Explorer des approches de calcul et de science des données
Le but des systèmes d'information et d'inférence est de résoudre d'importantes difficultés afin de soutenir la poursuite du progrès de la civilisation et d'améliorer la qualité de vie dans son ensemble. Ils présentent des difficultés comme l'ingénierie inverse du cerveau, l'apprentissage personnalisé et la conception des outils pour les découvertes scientifiques. Toutes montrent que les capteurs, le matériel de traitement du signal et les algorithmes mathématiques doivent de plus en plus s'adapter à des ensembles de données ayant davantage de dimensions, à des captures, échantillonnage et traitement toujours plus rapides, à une consommation d'énergie toujours décroissante, à des communications par des voies toujours plus difficiles, et à des modalités de détection radicalement nouvelles. Cependant, les scientifiques n'ont pas encore étudié de manière collective et cohérente les problèmes fondamentaux des systèmes d'information et d'inférence. Divers acteurs doivent collaborer afin de faire progresser ces systèmes en établissant un cadre capable de soutenir la détection, le traitement, la fusion, la prise de décision, l'analyse des performances et la prévision. C'est pourquoi le projet SUBSPARSE (Geometric and combinatorial foundations for emerging information and inference systems), financé par l'UE, a cherché à concevoir une théorie donnant des résultats positifs pour divers problèmes des IIS, en s'appuyant sur les réseaux de ressources actuels. Les partenaires du projet ont conçu des théories et des algorithmes innovants en associant des concepts du traitement statistique du signal, de la modélisation géométrique et de l'optimisation combinatoire. Ils ont mis en place leurs approches sur un système global afin de gérer divers problèmes de traitement du signal et d'apprentissage automatique, survenant dans plusieurs modalités de données. Les travaux ont conduit au tout premier cadre d'apprentissage afin de créer des dictionnaires de signaux pour une représentation parcimonieuse, et un cadre mathématique qui réalise des projections parcimonieuses sur des ensembles convexes. L'équipe a caractérisé des ensembles parcimonieux structurés, et établi un lien mathématique entre la théorie compressive et la théorie des jeux. Près d'une centaine d'articles ont été publiés dans diverses grandes revues, et présentées lors de conférences internationales et d'ateliers de haut niveau. Les cadres et les algorithmes conçus par SUBSPARSE lanceront de nouvelles approches de domaines comme l'apprentissage automatique, la robotique, la réalité virtuelle, la détection à distance et la bio-imagerie.
Mots‑clés
Science des données, calculs, systèmes d'information et d'inférence, modélisation géométrique, optimisation combinatoire
