@InProceedings{2015_mairal84,
	author = "Julien Mairal",
	title = "Algorithmes de Majorisation-Minimisation et Factorisation Structurée de Matrices",
	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 = "001-00194",
	pages = "p. 777-780",
	month = "Sep # 8--11",
	address = "Lyon",
	doi = "",
	pdf = "2015_mairal84.pdf",
	abstract = "Les algorithmes de majorisation-minimisation consistent à minimiser de façon itérative une majorante de la fonction objectif. De par sa simplicité et ses nombreuses applications, ce principe a obtenu des succès importants en statistiques et traitement du signal. Dans ce travail, nous souhaitons faire passer ce principe à l'échelle. Nous proposons un schéma d'optimisation stochastique qui est capable de traiter des jeux de données de grande taille, voire de taille infinie. Nous montrons que ce schéma converge presque sûrement vers des points stationnaires pour une large classe de problèmes non-convexes, et admet des taux de convergence rapides pour des problèmes convexes. Nous développons plusieurs algorithmes efficaces à partir de ce schéma d'optimisation générique. Tout d'abord, nous proposons un nouvel algorithme proximal stochastique. Ensuite, nous montrons que notre approche est efficace pour des problèmes de factorisation structurée de grandes matrices..pdf",
}