Bibliothèque logicielle dédiée à la modélisation et à l'inférence de modèles graphiques probabilistes. Elle permet de manipuler des densités de probabilité, d'estimer des paramètres à partir de données, de générer des échantillons aléatoires et d'analyser des séquences complexes. Utilisée principalement en statistiques, en apprentissage automatique et en traitement du signal pour résoudre des problèmes d'inférence et de prédiction.

Ce projet fournit des outils mathématiques et statistiques dédiés aux distributions t multivariées. Il permet de calculer des distances et divergences entre ces distributions, de simuler des échantillons aléatoires et de visualiser leurs densités. Utilisé principalement dans le domaine de la recherche agronomique et statistique, il facilite l'analyse de données complexes et la modélisation probabiliste.

Federated Multi-View Probabilistic Principal Component Analysis (Fed-mv-PPCA) est un framework Bayésien permettant l'assimilation de jeux de données hétérogènes fédérés. Il fournit le code utilisé dans l'étude 'A Probabilistic Framework for Modeling the Variability Across Federated Datasets of Heterogeneous Multi-View Observations' publiée dans Information Processing in Medical Imaging 2021, ainsi qu'un jeu de données synthétiques.

Ce projet regroupe des outils logiciels dédiés au traitement et à l'analyse de données issues de missions spatiales, notamment pour l'étude des spectres dynamiques et des émissions radio. Il permet de nettoyer les interférences, calculer des rapports signal/bruit, générer des transformations de Radon et visualiser les résultats sous forme de cartes probabilistes ou de graphiques.

Ce projet permet de générer des rapports d'apprentissage automatique basés sur des modèles bayésiens. Il facilite l'analyse de données complexes en fournissant des insights probabilistes et des recommandations automatisées. Idéal pour les chercheurs, data scientists et entreprises souhaitant exploiter des méthodes statistiques avancées pour améliorer leurs décisions.

Ce projet permet d'évaluer la crédibilité des informations en analysant les sources et les faits. Il identifie les sources fiables et les contenus trompeurs en utilisant des modèles probabilistes et des algorithmes de traitement automatique du langage. Les utilisateurs peuvent l'employer pour vérifier des données, des articles ou des déclarations en temps réel.

Ce projet propose des outils pour modéliser et analyser des processus à l'aide de modèles de Markov cachés (HMM). Il permet de simuler des comportements d'utilisateurs ou de systèmes à partir de traces de données, notamment pour des environnements comme les livebox ou les terminaux de paiement. Les scripts fournis facilitent la construction et l'évaluation de ces modèles probabilistes.

Gatb-rconnector est un outil bio-informatique permettant l'analyse de données génomiques. Il permet la comparaison de séquences d'ADN et l'indexation de génomes de référence, facilitant ainsi la recherche de similarités entre séquences. Cet outil est basé sur une approche probabiliste et permet une utilisation efficace des ressources.

Le projet pyhsmmpp est un outil d'analyse de données environnementales permettant la prévision de phénomènes météorologiques et la modélisation de systèmes complexes. Il s'appuie sur des méthodes probabilistes avancées pour offrir une grande précision dans les prévisions et une capacité de modélisation flexible.

Outil logiciel conçu pour distinguer les événements sismiques naturels des activités humaines à faible magnitude. Basé sur des algorithmes d'apprentissage profond (CNN), il analyse des données sismiques brutes (format mseed) et génère des prédictions probabilistes. Utilisé par des chercheurs et institutions pour améliorer la compréhension des phénomènes sismiques et réduire les fausses alertes.