BASTRI - Fiches Equipes
Base des structures de recherche Inria
Base des structures de recherche Inria
Réseaux dynamiques : approche structurelle et temporelle
DANTE (SR0531FR) → DANTE → OCKHAM (SR0938ZR)
Statut:
Terminée
Responsable :
Remi Gribonval
Mots-clés de "A - Thèmes de recherche en Sciences du numérique - 2023" :
Aucun mot-clé.
Mots-clés de "B - Autres sciences et domaines d'application - 2023" :
Aucun mot-clé.
Domaine :
Mathématiques appliquées, calcul et simulation
Thème :
Optimisation, apprentissage et méthodes statistiques
Période :
01/01/2015 ->
28/02/2023
Dates d'évaluation :
23/03/2016 , 17/03/2020
Etablissement(s) de rattachement :
U. LYON 1 (UCBL), ENS LYON
Laboratoire(s) partenaire(s) :
LIP (UMR5668)
CRI :
Centre Inria de Lyon
Localisation :
Ecole normale supérieure de Lyon - Laboratoire de l'Informatique du Parallélisme (LIP)
Code structure Inria :
121021-0
Numéro RNSR :
201221055N
N° de structure Inria:
SR0687IR
Le principal objectif de l'équipe DANTE est de développer des techniques d'apprentissage et des algorithmes de traitement du signal munis de solides fondements théoriques, physiquement interprétables, et économes en ressources.
Profitant d'une culture à l'interface entre traitement du signal et apprentissage, l'équipe s'appuie sur une expertise théorique et algorithmique autour de la notion de parcimonie et de ses variantes structurées - en particulier via des graphes. La parcimonie joue en effet un rôle fondamental pour garantir l'identifiabilité de décompositions dans des espaces latents, notamment pour des problèmes inverses en grande dimension, et permet également de développer des algorithmes distribués pour l'apprentissage à partir de représentations fortement compressées de jeux de données, avec des garanties de confidentialité. La parcimonie sur graphe permet également d'aborder des problèmes d'apprentissage semi-supervisés dans des conditions difficiles. Plus globalement il s'agit d'exploiter ces idées pour garantir non seulement l'efficacité des algorithmes d'optimisation proposés, mais aussi l'explicabilité des décisions algorithmiques et l'interprétabilité des paramètres appris.
Axe 1: Parcimonie pour l'apprentissage en grande dimension
Axe 2: Apprentissage sur graphes et apprentissage de graphes
Axe 3: Apprentissage dynamique et frugal
La position est calculée automatiquement avec les informations dont nous disposons. Si la position n'est pas juste, merci de fournir les coordonnées GPS à web-dgds@inria.fr