Optimisation décentralisée efficace en termes de communication, adaptative et fiable sur les graphes multi-tâches – CEDRO

CEDRO fait partie du vaste thème de l’inférence décentralisée (optimisation stochastique, estimation et apprentissage) sur graphes. Il reconnaît notamment la capacité croissante de nombreuses technologies émergentes à collecter des données de manière décentralisée et continue. Par conséquent, l’accent est mis sur la conception d’approches décentralisées où les dispositifs collectent des données de manière continue. Le projet reconnaît également que les applications modernes d’apprentissage automatique (où d’énormes volumes de données d’apprentissage sont générés en continu par un nombre massif de dispositifs hétérogènes) ont plusieurs propriétés clés qui les différencient des applications d’inférence distribuée standard. Une attention particulière sera accordée au développement et à l’étude d’approches pour l’apprentissage décentralisé dans des contextes statistiques hétérogènes (multitâches) en présence de ressources de communication limitées et de dispositifs hétérogènes. L’accent du projet sera spécifiquement mis sur l’illustration de l’intérêt des approches proposées dans le cadre d’apprentissage automatique en utilisant des données disponibles publiquement.