Séminaires

Connexité et analyse des donnes non linéaires   Pelvoux, salle Ax101, 2006-03-02 11:00:00 - 2006-03-02 12:30:00

Séminaire de Catherine Aaron (SAMOS, université Paris 1). Dans le cas de l'analyse des données "classique" (i.e linéaire) de nombreuses méthodes existent pour récolter nombre d'informations afin de résumer et de mieux comprendre les données. Elles sont vite mises en défaut lorsque les données sont issues d'un tirage sur une variété non linéaire. Pour le comprendre il suffit, par exemple, d'imaginer ce que donne une normalisation, une ACP, un coefficient de corrélation ou même le calcul d'un barycentre lorsque les données sont tirées sur une sinusoïde en dimension 2. On s'interesse ici a la construction de méthodes d'analyses des données non linéaire en faisant l'hypothèse que les données sont "d'un seul tenant", c'est a dire constituées une seule classe (ou encore que la variété sur laquelle les données ont été tirées n'a qu'une composante connexe). Dans un premier temps on présentera comment normaliser les données lorsque ces dernières sont non linéaires. Pour cela on construit un algorithme de normalisation local reposant sur le choix d'un graphe qui résume les voisinages entre points. On présentera rapidement la construction d'un indicateur central non linéaire (barycentre dans le cas linéaire) Enfin, après avoir rappelé la méthode de projection par des cartes de Kohonen, on présentera un outil permettant de choisir de "bons" paramètres en "input" a l'algorithme ce qui permettra d'avoir une idée plus fine de la dimension intrinsèque des données que par l'utilisation "directe" des méthodes de calcul de la dimension intrinsèque issues des calculs de dimension fractale.

Slides

Les transparents des séminaires

Robustness analysis and tuning of synthetic gene networks   Evry-2, 4ème étage, 2007-11-29 02:00:00 - 2007-11-29 04:00:00

Motivation: The goal of synthetic biology is to design and construct biological systems that present a desired behavior. The construction of synthetic gene networks implementing simple functions has demonstrated the feasibility of this approach. However, the design of these networks is difficult, notably because existing techniques and tools are not adapted to deal with uncertainties on molecular concentrations and parameter values. Results: We propose an approach for the analysis of a class of uncertain piecewise-multiaffine differential equation models. This modeling framework is well-adapted to the experimental data currently-available. Moreover, these models present interesting mathematical properties that allow the development of efficient algorithms for solving robustness analyses and tuning problems by adapting discrete abstraction techniques previously proposed for the formal verification of hybrid systems. These algorithms are implemented in the tool RoVerGeNe, and their practical applicability and biological relevance are demonstrated on the analysis of the tuning of a synthetic transcriptional cascade built in E. coli.

Séminaire IBISC : Pietro Abate   ENSIIE, amphi 101, 2008-05-29 10:00:00 - 2008-05-29 11:30:00

Titre : The Tableau WorkBench Résumé : The Tableau Workbench (TWB) is a generic framework for building automated theorem provers for arbitrary propositional logics. The TWB has a small core that defines its general architecture, some extra machinery to specify tableau-based provers and an abstraction language for expressing tableau rules. This language allows users to ``cut and paste'' tableau rules from textbooks and to specify a search strategy for applying those rules in a systematic manner. A new logic module defined by a user is translated and compiled with the proof engine to produce a specialized theorem prover for that logic. The TWB provides various hooks for implementing blocking techniques using histories and variables, as well as hooks for utilising/defining optimisation techniques. During this talk I will show how to build a theorem prover for few known modal logics starting from a pen and paper formulation, and if time permits, how to implement a more complex algorithm for the satisfiability of Computation Tree Logic (CTL).