Descriptif :
L’objectif de l’équipe est de développer une recherche méthodologique en traitement du signal, de l’image et en science des données avec une orientation vers l’apprentissage automatique et IA. Les travaux concernent la conception de modèles interprétables permettant de représenter fidèlement les données multidimensionnelles observées tout en maintenant une complexité raisonnable, typiquement linéaire avec le nombre de dimensions. Il s'agit également de développer des algorithmes efficaces, assortis de garanties, permettant de reconstruire, d'inverser et de décider directement à partir des modèles de complexité réduite. La portée générale de ces développements permet des retombées au travers de deux axes applicatifs principaux : la biologie et la santé numérique, la chimiométrie et le traitement des signaux issus de mesures physiques. Ces travaux sont menés en collaboration avec les autres projets du département BioSiS et avec des partenaires académiques ou industriels nationaux et internationaux.
Mots-clés : apprentissage, problèmes inverses, décompositions tensorielles, modèles de rang faible, imageries hyperspectrales et polarimétriques, parcimonieContact : Sebastian Miron
