169233758
2013-05-14
2024-01-15T14:17:54
Localisation et suivi d'activité fonctionnelle cérébrale en électro et magnétoencéphaolographie : application au système visuel humain / par Alexandre Gramfort ; sous la dir. d'Olivier Faugeras et Maureen Clerc. Thèse, Paris, 2009
http://alexandre.gramfort.net/, 2024-01-15 : Informaticien. Chercheur, Meta reality labs, Paris. Ex-directeur de recherche INRIA, membre associé de l'équipe de recherche Modèles et inférence pour les données de neuroimagerie (MIND), Neurospin (IFR 49 CEA), Centre Inria de Saclay, Palaiseau, Essonne
0000-0001-9791-4404
23388890700
male
Gramfort, Alexandre (1982-....)
Gramfort
Alexandre
Alexandre Gramfort
1982
Informaticien. Chercheur, Meta reality labs, Paris. Ex-directeur de recherche INRIA, membre associé de l'équipe de recherche Modèles et inférence pour les données de neuroimagerie (MIND), Neurospin (IFR 49 CEA), Centre INRIA de Saclay, Palaiseau, Essonne (en 2024)
Doctorat en signal et images (Télécom Paris Tech, 2009)
Meta Platforms, Inc. (firme)
Meta Platforms, Inc. (firme)
Institut national de recherche en informatique et en automatique (France)
Institut national de recherche en informatique et en automatique (France)
Multivariate analysis with tensors and graphs – application to neuroscience / Pierre Humbert ; sous la direction de Nicolas Vayatis et de Laurent Oudre et de Julien Audiffren / , 2021
Riemannian geometry for statistical estimation and learning : application to remote sensing / Antoine Collas ; sous la direction de Jean-Philippe Ovarlez et de Guillaume Ginolhac et de Chengfang Ren et de Arnaud Breloy / , 2022
À la recherche des bases neurales de la compositionnalité / Théo Desbordes ; sous la direction de Stanislas Dehaene et de Jean-Rémi King / , 2022
In search of invariants in electroencephalography signals for brain-computer interfaces / Xiaoqi Xu ; sous la direction de Raphaëlle N. Roy et de Nicolas Drougard / , 2023
Non-Convex Optimization for Latent Data Models : Algorithms, Analysis and Applications / Belhal Karimi ; sous la direction de Marc Lavielle et de Éric Moulines / , 2019
Machine learning to predict impulse control disorders in Parkinson's disease / Johann Faouzi ; sous la direction de Olivier Colliot et de Jean-Christophe Corvol / , 2020
Analyse automatique des stades du sommeil à partir des voies électrophysiologiques et cardiorespiratoires / Jade Vanbuis ; sous la direction de Jean-Marc Girault / , 2021
Enabling cortical cell-specific sensitivity on diffusion MRI microstructure measurements using likelihood-free inference / Maëliss Jallais ; sous la direction de Demian Wassermann / , 2022
Représentations Convolutives Parcimonieuses -- application aux signaux physiologiques et interpétabilité de l'apprentissage profond / Thomas Moreau ; sous la direction de Nicolas Vayatis et de Laurent Oudre / , 2017
Analyse de données géométriques, au delà des convolutions / Jean Feydy ; sous la direction de Alain Trouvé / , 2020
Neural-Based Modeling for Performance Tuning of Cloud Data Analytics / Khaled Zaouk ; sous la direction de Yanlei Diao / , 2021
Apprentissage automatique et extrêmes pour la détection d'anomalies / Nicolas Goix ; sous la direction de Stéphan Clémençon et de Anne Sabourin / , 2016
Utilisation de l'IRM de diffusion pour la reconstruction de réseaux d'activations cérébrales à partir de données MEG/EEG / Brahim Belaoucha ; sous la direction de Théodore Papadopoulo / , 2017
Évaluation de modèles computationnels de la vision humaine en imagerie par résonance magnétique fonctionnelle / Michael Eickenberg ; sous la direction de Bertrand Thirion / , 2015
Asynchronous optimization for machine learning / Rémi Leblond ; sous la direction de Francis Bach et de Simon Lacoste-Julien / , 2018
