MIA-Paris

 

L’unité mixte INRA/AgroParisTech “Mathématiques et Informatique Appliquées” regroupe des statisticiens et des informaticiens spécialisés dans la modélisation et l’apprentissage statistique et informatique pour la biologie, l’écologie, l’environnement, l’agronomie et l’agro-alimentaire. Leurs compétences portent sur les méthodes d’inférences statistiques (modèles complexes, modèles à variables latentes, inférence bayésienne, apprentissage, sélection de modèle), et algorithmiques (généralisation, transfert de domaine, représentation des connaissances).

 

 Les publications scientifiques de l'UMR sont consultables sur ce site :
En totalité
ou
Par l'onglet recherche pour une recherche par thème ou par auteur

Mots-clés

Bayesian framework Ontology Apprentissage Time series Algorithm Intelligence artificielle Analyse Empirical Bayes Semantic annotation Aggregation Sensitivity analysis Mixture model Biodiversity AIXI Uncertainty Markov chain Nummelin splitting technique Gene expression Stochastic block model Flexible querying GENE-EXPRESSION Mixed models Fromage BIC Diced bacon Count data Hydrology Cross-validation Avalanche predetermination Random graphs Data integration Bayesian modeling Dirichlet process mixtures Cycle submaximum Hill estimator Extremal index Informatique Intelligence Artificielle Elicitation Bayesian model averaging Dependence Segmentation Climate change Central limit theorem High dimension Stochastic differential equations Ensemble methods EM algorithm Microarray Bayesian network Abundance distribution Ecology R package Multiple testing Grande dimension Bacillus cereus Détection de ruptures Statistique bayésienne Differential analysis Propionibacterium freudenreichii Extreme value statistics Metagenomics Change-point detection Clustering collaboratif Universal artificial intelligence Dietary exposure Hawkes processes Bayesian inference Nonparametric estimation Food risk assessment False discovery rate Big data Unsupervised classification Dynamic programming Database Conceptual graphs Density estimation Counting processes Analysis Bootstrap Classification Validation Model selection Dravet syndrome Variable selection Food risk analysis Bayesian statistics Sélection de modèles Classification non supervisée Extreme precipitation Clustering Experimental design Weak dependence Dietary contamination Conditional simulation Em algorithm CRAN Aalen model Mixture models
                               

Nombre de références

696

Nombre de documents

187

Types de documents

VÉRIFIER LA POLITIQUE DE SON ÉDITEUR

 
     

Consulter la politique des éditeurs également sur