Explore l'analyse de l'incertitude dans l'évaluation du cycle de vie, couvrant la sensibilité, les fonctions de probabilité, l'estimation des paramètres, l'approche pédigree et la propagation de l'incertitude.
Introduit Robust-RRT, un planificateur pour la planification des mouvements sous l'incertitude dans les systèmes non linéaires, assurant que les familles de solutions sûres sont choisies.
Explore la somme des polynômes carrés et la programmation semi-définie dans l'optimisation polynomiale, permettant l'approximation des polynômes non convexes avec SDP convexe.
Explore la paramétrisation des processus atmosphériques, y compris la microphysique, la turbulence, le rayonnement, la convection et les processus de surface, afin d'améliorer la précision des prévisions et de quantifier les incertitudes.
Explore la quantification de l'incertitude à l'aide des méthodes de Quasi Monte Carlo et des mesures des écarts pour l'approximation intégrale et l'estimation du volume.
Explore l'impact de la détection de particules sur les systèmes quantiques, y compris les résultats énergétiques, le comportement de la fonction d'onde et l'approximation de l'état propre.
Explore les techniques bayésiennes pour les problèmes de valeur extrême, y compris l'inférence de la chaîne Markov Monte Carlo et de Bayesian, en soulignant l'importance de l'information antérieure et l'utilisation des graphiques.
Explore l'optimisation robuste par l'approximation polynôme et les ensembles d'incertitude, y compris des programmes linéaires robustes et des astuces d'optimisation.
