Lucie Montuelle

Research interests

J'ai consacré une partie de ma thèse, préparée au sein de l'équipe Select à Orsay, à l'estimation de densité conditionnelle par des mélanges de gaussiennes à poids et moyennes dépendant de la covariable conditionnante avec en vue une application à la segmentation d'images hyperspectrales. Cette application provient de mon stage de M2, encadré par Serge Cohen, au sein de l'équipe IPANEMA, centrée sur l'étude des matériaux anciens au synchrotron Soleil. Pour ce modèle, j'ai obtenu avec Erwan Le Pennec une inégalité oracle pour l'estimateur du maximum de vraisemblance pénalisé. Il peut être calculé à l'aide d'un schéma numérique combinant l'EM et l'algorithme de Newton.

Je m'intéresse par ailleurs à l'agrégation d'estimateurs via la théorie PAC bayésienne et plus précisément à l'obtention d'inégalités oracles en probabilité dans le cadre du modèle de régression à design fixe et à bruit sous-gaussien. J'ai démontré ce type de résultat pour l'agrégation à poids exponentiels d'estimateurs affines.

Depuis septembre 2015, je suis post-doctorante dans le projet ANR FOREWER et travaille à la modélisation de production électrique éolienne avec Dominique Picard, Mathilde Mougeot et Aurélie Fischer. Après avoir construit un prédicteur de la production à l'aide de méthodes de machine learning, l'objectif est de proposer une stratégie d'agrégation à poids exponentiels de prédicteurs statistiques et issus de simulations numériques de modèles physiques, afin de tirer parti des performances de chacune de ces méthodes sur des horizons différents.

Publications

Real-time wind power forecast
A. Fischer, L. Montuelle, M. Mougeot, D. Picard
, Submitted, 2016.
[bib] | [pdf] | [Hal]

PAC-Bayesian aggregation of affine estimators

L. Montuelle, E. Le Pennec
, Submitted, 2014.
[bib] | [pdf] | [arxiv]

Mixture of Gaussian regressions model with logistic weights, a penalized maximum likelihood approach

L. Montuelle, E. Le Pennec
, Electronic Journal of Statistics, 2014.
[bib] | [pdf] | [journal]

Agrégation PAC-Bayésienne d'estimateurs par projection

L. Montuelle, E. Le Pennec
, Journées de la Statistique proceeding, 2014.
[bib] | [proceeding]

Régression gaussienne à poids logistiques et maximum de vraisemblance pénalisé

L. Montuelle, E. Le Pennec
, Journées de la Statistique proceeding, 2013.
[bib] | [proceeding]

Gaussian Mixture Regression model with logistic weights, a penalized maximum likelihood approach

L. Montuelle, E. Le Pennec, S.X. Cohen
, INRIA Research Report no. 8281, 2013.
[bib] | [pdf] | [Hal]

PhD thesis

Inégalités d'oracle et mélange
[bib] | [pdf] | [Tel]
Supervised by Erwan Le Pennec (Ecole Polytechnique)
Defense on December 4th, 2014 at the Université Paris Sud, Orsay.
Reviewers: A. Dalalyan and G. Govaert
Examiners: P. Massart (president), O. Catoni, G. Celeux, S.X. Cohen.