Séminaire MODAL'X : Baptiste Kerleguer (CEA)

Résumé : La régression par processus gaussien est largement utilisée pour simuler la sortie d'un code coûteux. Dans ce travail, nous nous intéressons à des codes dont la sortie est une fonction du temps. Pour créer des métamodèles de ces codes, il est courant de réduire la dimension, puis d'effectuer une régression dans l'espace latent à l'aide de la régression par processus gaussien, par exemple. Après avoir mis en lumière les problèmes posés par l'hypothèse d'indépendance des paramètres dans l'espace latent sur les sorties, nous introduisons les processus gaussiens d'ondelette afin d'éviter une régression par processus gaussien en grande dimension. Cette méthode permet de conserver les propriétés intéressantes de la régression par processus gaussien tout en facilitant l'implémentation. Les processus ainsi créés sont comparés aux méthodes usuelles sur un exemple d'astrophysique.