Séparation aveugle de source : de l'instantané au convolutif / Fangchen Feng ; sous la direction de Matthieu Kowalski / , 2017
Nonlinear models for neurophysiological time series / Tom Dupré la Tour ; sous la direction de Yves Grenier / , 2018
In search of invariants in electroencephalography signals for brain-computer interfaces / Xiaoqi Xu le 2023 [ Toulouse, ISAE ]
À la recherche des bases neurales de la compositionnalité / Théo Desbordes le 2022 [ Sorbonne université ]
Riemannian geometry for statistical estimation and learning : application to remote sensing / Antoine Collas le 2022 [ université Paris-Saclay ]
Deep learning in public health, and contributions to statistical learning / Yiyang Yu le 2022 [ Université Paris Cité ]
Enabling cortical cell-specific sensitivity on diffusion MRI microstructure measurements using likelihood-free inference / Maëliss Jallais le 2022 [ université Paris-Saclay ]
On inductive biases for machine learning in data constrained settings / Grégoire Mialon le 2022 [ Université Paris sciences et lettres ]
Neuro-steered music source separation / Giorgia Cantisani le 2021 [ Institut polytechnique de Paris ]
Advances in Optimal transport and applications to neuroscience / Hicham Janati le 2021 [ Institut polytechnique de Paris ]
Neural-Based Modeling for Performance Tuning of Cloud Data Analytics / Khaled Zaouk le 2021 [ Institut polytechnique de Paris ]
Analyse automatique des stades du sommeil à partir des voies électrophysiologiques et cardiorespiratoires / Jade Vanbuis le 2021 [ Le Mans ]
Multivariate analysis with tensors and graphs – application to neuroscience / Pierre Humbert le 2021 [ université Paris-Saclay ]
Online characterization of the retinal network / Baptiste Lefebvre le 2020 [ Université Paris sciences et lettres ]
Machine learning to predict impulse control disorders in Parkinson's disease / Johann Faouzi le 2020 [ Sorbonne université ]
Algorithmic and software contributions to graph mining / Nathan De Lara le 2020 [ Institut polytechnique de Paris ]
Analyse de données géométriques, au delà des convolutions / Jean Feydy le 2020 [ université Paris-Saclay ]
Nouvelles approches algorithmiques pour les problèmes directs et inverses en M/EEG / Kostiantyn Maksymenko le 2019 [ Université Côte d'Azur (ComUE) ]
Non-Convex Optimization for Latent Data Models : Algorithms, Analysis and Applications / Belhal Karimi le 2019 [ Université Paris-Saclay (ComUE) ]
Machine learning based on Hawkes processes and stochastic optimization / Martin Bompaire le 2019 [ Université Paris-Saclay (ComUE) ]
Deep learning methods for predicting flows in power grids : novel architectures and algorithms / Benjamin Donnot le 2019 [ Université Paris-Saclay (ComUE) ]
Nonlinear models for neurophysiological time series / Tom Dupré la Tour le 2018 [ Université Paris-Saclay (ComUE) ]
Asynchronous optimization for machine learning / Rémi Leblond le 2018 [ Paris Sciences et Lettres (ComUE) ]
Représentations Convolutives Parcimonieuses -- application aux signaux physiologiques et interpétabilité de l'apprentissage profond / Thomas Moreau le 2017 [ Université Paris-Saclay (ComUE) ]
Séparation aveugle de source : de l'instantané au convolutif / Fangchen Feng le 2017 [ Université Paris-Saclay (ComUE) ]
Utilisation de l’IRM de diffusion pour la reconstruction de réseaux d’activations cérébrales à partir de données MEG/EEG / Brahim Belaoucha le 2017 [ Université Côte d'Azur (ComUE) ]
Apprentissage automatique et extrêmes pour la détection d'anomalies / Nicolas Goix le 2016 [ Paris, ENST ]
Évaluation de modèles computationnels de la vision humaine en imagerie par résonance magnétique fonctionnelle / Michael Eickenberg le 2015 [ Paris 11 ]
