Contrôle optimal des systèmes hyperboliques non linéaires sur réseaux : approches de type gradient et apprentissage profond
Langue Anglais
Langue Anglais
Auteur : Bestard, Mickaël
Date de soutenance : 15-12-2023
Directeur(s) de thèse : Privat, Yannick
Établissement de soutenance : Strasbourg
Laboratoire : Institut de recherche mathématique avancée (Strasbourg)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 15-12-2023
Directeur(s) de thèse : Privat, Yannick
Établissement de soutenance : Strasbourg
Laboratoire : Institut de recherche mathématique avancée (Strasbourg)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Mathématiques appliquées
Classification : Mathématiques
Mots-clés libres : Réseau routier, Contrôle optimal, Modèle fluide, EDP hyperbolique, Optimisation, Modèles réduits, Apprentissage profond, Hyper réduction, Réseaux de neurones, Julia, Différentiation automatique, Programmation différentiable, Biofilms, Théorie des mélanges
Mots-clés :
Classification : Mathématiques
Mots-clés libres : Réseau routier, Contrôle optimal, Modèle fluide, EDP hyperbolique, Optimisation, Modèles réduits, Apprentissage profond, Hyper réduction, Réseaux de neurones, Julia, Différentiation automatique, Programmation différentiable, Biofilms, Théorie des mélanges
Mots-clés :
- Commande, Théorie de la
- Apprentissage automatique
- Routes - Dispositifs de sécurité
- Systèmes hyperboliques
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2023STRAD049
Type de ressource : Thèse
Identifiant : 2023STRAD049
Type de ressource : Thèse