L'essentiel de mes recherches concerne d'une manière théorique: Machine Learning : l'apprentissage supervisé; l'apprentissage profond. Les méthodes à noyau; les séparateurs à vastes Marges (SVM). Les SVM à noyaux multiples ou Multiple Kernel Learning (MKL); les méthodes parcimonieuses, régularisation par norme mixte. Les approches temps-fréquence, les ondelettes, les gaborettes, etc. La détection de changement abrupt. Statistique: Tests d'hypothèses statistiques; la règle de Bayes; les estimations de densité; Modèles de Mélange des Gaussiennes (GMM). Extraction et sélection de caractéristiques. Analyse statistiques multivariées, séparation de source.

Sur le plan pratique, mes expériences se focalisent sur : Les signaux EEG intracérébraux (iEEG). Application médicale : épilepsie. Les Interfaces Cerveau-Machine (ICM) ou Brain Computer Interfaces (BCI); signaux ElectroEncephaloGraphiques (EEG): potentiels d'erreur, potentiels évoqués (P300 speller),...