Localisation et suivi d'activité fonctionnelle cérébrale en électro et magnétoencéphaolographie : application au système visuel humain / Alexandre Gramfort ; sous la direction d'Olivier Faugeras et Maureen Clerc / [S.l.] : [s.n.] , 2009
Localisation et suivi d'activité fonctionnelle cérébrale en électro et magnétoencéphaolographie : application au système visuel humain / Alexandre Gramfort ; sous la direction d'Olivier Faugeras et Maureen Clerc / Lille : Atelier national de reproduction des thèses , 2009
Localisation et suivi d'activité fonctionnelle cérébrale en électro et magnétoencéphaolographie : application au système visuel humain / Alexandre Gramfort le 2009 [ Paris, Télécom ParisTech ]
Random Matrix Theory for AI : From Theory to Practice / Mohamed El Amine Seddik ; sous la direction de Romain Couillet / , 2020
Développement de représentations et d'algorithmes efficaces pour l'apprentissage statistique sur des données génomiques / Marine Le Morvan ; sous la direction de Jean-Philippe Vert et de Andrei Zinovyev / , 2018
Advanced Random Matrix Methods for Machine Learning / Malik Tiomoko ; sous la direction de Romain Couillet et de Frédéric Pascal / , 2021
Semi-supervised dictionary learning and Semi-supervised deep neural network / Khanh-Hung Tran ; sous la direction de Jean-Luc Starck et de Fred Maurice Ngolè Mboula / , 2021
Deep learning methods for predicting flows in power grids : novel architectures and algorithms / Benjamin Donnot ; sous la direction de Isabelle Guyon / , 2019
Multilayer Approach to Brain Connectivity in Alzheimer's Disease / Jérémy Guillon ; sous la direction de Fabrizio De Vico Fallani / , 2018
Machine learning based on Hawkes processes and stochastic optimization / Martin Bompaire ; sous la direction de Emmanuel Bacry et de Stéphane Gaïffas / , 2019
Online characterization of the retinal network / Baptiste Lefebvre ; sous la direction de Thierry Mora et de Olivier Marre / , 2020
Deep learning for multivariate time series : from vehicle control to gesture recognition and generation / Guillaume Devineau ; sous la direction de Fabien Moutarde / , 2020
Biquality learning : from weakly supervised learning to distribution shifts / Pierre Nodet ; sous la direction de Antoine Cornuéjols et de Vincent Lemaire et de Alexis Bondu / , 2023
Biquality learning : from weakly supervised learning to distribution shifts / Pierre Nodet le 2023 [ université Paris-Saclay ]
Advanced Random Matrix Methods for Machine Learning / Malik Tiomoko le 2021 [ université Paris-Saclay ]
Semi-supervised dictionary learning and Semi-supervised deep neural network / Khanh-Hung Tran le 2021 [ université Paris-Saclay ]
Online characterization of the retinal network / Baptiste Lefebvre le 2020 [ Université Paris sciences et lettres ]
Random Matrix Theory for AI : From Theory to Practice / Mohamed El Amine Seddik le 2020 [ université Paris-Saclay ]
Deep learning for multivariate time series : from vehicle control to gesture recognition and generation / Guillaume Devineau le 2020 [ Université Paris sciences et lettres ]
Machine learning based on Hawkes processes and stochastic optimization / Martin Bompaire le 2019 [ Université Paris-Saclay (ComUE) ]
Deep learning methods for predicting flows in power grids : novel architectures and algorithms / Benjamin Donnot le 2019 [ Université Paris-Saclay (ComUE) ]
Multilayer Approach to Brain Connectivity in Alzheimer’s Disease / Jérémy Guillon le 2018 [ Sorbonne université ]
Développement de représentations et d'algorithmes efficaces pour l'apprentissage statistique sur des données génomiques / Marine Le Morvan le 2018 [ Paris Sciences et Lettres (ComUE) ]
Contributions pour l'analyse automatique de signaux neuronaux / Mainak Jas ; sous la direction de Alexandre Gramfort / , 2018
