Outils

Actualité de l'ENS de Lyon

Marcelo Pereyra, professeur invité du Laboratoire de Physique

Photo de Marcelo Pereyra
Portrait
 

Professeur associé, université Heriot-Watt et Institut Maxwell, Édimbourg, Écosse Royaume-Uni.
Professeur invité 2022-23 - du 8 au 29 avril 2023
Chercheur invitant : Julián Tachella

Biographie

Marcelo Pereyra est professeur associé en statistiques à l'école de mathématiques et d'informatique de l'université Heriot-Watt et à l'institut Maxwell pour les sciences mathématiques. Ses recherches portent principalement sur les nouvelles théories, méthodes et algorithmes mathématiques permettant de résoudre des problèmes inverses complexes liés à l'imagerie mathématique et informatique. Ses travaux se concentrent sur de nouvelles approches d'analyse et de calcul bayésiennes pour l'imagerie, et sur la synergie entre les paradigmes statistiques, l'analyse variationnelle et l'apprentissage automatique pour le développement de la méthodologie d'imagerie.

Il a étudié l'ingénierie électronique à Buenos Aires (Argentine) et à Toulouse (France) et a obtenu un doctorat en traitement du signal à l'université de Toulouse en 2012. De 2012 à 2016, il a été chercheur en statistiques à la School of Mathematics de l'Université de Bristol, financé par une bourse intra-européenne Marie Curie pour le développement de carrière, une bourse de recherche postdoctorale Brunel en statistiques, une bourse de recherche postdoctorale du ministère français de la Défense. En 2019, il a occupé un poste de professeur invité à l'Institut Henri Poincaré à Paris pendant le trimestre "Mathematics of Imaging".

Collaboration avec le Laboratoire de Physique

Le séjour du Dr Pereyra dans l'équipe Signaux, Systèmes et Physique (SiSyPh) au sein du Laboratoire de Physique de l'ENS de Lyon sera bénéfique pour tous les membres de l'équipe, car il possède une expérience significative dans plusieurs des domaines où SiSyPh mène des activités de recherche. L'un des objectifs de sa visite sera d'étudier de nouvelles méthodes qui combinent l'inférence bayésienne avec l'apprentissage profond pour résoudre les problèmes inverses d'imagerie qui sont aveugles ou semi-aveugles (c'est-à-dire lorsque le modèle d'observation représentant l'instrument et le système d'acquisition n'est pas entièrement connu). Plus précisément, Julián Tachella et Nelly Pustelnik travailleront avec Marcelo Pereyra sur de nouvelles approches d'apprentissage non supervisé qui exploitent des stratégies bayésiennes pour gérer des situations présentant une incertitude sur le modèle d'observation de l'image, et pour lesquelles il est nécessaire de quantifier l'incertitude dans les solutions fournies.

De plus, SiSyPh a récemment produit plusieurs travaux liés à l'estimation du nombre de reproduction de Covid-19 (N. Pustelnik, P. Abry, S. Roux), cas type de problème d'inférence qui informe des décisions et des conclusions importantes et où il est crucial de caractériser l'incertitude dans la solution. Les travaux développés par SiSyPh considèrent des stratégies d'estimation basées sur l'optimisation convexe, ainsi que sur l'échantillonnage de Monte Carlo. Cette ligne de recherche peut bénéficier de manière significative de certains des travaux du Dr Pereyra sur la quantification de l'incertitude pour les problèmes d'optimisation convexe, ainsi que de ses travaux sur l'inférence bayésienne par échantillonnage de Monte Carlo par chaîne de Markov proximale.

Séminaire

Mercredi 26 avril, 13h-14h
Séance du séminaire Machine Learning and Signal Processing

Ouvrages et publications majeurs

  • R. Laumont, V. de Bortoli, A. Almansa, J. Delon, A. Durmus, and M. Pereyra, "Bayesian imaging using Plug and Play priors: when Langevin meets Tweedie", to appear in SIAM Journal on Imaging Sciences. [Preprint https://arxiv.org/abs/2103.04715].
  • V. De Bortoli, A. Durmus, A. F. Vidal, M. Pereyra, "Maximum Likelihood Estimation of Regularization Parameters in High-Dimensional Inverse Problems: An Empirical Bayesian Approach Part II: Theoretical Analysis", SIAM Journal on Imaging Sciences, vol. 13, no. 4, pp. 1990-2028, 2020. [https://doi.org/10.1137/20M1339842].
  • A. F. Vidal, V. De Bortoli, M. Pereyra, A. Durmus, "Maximum Likelihood Estimation of Regularization Parameters in High-Dimensional Inverse Problems: An Empirical Bayesian Approach Part I: Methodology and Experiments", SIAM Journal on Imaging Sciences, vol. 13, no. 4, pp. 1945-1989, 2020. [https://doi.org/10.1137/20M1339829].
  • M. A. Price, X. Cai, J.D. McEwen, M. Pereyra, T. D. Kitching, "Sparse Bayesian massmapping with uncertainties: local credible intervals", Monthly Notices of the Royal Astronomical Society, vol. 492, no. 1, 2020, pp. 394–404. [https://doi.org/10.1093/mnras/stz3453].

Crédit photo: Marcelo Pereyra

Disciplines

Mots clés

Collection