Éric Moulines

Éric Moulines, né à Bordeaux le , est chercheur français en apprentissage statistique et traitement du signal.  Il reçoit la médaille d'argent du CNRS en 2010[1], le prix France Télécom remis en collaboration avec l'académie des sciences en 2011. Il est nommé « fellow » de l’European Association for Signal Processing en 2012 et de l’Institut of Mathematical Statistics en 2016[2]. Il est ingénieur général du corps des mines (X81).

Pour les articles homonymes, voir Moulines.

Biographie

Éric Moulines entre à l'École polytechnique en 1981, puis part étudier à Télécom ParisTech.

Il commence sa carrière au Centre national d'études des télécommunications où il travaille sur la synthèse de parole à partir du texte. Il participe au développement de nouvelles méthodes de synthèse par formes d'ondes, appelées PSOLA (« pitch synchronous overlap and add »)[3].

Après avoir soutenu sa thèse en 1990[4], il rejoint l’École Nationale Supérieure des Télécommunications comme maître de conférences. Il s'intéresse alors à différents problèmes de traitement statistique du signal. Il contribue notamment au développement des méthodes sous-espaces pour l'identification de systèmes linéaires multivariés[5] et la séparation de sources[6]. Il développe aussi de nouveaux algorithmes d'estimation adaptatives de systèmes.

Il reçoit l'habilitation à diriger les recherches en 2006 et devient professeur à Télécom Paris. Il se consacre alors principalement à l'application des méthodes bayésiennes avec des applications en traitement du signal et en statistique[7].

Éric Moulines a dirigé 21 thèses, a été président de jury pour 9 thèses, a été rapporteur pour 10 thèses, a été membre de jury pour 6 thèses[8].

Travaux scientifiques[9]

Il s'intéresse à l'inférence des modèles à variables latentes[10] et notamment aux chaînes de Markov cachées[11],[12] et les modèles non-linéaires d'état (filtrage non-linéaire)[13],[14]. Il contribue notamment aux méthodes de filtrage par systèmes de particules en interaction[13],[14]. Il s'est plus généralement intéressé à l'inférence de modèles markoviens partiellement observés, couplant des problèmes d'estimation et de simulation par des méthodes de Monte Carlo par Chaînes de Markov (MCMC). Il a aussi développé de nombreux outils théoriques pour l'analyse de convergence des algorithmes MCMC, obtenant à cette occasion des résultats fondamentaux sur le comportement en temps long de chaînes de Markov[15],[16],[17].

À partir de 2005, il commence à travailler sur des problèmes d'apprentissage statistique et notamment à l'analyse des algorithmes d'optimisation stochastiques[18],[19].

Il rejoint le Centre de mathématiques appliquées de l’École polytechnique[20] comme professeur en 2015[21]. Il s'intéresse à l'inférence bayésienne de modèles en grande dimension, avec des applications en quantification d'incertitude en apprentissage statistique.

Honneurs et distinctions

Notes et références
  1. « Médaille d'argent 2010 : Éric Moulines » [PDF], sur cnrs.fr
  2. « Faculty of Computer Science / International Laboratory of Stochastic Algorithms and High-Dimensional Inference »
  3. Eric Moulines, Francis Charpentier, « Pitch-synchronous waveform processing techniques for text-to-speech synthesis using diphones », Speech Communication,‎ , p. 453--467
  4. « Biographie »
  5. E Moulines, P Duhamel, JF Cardoso, S Mayrargue, « Subspace methods for the blind identification of multichannel FIR filters », IEEE Transactions on signal processing,,‎ , p. 516--525
  6. Belouchrani, Adel and Abed-Meraim, Karim and Cardoso, J-F and Moulines, Eric, « A blind source separation technique using second-order statistics », IEEE Transactions on signal processing,‎ , p. 434--444
  7. « Apprentissage Bayésien »
  8. « Thèses »
  9. « Research gate »
  10. O Cappé, E Moulines, « On‐line expectation–maximization algorithm for latent data models », Journal of the Royal Statistical Society: Series B (Statistical Methodology),‎ , p. 593--613
  11. R Douc, E Moulines, T Rydén, « Asymptotic properties of the maximum likelihood estimator in autoregressive models with Markov regime », The Annals of statistics,‎ , p. 2254--2304
  12. O. Cappé, E. Moulines, T. Ryden, « Inference in Hidden Markov Models », Springer Series in Statistics,‎
  13. R Douc, A Garivier, E Moulines, J Olsson, « Sequential Monte Carlo smoothing for general state space hidden Markov models », The Annals of Applied Probability,‎ , p. 2109--2145
  14. R Douc, E Moulines, D Stoffer, « Nonlinear time series: Theory, methods and applications with R examples », Chapman and Hall/CRC,‎
  15. C Andrieu, É Moulines, « On the ergodicity properties of some adaptive MCMC algorithms », The Annals of Applied Probability,‎ , p. 1462--1505
  16. R Douc, E Moulines, P Priouret, P Soulier, « Markov Chains », Springer,‎
  17. A Durmus, E Moulines, « Nonasymptotic convergence analysis for the unadjusted Langevin algorithm », The Annals of Applied Probability,‎ , p. 1551--1587
  18. A Garivier, E Moulines, « On upper-confidence bound policies for switching bandit problems », International Conference on Algorithmic Learning,‎ , p. 174--188
  19. E Moulines, FR Bach, « Non-asymptotic analysis of stochastic approximation algorithms for machine learning », Advances in Neural Information Processing Systems,‎ , p. 451--459
  20. « Le statisticien historique : Éric Moulines, professeur à l’École polytechnique », sur usinenouvelle.com,
  21. « Professeur à l'École Polytechnique »
  22. « Fiche de présentation », sur academie-sciences.fr
  • Portail des mathématiques
  • Portail des probabilités et de la statistique
  • Portail de la France
Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.