Estimation des probabilités d'activations en régression parcimonieuse en grande dimension : Application à la localisation de sources cérébrales par MEG et EEG

par Pierre Barbault

Projet de thèse en Sciences du traitement du signal et des images

Sous la direction de Matthieu Kowalski.

Thèses en préparation à université Paris-Saclay , dans le cadre de École doctorale Sciences et technologies de l'information et de la communication , en partenariat avec Laboratoire des Signaux et Systèmes (laboratoire) et de Faculté des sciences d'Orsay (référent) depuis le 01-09-2020 .

mots clés

• Estimation non supervisée
• Problème inverse
• Modèle Bayésien

Résumé

L'objectif est d'obtenir un algorithme de seuillage itératif compatible avec le modèle Bernoulli-Gaussien. Il s'agit d'estimer les probabilités de sélection de variables dans le modèle de synthèse en problème inverse.

mots clés

• Unsupervised estimation
• Inverse Problem
• Bayesian models

Titre traduit

Estimation of activation probabilities in sparse regression in large dimensions : application to the localization of brain sources by MEG and EEG

Résumé

Get an iterative algorithm capable of working on Bernoulli-Gaussian models. Achieve an estimation of the probabilities of variables in synthesis models for inverse problems. Obtain an MMSE estimator using iterative methods.