Éric Moulines
From Wikipedia, the free encyclopedia
.svg){kind=small}
.jpg)
| Naissance | |
|---|---|
| Nationalité | |
| Formation | |
| Activités |
| A travaillé pour | |
|---|---|
| Membre de | |
| Distinctions |
Éric Moulines, né à Bordeaux le , est un chercheur français en apprentissage statistique et traitement du signal. Il reçoit la médaille d'argent du CNRS en 2010[1], et le prix France Télécom[2] remis en collaboration avec l'Académie des sciences en 2011. Il est nommé « fellow » de l’European Association for Signal Processing (EURASIP) en 2012 et de l’Institut de statistique mathématique en 2016[3]. Il est ingénieur général du corps des mines (X81).
Éric Moulines entre à l'École polytechnique en 1981, puis part étudier à l'École nationale supérieure des Télécommunications (ENST, actuelle Télécom Paris).
Il commence sa carrière au Centre national d'études des télécommunications (CNET), 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 »)[4].
Après avoir soutenu sa thèse en 1990[5], il rejoint l’ENST 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[6] et la séparation de sources[7]. Il développe aussi de nouveaux algorithmes d'estimation adaptative 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[8].
Éric Moulines a dirigé 21 thèses, a été président de jury pour 9 thèses, rapporteur pour 10 thèses, et membre de jury pour 6 thèses[9].
Travaux scientifiques
Il[10] s'intéresse à l'inférence des modèles à variables latentes[11] et notamment aux chaînes de Markov cachées[12],[13] et les modèles non-linéaires d'état (filtrage non-linéaire)[14],[15]. Il contribue notamment aux méthodes de filtrage par systèmes de particules en interaction[14],[15]. 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 (en anglais : Markov chain Monte Carlo, ou 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[16],[17],[18].
À partir de 2005, il commence à travailler sur des problèmes d'apprentissage statistique et notamment à l'analyse des algorithmes d'optimisation stochastiques[19],[20].
Il rejoint le Centre de mathématiques appliquées (CMAP) de l’École polytechnique[21] comme professeur en 2015[22]. Il s'intéresse à l'inférence bayésienne de modèles en grande dimension, avec des applications en quantification d'incertitude en apprentissage statistique.
