@InProceedings{2015_gramfort137,
	author = "Olivier Fercoq and Alexandre Gramfort and Joseph Salmon",
	title = "Règles de sélection de variables pour accélerer la localisation de sources en MEG et EEG sous contrainte de parcimonie",
	booktitle = "25° Colloque sur le traitement du signal et des images",
	year = "2015",
	publisher = "GRETSI - Groupe de Recherche en Traitement du Signal et des Images",
	number = "001-0174",
	pages = "p. 697-700",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_gramfort137.pdf",
	abstract = "La localisation de sources par électroencéphalographie (EEG) et magnétoencéphalographie (MEG) permet d'identifier les zones d'activités cérébrales. Le problème est une régression en grande dimension qui peut être résolue avec des a priori de parcimonie de type Lasso. A l'aide de certificats d'optimalité vérifiés par les solutions du Lasso il est possible d'écarter au cours de l'optimisation certaines des sources non pertinentes. Ce faisant on peut accélérer drastiquement les algorithmes. Nous proposons de nouvelles règles de pré-sélection qui reposent sur le saut de dualité. Elles s'appuient sur la création de régions dites de sécurité, dont le diamètre tend vers zéro, sous l'hypothèse que l'on dispose d'un algorithme convergeant. Cette propriété permet à la fois de dépister plus de sources non pertinentes, et de considérer de plus grandes plages pour le paramètre de régularisation. Nous démontrons la pertinence de notre approche avec une méthode de descente par coordonnées particulièrement adaptée au problème. Des gains de temps de calcul importants sont ainsi obtenus sur données réelles MEG et EEG..pdf",
}