titre : Data Art - Une introduction théorique et pratique
   
• 17 janvier : Xiaoqun Zhang (Shanghai Jiao Tong University)
  Titre : Accelerated Diffusion Posterior Sampling Models for Linear and Nonlinear Inverse Problems
  
  Résumé : Diffusion models have emerged as powerful generative tools for solving inverse problems, particularly due to their ability to produce high-quality reconstructions from noisy and incomplete data. In medical imaging, inverse problems like CT reconstruction and travel-time tomography benefit from diffusion models' capability to conditionally sample based on observed data, promising advancements in both image quality and computational efficiency. This talk introduces accelerated diffusion posterior sampling methods tailored to improve both speed and accuracy in these settings, with specific focus on reducing radiation risks in CT and handling nonlinear complexities in PDE-based tomography.  For CT, we propose a fast-sampling method that incorporates data consistency through an optimization step, initialized with a pretrained diffusion model conditioned on measurement data. This approach includes an iterative adaptation to noisy timesteps and a strategy to start sampling from the filtered back-projection (FBP) image midway, significantly reducing computational steps. For nonlinear PDE-based problems like travel-time tomography, we implement a plug-and-play posterior sampling process using the adjoint-state equation, along with a subspace-based dimension reduction to refine across grids efficiently. Experimental results show significant improvements, with a 20x speedup in CT reconstructions compared to original diffusion posterior sampling method and enhanced imaging quality in travel-time tomography, demonstrating the practical utility of diffusion models in clinical and other high-stakes applications.
   
• 24 janvier : Edouard Daviaud (Université de Liège)
  Titre : Dynamical approximation by orbits of ergodic systems
  
  Résumé
   
• 31 janvier : Valérie Garès (INSA Rennes)