thèmes
|
|
Etude algorithmique de chaînes de Markov
Il s'agit de chaînes de Markov dont la matrice de transition
possède la même structure, par
blocs, que celles de files d'attente M/G/1 et GI/M/1. Les applications
sont nombreuses, notamment en modélisation de systèmes
informatiques. On utilise des raisonnements probabilistes pour mettre
au point des algorithmes de calcul de diverses caractéristiques
: distribution stationnaire, temps de passage, etc.
Réseaux de télécommunication
La modélisation de réseaux de
télécommunication pose des problèmes particuliers,
liés d'une part à la conjonction de
phénomènes se produisant sur des échelles de temps
très différentes, d'autre part au manque de
données expérimentales jusqu'il y a peu. On
s'intéresse principalement à la modélisation du
trafic des paquets.
Processus stochastiques planaires de phases
Les applications mobiles en télécommunication sont
appelées à se développer et poseront de nombreux
problèmes nouveaux de modélisation. Actuellement, les
processus planaires sont principalement représentés par
le processus de Poisson à deux dimensions. L'objet de ce projet
est d'appliquer à ce cadre les méthodes de phase qui ont
rencontré un succès éclatant en
modélisation temporelle de trafic.
Modèles de fluides dans un environnement
Markovien.
Les modèles de fluides sont utilisés dans la
modélisation de systèmes en
télécommunications. La petite taille des paquets à
transmettre comparée
à celle des buffers permet de traiter les données
comme un fluide qui s'accumule dans le buffer ou s'en écoule.
Nous introduisons l'effet causé par des arrivées
soudaines, provoquées par des événements
aléatoires,
de grandes quantités de données à transmettre.
Techniques d'apprentissage
locale pour la modélisation.
L' apprentissage supervisé consiste à déterminer
sur base d'un nombre fini d'observations, la relation entre un
ensemble de variables d'entrée et une ou plusieurs variables
de sortie. L'approche traditionnelle de l'apprentissage
supervisé
s'appuie sur une description globale de la relation entre les
entrées et les sorties à l'aide d'une fonction analytique
définie sur l'ensemble du domaine de variation des
entrées. Par contre, la modélisation locale ne se
base pas sur une approximation globale de l'ensemble de toutes les
données disponibles mais
réalise la prédiction des sorties pour des entrées
spécifiques, également appelées requêtes. La
recherche effectuée dans ce domaine a montré
que des applications prometteurs pour ces algorithmes sont l'analyse
de données (data-mining), la prévision de séries
temporelles et le contrôle de systèmes dynamiques. Les
résultats expérimentaux sur des taches
réelles
et simulées, de même que la participation réussie
à deux concours internationaux sur les techniques
d'apprentissage, ont démontré que ces techniques sont
compétitives par rapport aux méthodes existantes et
peuvent être
considérées comme une alternative potentielle aux
approches actuellement utilisées dans un grand nombre de
domaines pratiques.
|
theses
|
|
Benseba N. (1996), Etude
algorithmique des chaines de Markov de type GI/M/1 et analyse des
performances d'un système de fabrication par lots, ULB.
Leemans H. (1998), The Two-Class Two-Server Queueing Model with
Nonpreemptive Heterogeneous Priority Structures, Doctoraat in
Toegepaste Economische Wetenschappen, KU Leuven
Seront Grégory (1999), Evolutionary algorithms and hybridization
in optimization and program construction, ULB.
Remiche MA (1999), Isotropic Phase Planar Point Processes: Analysis
and Application to Cellular Mobile Telecommunication, Doctorat en
Sciences,
ULB
|
collaborations principales
|
|
Prof.
D. Bini, Università di Pisa, Dipartimento di
Matematica, Pisa, Italie .
Dr. B. Meini, Università di Pisa, Dipartimento di Matematica,
Pisa, Italie .
Prof. Marcel F. Neuts, University of Arizona, Systems and Industrial
Engineering, Tucson, AZ, Etats-Unis (USA).
D r V. Ramaswami., At & T Labs, Middletown N.J., Etats-Unis (USA).
Prof. Peter Taylor, University of Adelaide, Teletraffic Research
Centre, Adelaide, Australie .
Prof. Phuoc Tran-Gia, Universität Würzburg, Lehrstuhl
für verteilte Systeme, Würzburg, Allemagne.
Dr. Alfredo Vaccaro, Università del SAnnio, Benevento, Italie.
|