Séminaire IMAGE : Florian Yger (GREYC), « Apprentissage de représentation pour les données structurées – applications aux graphes et aux variétés»

La représentation des données est la première tâche qui incombe à une chaîne de traitement de l’information et cette étape conditionne une bonne partie du succès de l’approche mise en oeuvre.

L’apprentissage de représentation vise donc à trouver une représentation des données qui soit adaptés à la tâche à résoudre et les approches par réseau de neurons profonds y excellent dans de nombreux domaines.

Cependant, il arrive que des connaissances a priori sur les données soient disponibles et il est alors naturel de vouloir inclure ces connaissance dans l’étape de représentation des données. Quand ces connaissances a priori prennent la forme de contraintes sur l’espace dans lequel vivent les données, il devient nécessaire d’adapter la représentation des données. Dans cet exposé, nous exposerons des travaux s’attaquant aux cas où les données appartiennent à une variété riemannienne et aux données de graphes. Nous discuterons enfin les applications et les pistes ouvertes par ces travaux.