Programme

Accueil - Café

Ouverture des journées

(Christiane Weber : DR CNRS)

Christian Wolf : MCF/HDR Université de Lyon
Présentation des principaux verrous scientifiques actuelles en deep learning avec un accent particulier sur les modèles temporels

Renaud Allioux: Société Earthcube

-- Les données qui exhibent des dépendances spatio-temporelles sont présentes dans de nombreux domaines (écologie, météorologie, imagerie satellitaire, biologie, médecine, économie, etc.). Ces données sont souvent difficiles à modéliser à cause de la complexité des phénomènes sous- jacents. Le Deep Learning a développé des modèles de séquences pour un ensemble de tâches génériques (classification, prédiction, génération) qui représentent l’état de l’art dans différents domaines applicatifs. La prise en compte spécifique de la dimension spatiale est cependant rarement considérée explicitement, sauf pour quelques problèmes spécifiques. Comment incorporer cette dimension dans les réseaux de neurones, les modèles neuronaux actuels sont-ils aptes à modéliser des phénomènes complexes liés par exemple à l’observation du climat ? L’exposé sera organisé autour de ces questions. Il présentera deux contributions :1) une famille de modèles neuronaux génériques pour la prédiction spatio-temporelle, 2) le développement de modèles physico-statistiques où la prise en compte de connaissances physiques du phénomène étudié est utilisée pour guider le développement d’une architecture neuronale.

-- bf Patrick Gallinari est professeur à l’université Pierre et Marie Curie – Paris 6.
Sa recherche porte sur l’apprentissage statistique avec des applications dans différents domaines comme l’analyse de données sémantiques et la modélisation de données complexes. Ses travaux récents traitent de la modélisation de données structurées (séquences, arbres, graphes). Il dirige une équipe dont la thématique centrale est l’apprentissage de représentations et le Deep Learning (https://mlia.lip6.fr). Dans sa jeunesse il a été un des pionniers du développement des réseaux de neurones en France et en Europe. Il a également été directeur du laboratoire d’informatique de Paris 6 de 2005 à 2013.

Alexandre Allauzen LIMSI Paris-Sud

CIRAD

Quels sont les changements potentiellement extractibles par des méthodes de d'apprentissage profond ?