Building clinical biomarkers from cerebral electrophysiology ˸ Brain Age as a measure of neurocognitive disorders / David Sabbagh ; sous la direction de Alexandre Gramfort et de Denis Engemann et de Étienne Gayat / , 2021
Contributions to sparse source localization for MEG/EEG brain imaging / Yousra Bekhti ; sous la direction de Roland Badeau et de Alexandre Gramfort / , 2018
Language representations in deep learning algorithms and the brain / Charlotte Caucheteux ; sous la direction de Alexandre Gramfort et de Jean-Rémi King / , 2023
Enabling real-world EEG applications with deep learning / Hubert Banville ; sous la direction de Alexandre Gramfort et de Denis Engemann / , 2022
Sparse high dimensional regression in the presence of colored heteroscedastic noise : application to M/EEG source imaging / Mathurin Massias ; sous la direction de Joseph Salmon et de Alexandre Gramfort / , 2019
Learning from electrophysiology time series during sleep : from scoring to event detection / Stanislas Chambon ; sous la direction de Alexandre Gramfort / , 2018
Exploration of multivariate EEG /MEG signals using non-stationary models / Pierre Ablin ; sous la direction de Jean-François Cardoso et de Alexandre Gramfort / , 2019
Hyperparameter selection for high dimensional sparse learning : application to neuroimaging / Quentin Bertrand ; sous la direction de Alexandre Gramfort et de Joseph Salmon / , 2021
Détection et localisation d'anomalies dans des données hétérogènes en utilisant des modèles graphiques non orientés mixtes / Romain Laby ; sous la direction de François Roueff et de Alexandre Gramfort / , 2017
Advances in Optimal transport and applications to neuroscience / Hicham Janati ; sous la direction de Alexandre Gramfort et de Marco Cuturi / , 2021
Feature extraction and supervised learning on fMRI : from practice to theory / Fabian Pedregosa-Izquierdo ; sous la direction de Francis Bach et de Alexandre Gramfort / , 2015
Apprentissage Multi-vues : de l'ICA à l'auto-supervision / Ambroise Heurtebise [ université Paris-Saclay ]
Inférence à base de simulateurs par réseaux de neurones: application aux signaux de neurosciences / Julia Linhart [ université Paris-Saclay ]
Apprentissage statistique et adaptation de domaine pour l'amélioration de la mesure de la santé cérébrale à base de signaux MEG et EEG / Apolline Mellot [ université Paris-Saclay ]
Processus ponctuels temporels et apprentissage scalable de dictionnaires convolutionnels : un cadre unifié pour l'analyse des signaux m/eeg en neurosciences / Cédric Allain [ université Paris-Saclay ]
Avancées en apprentissage auto-supervisé: applications aux neurosciences et efficacité statistique / L'Émir omar Chehab [ université Paris-Saclay ]
Language representations in deep learning algorithms and the brain / Charlotte Caucheteux le 2023 [ université Paris-Saclay ]
Enabling real-world EEG applications with deep learning / Hubert Banville le 2022 [ université Paris-Saclay ]
Building clinical biomarkers from cerebral electrophysiology ˸ Brain Age as a measure of neurocognitive disorders / David Sabbagh le 2021 [ université Paris-Saclay ]
Hyperparameter selection for high dimensional sparse learning : application to neuroimaging / Quentin Bertrand le 2021 [ université Paris-Saclay ]
Advances in Optimal transport and applications to neuroscience / Hicham Janati le 2021 [ Institut polytechnique de Paris ]
Sparse high dimensional regression in the presence of colored heteroscedastic noise : application to M/EEG source imaging / Mathurin Massias le 2019 [ Université Paris-Saclay (ComUE) ]
Exploration of multivariate EEG /MEG signals using non-stationary models / Pierre Ablin le 2019 [ Université Paris-Saclay (ComUE) ]
Learning from electrophysiology time series during sleep : from scoring to event detection / Stanislas Chambon le 2018 [ Université Paris-Saclay (ComUE) ]
