Guillaume PERRIN
Chercheur en apprentissage statistique et quantification des incertitudes
CFR / COSYS - Département Composants et Systèmes
IMSE - Instrumentation Modélisation Simulation et Expérimentations
Marne-la-Vallée
Bâtiment: Building: Bienvenüe
14-20 Boulevard Newton$Champs-sur-Marne$77447 Marne-la-Vallée Cedex 2
Bureau: Office: C135
Guillaume PERRIN
Chercheur en apprentissage statistique et quantification des incertitudes
CFR / COSYS - Département Composants et Systèmes
IMSE - Instrumentation Modélisation Simulation et Expérimentations
THÈMES DE RECHERCHE
Apprentissage.
Développement d’outils d’aide à la décision pour la prédiction, l’optimisation, la calibration,
l’analyse de sensibilité et la garantie de sytèmes complexes. Régression par processus gaussiens
(ou krigeage). Régression pénalisée. Approximations tensorielles de faible rang. Support vector
machine et classification.
Problèmes inverses en statistiques.
Optimisation robuste. Calibration bayésienne. Analyse de sensibilité. Inférence statistique en
grande dimension. Suivi temps-réel de systèmes dynamiques et maintenance prédictive.
Approches VV-UQ (vérification, validation, quantification des incertitudes).
Vérification et validation des codes numériques. Conception et garantie sous incertitudes.
Modélisation des erreurs. Planification d’expériences physiques et numériques.
ACTIVITÉS D’ENSEIGNEMENT
ENPC Paris-Tech : " Statistiques et analyse de données " en deuxième année du cursus ingénieur .
ENSTA Paris-Tech : " Analyse probabiliste des structures " en deuxième année du cursus ingénieur.
Sup Galilée, Université Paris Villetaneuse : " Méthodes d’incertitudes " en troisième année du cursus ingénieur.
COMMUNICATIONS
RESEARCH TOPICS
Learning.
Development of decision support tools for prediction, optimization, calibration
sensitivity analysis and guarantee of complex systems. Regression by Gaussian processes
(or kriging). Penalized regression. Low rank tensor approximations. Support vector
machine and classification.
Inverse problems in statistics.
Robust optimization. Bayesian calibration. Sensitivity analysis. Statistical inference in
high dimensional statistical inference. Real-time monitoring of dynamic systems and predictive maintenance.
VV-UQ approaches (verification, validation, uncertainty quantification).
Verification and validation of numerical codes. Design and warranty under uncertainties.
Error modeling. Planning of physical and numerical experiments.
TEACHING ACTIVITIES
ENPC Paris-Tech : " Statistics and data analysis " in the second year of the engineering curriculum.
ENSTA Paris-Tech : " Probabilistic analysis of structures " in the second year of the engineering curriculum.
Sup Galilée, University of Paris Villetaneuse: "Uncertainty methods" in the third year of the engineering curriculum.
COMMUNICATIONS
Google Scholar