Objectif

Obtenir un poste d'enseignant à l'université.

Sujets de recherche

Statistiques

Classification supervisée

  • Sujet principal de recherche: étude théorique et appliquée du rapport entre les approches génératives et discriminatives,
  • Modèles paramétriques: extensions de l'analyse discriminante,
  • Modèles à classe latente, régression logistique linéaire et non linéaire,
  • Modèles non-paramètriques (Support Vector machines, Relevance Vector machines): utilisation/comparaison dans les applications.

Choix de modèle

  • Choix du nombre de composantes d'un modèle à structure latente,
  • Selection automatique des variables discriminante par méthode de pénalisation ou d'a priori sur les paramètres.

Régression

  • Mélanges de regressions (Mixture of Experts),
  • Estimation de frontières: estimateur à noyaux.

Estimation de densité

  • Modèles de mélanges particuliers : Mélanges de distributions sphériques, mélanges d'analyses en composante principale,
  • Probabilité sur des ensembles non ordonnés de dimension variable. Applications à la description d'images.

Modélisation bayesienne

  • Modèles graphiques et réseaux bayesiens,
  • Inférence bayesienne : échantillonnage de Gibbs, algorithme de Métropolis-Hasting,
  • Modélisation des défaillances d'élements soumis à des contraintes physiques,
  • Fiabilité des structures : calcul FORM/SORM et modélisation bayesienne.

Vision par ordinateur

Reconnaissance d'objets

  • Description d'images numeriques par points d'intérêts,
  • Selection automatiques des charactérisques discriminantes d'un classe d'object,
  • Structure spatiale des points points d'intérêts et localisation d'objets.

Etudes

1996. Baccalauréat Scientifique. Firminy.

Option mathématiques. Mention assez bien.

1996-2001. Institut National des Sciences Appliquées. Rouen.

1996-1998. Cursus général. 1999-2001. Département de mathématiques.

2001. DEA d'analyse et modèles stochastiques. Université de Rouen.

Option probabilités/statistiques. Mention très bien.

2002-2004. Thèse de statistiques. INRIA Rhône-Alpes.

Sujet: Modèles génératifs et discriminatifs en apprentissage statistique.
Applications à la vision par ordinateur.

Enseignement

1998-2000. Asso'science. Rouen.

Président et créateur d'Asso'science, un association a but non lucratif organisant des cours de préparation au baccalauréat.

2001. Université Joseph Fourier. Grenoble.

Cours de mathématiques (analyse). Première année de license.

2002. Ecole Supérieure des Affaires. Grenoble.

Cours de probabilités/statistiques.

Experience professionnelle

Juil.-sept. 1999. Dassault Aviation. Cazaux.

Suivi de cible sur images numériques. Etude de faisabilité.

Juin-oct. 2000. INRIA. Rocquencourt.

Modélisation et visualisation de formes fractales tridimensionelles en environement virtuel. Réalisation d'un programme de démonstration.

2000. Centre Hospitatier Régional. Firminy.

Création d'un programme de suivi de plaies (escares, brulures). Création du programme de saisie/traitement des données. Programmation SQL/ACCESS.

Sept. 2001-sept. 2002. Electricité de France. Paris

Modélisation de défaillances d'élements cuves de réacteurs nucléaires. Modèles bayesien hierarchique. Inférence par échantillonage de Gibbs. Création du programme SimPFC (en C++).

Autres activités

Publications

Articles de journaux

  • G. Bouchard (2003). Mixture of Regressions with Normal Regressors. In Martin Schader, Wolfgang Gaul, Maurizio Vichi, editors, Between Data Science And Applied Data Analysis.
  • G. Bouchard, S. Girard, A. Iouditski and A. Nazin (2004). Nonparametric estimation of the support boundary through linear programming, Automation and Remote Control, 65(1), 58-64.
  • G. Bouchard, S. Girard, A. Iouditski and A. Nazin (2004). Linear programming problems for frontier estimation, Applied Stochastic Models in Business and Industry.

Conferences internationales

  • G. Bouchard. Mixture of Regressions with Normal Regressors, Gesellshaft für Klassification, 2002, Manheim, Germany.
  • G. Bouchard and G. Girard. Kernel Frontier Estimation. Colloquium on Statistical Learning, 2002, CNAM, Paris, France.
  • G. Bouchard and G. Celeux. Supervised Classification with Spherical Gaussian Mixtures. CLADAG 2003, University of Bologna, Italy.
  • G. Bouchard and B. Triggs. The Tradeoff between Generative and Discriminative classifiers. COMPSTAT 2004, 16th Symposium of IASC, Prague (accepté).
  • G. Bouchard and G. Celeux. Choosing a model in a Classification purpose. Meeting of the International Federation of Classification Societies,, 2004, Chicago, United States (soumis).

Conferences françaises avec comité de lecture

  • G. Bouchard, G. Celeux, F Billy, F. Josse. Réactualisation bayésienne d'un modèle de dégradation en fonction du retour d'expérience. Colloque de Maîtrise des risques et de Sûreté de Fonctionnement (Lambda-Mu), 2004, Bourges, France.

Présentations diverses

  • Journée technique IMdR-SdF. Applications industrielles de la démarche bayésienne, 2003, l'ESSTIN,Vandoeuvre-Lès-Nancy.

Rapports de recherche

  • G. Bouchard, S. Girard, A. Iouditski & A. Nazin. (2003) "Linear programming problems for frontier estimation", Rapport de Recherche INRIA RR-4717, et Rapport technique IAP RT-0304, 2003.

Autres rapports

  • G. Bouchard, G. Celeux. (2002) Etude de fiabilité des pénétrations de fond de cuve. Validation du programme SimPFC.