Régularisation performante de problèmes inverses en grande dimension pour le traitement de données – EFFIREG
Que ce soit dans le domaine du traitement du signal ou de l'apprentissage automatique, le besoin de traiter de grands volumes de données est omniprésent. L'objectif du projet EFFIREG est de produire des méthodes de traitement de données robustes et rapides, dont la performance est garantie théoriquement. En utilisant les outils mathématiques provenant des méthodes variationnelles de résolution des problèmes inverses, résoudre les difficultés typiquement associées au traitement des données revient à trouver des fonctions de régularisation adaptées au problème considéré. Basé sur des avancées récentes sur l'étude des fonctions de régularisation pour modèles de faible dimension, ce projet vise à dépasser l'approche heuristique pour la création de telles fonctions de régularisation. Avec l'expertise de ses chercheurs, le projet EFFIREG étudiera spécialement les problèmes inverses associés aux applications que l'on trouve en traitement des images médicales et en apprentissage automatique.
Coordination du projet
Traonmilin Yann (Institut de mathématiques de Bordeaux)
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
IMB Institut de mathématiques de Bordeaux
Aide de l'ANR 143 640 euros
Début et durée du projet scientifique :
novembre 2020
- 48 Mois