CE40 - Mathématiques, informatique théorique, automatique et traitement du signal

Modélisation et Inférence Statistique pour l’Apprentissage non-supervisé à partir de Données Massives – SMILES

Résumé de soumission

L'analyse de données à l'échelle est un domaine pluridisciplinaire de plus en plus important dans la société actuelle. SMILES est un
projet collaboratif de recherche fondamentale qui vise à introduire des modèles non supervisés et des algorithmes d'inférence pour
transformer des données à l'échelle en connaissances. Le projet prend en compte le contexte de l'échelle dans son ensemble, avec
les principales questions liées à l’inférence à partir d'un grand volume de données de grande dimension et avec des structures
complexes latentes. Son principe est d'introduire des modèles de régression parcimonieux (non)paramétriques pour la
représentation, et des modèles à variables latentes à l’échelle pour la classification non-supervisée. L'extraction de connaissances
consistera à restaurer des structures cachées, des prototypes résumés, des groupes, des représentations parcimonieuses. Nous
considérons notamment des données fonctionnelles, bioacoustiques multimodales, et génomiques.

Coordinateur du projet

LABORATOIRE DE MATHÉMATIQUES NICOLAS ORESME (Laboratoire public)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

LABORATOIRE DE MATHÉMATIQUES NICOLAS ORESME
LABORATOIRE DE MATHEMATIQUES RAPHAEL SALEM
Laboratoire d'Informatique et Systèmes
MOdel for Data Analysis and Learning

Aide de l'ANR 338 904 euros
Début et durée du projet scientifique : octobre 2018 - 42 Mois

Liens utiles