5ème Édition de l'École d'Été en Traitement du Signal et des Images

Le thème 2010

Crédit : WrightStudio - stock.adobe.com

L'édition 2010 qui a eu lieu du 26 au 02 juillet 2010 avait pour thématique principale :

Apprentissage en traitement du signal et des images

Résumé

Motivations scientifiques

L'apprentissage statistique est un domaine des statistiques inférentielles qui vise à produire des algorithmes à même d'extraire automatiquement des informations de données empiriques. Cette thématique est particulièrement centrale en traitement du signal et des images où des capteurs, potentiellement hétérogènes et en grand nombre, délivrent d’importantes masses de données généralement bruitées.

D’un point de vue méthodologique, l’apprentissage statistique a trait au traitement statistique d’informations multidimensionnelles dans le cadre de problèmes de détection, estimation, optimisation, etc. Ce domaine couvre notamment les techniques de modélisation bayésienne, les modèles markoviens, les machines à vecteurs supports et autres méthodes à noyau reproduisant. Du point de vue des applications, l’apprentissage statistique embrasse un large éventail de sujets, de la séparation de sources à la reconnaissance des formes, en passant par la fouille de données ou encore le filtrage.

L'objectif de l'École Peyresq 2010 est de proposer des enseignements à la croisée du traitement du signal/images et de l'apprentissage.

Informations

L'essentiel

L'affiche

Le comité d'organisation

Présidence
  • Laure Blanc-Féraud, Directrice de Recherche CNRS, I3S, Université Nice Sophia Antipolis
  • Patrick Flandrin, Directeur de recherche CNRS, Laboratoire de Physique, ENS de Lyon
Direction scientifique
  • Cédric Févotte, Directeur de Recherche CNRS, Institut de Recherche en Informatique de Toulouse (IRIT), Université de Toulouse

Le programme détaillé

  • Méthodes à noyaux, machines à vecteurs supports, applications en segmentation du signal (5 h)
    Stéphane Canu, Professeur des Universités, INSA de Rouen, Litis

  • Méthodes parcimonieuses pour l'apprentissage statistique : théorie et algorithmes (5 h)
    Francis Bach, Directeur de recherche, INRIA, ENS

  • Méthodes bayésiennes pour les modèles à variables latentes (5 h)
    Olivier Cappé, Directeur de recherche CNRS, ENS

  • Apprentissage statistique appliqué aux interfaces cerveau-machine (2 h)
    Alain Rakotomamonjy, , Insa Rouen, Litis

  • Méthodes d'apprentissage distribué. Application aux réseaux de capteurs (2 h)
    Cédric Richard, Professeur des Universités, Laboratoire Lagrange, Université Cote d'Azur

  • Sciences cognitives et robotique : le défi de l’apprentissage autonome (2 h)
    Philippe Gaussier, Professeur des Universités, ETIS, Cergy Université