Contributions pour l'analyse automatique de signaux neuronaux / Mainak Jas le 2018 [ Paris, ENST ]
Contributions to sparse source localization for MEG/EEG brain imaging / Yousra Bekhti le 2018 [ Paris, ENST ]
Détection et localisation d'anomalies dans des données hétérogènes en utilisant des modèles graphiques non orientés mixtes / Romain Laby le 2017 [ Paris, ENST ]
Feature extraction and supervised learning on fMRI : from practice to theory / Fabian Pedregosa-Izquierdo le 2015 [ Paris 6 ]
Exploration des invariances de séries temporelles multivariées via la géométrie Riemannienne : validation sur des données EEG / Pedro Luiz Coelho rodrigues ; sous la direction de Christian Jutten et de Marco Congedo / , 2019
Approches computationnelles d'analyse des relations entre cerveau et comportement / Jules Brochard ; sous la direction de Jean Daunizeau / , 2021
On inductive biases for machine learning in data constrained settings / Grégoire Mialon ; sous la direction de Alexandre d' Aspremont et de Julien Mairal / , 2022
Décodage des intentions et des exécutions motrices : étude du rôle des oscillations cérébrales via l'apprentissage machine et développement d'outils open-source / Etienne Combrisson ; sous la direction de Aymeric Guillot et de Karim Jerbi / , 2017
Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi ; sous la direction de Patrick Gallinari et de Sylvain Lamprier / , 2022
Exploration des invariances de séries temporelles multivariées via la géométrie Riemannienne : validation sur des données EEG / Pedro Luiz Coelho rodrigues ; sous la direction de Christian Jutten et de Marco Congedo / , 2019
Neuro-steered music source separation / Giorgia Cantisani ; sous la direction de Gaël Richard et de Slim Essid / , 2021
Deep learning in public health, and contributions to statistical learning / Yiyang Yu ; sous la direction de Stéphane Gaïffas et de Emmanuel Bacry / , 2022
Nouvelles approches algorithmiques pour les problèmes directs et inverses en M/EEG / Kostiantyn Maksymenko ; sous la direction de Théodore Papadopoulo et de Maureen Clerc / , 2019
Algorithmic and software contributions to graph mining / Nathan De Lara ; sous la direction de Thomas Bonald / , 2020
Deep learning in public health, and contributions to statistical learning / Yiyang Yu le 2022 [ Université Paris Cité ]
Apprentissage de représentations et modèles génératifs profonds dans les systèmes dynamiques / Jean-Yves Franceschi le 2022 [ Sorbonne université ]
On inductive biases for machine learning in data constrained settings / Grégoire Mialon le 2022 [ Université Paris sciences et lettres ]
Neuro-steered music source separation / Giorgia Cantisani le 2021 [ Institut polytechnique de Paris ]
Approches computationnelles d'analyse des relations entre cerveau et comportement / Jules Brochard le 2021 [ Sorbonne université ]
Algorithmic and software contributions to graph mining / Nathan De Lara le 2020 [ Institut polytechnique de Paris ]
Nouvelles approches algorithmiques pour les problèmes directs et inverses en M/EEG / Kostiantyn Maksymenko le 2019 [ Université Côte d'Azur (ComUE) ]
Exploration des invariances de séries temporelles multivariées via la géométrie Riemannienne : validation sur des données EEG / Pedro Luiz Coelho rodrigues le 2019 [ Université Grenoble Alpes (ComUE) ]
Développement de représentations et d'algorithmes efficaces pour l'apprentissage statistique sur des données génomiques / Marine Le Morvan le 2018 [ Paris Sciences et Lettres (ComUE) ]
Décodage des intentions et des exécutions motrices : étude du rôle des oscillations cérébrales via l’apprentissage machine et développement d’outils open-source / Etienne Combrisson le 2017 [ Lyon ]