1. Accueil

 

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

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

Nombre de références

672

Nombre de documents

159

Types de documents

VÉRIFIER LA POLITIQUE DE SON ÉDITEUR

 
     
Consulter la politique des éditeurs également sur

 

INRA