Agrandir l’image
©CB / V. Devillard

From

Horaires à

Lieu ENS Paris-Saclay

Colloques & séminaires

Demi-journée 2025 des doctorants de 2ème année

La demi journée consacrée aux doctorants de 2eme année au Centre Borelli aura lieu en salle 1B26 le mardi 16 septembre à partir de 14h.

Ajouter au calendrier

Programme

  • 14h00 : Gwendal Debaussart : Multi-view representation learning
  • 14h30 : Gaspard Abel : A Multi-Layered Visualization for Information Diffusion in Social Networks

  • 15h00 : Florent Pautre : Exploration des techniques d’optimisation énergétique des codes

  • 15h30 : Gaetan Serré : An abstract view of global optimization algorithms

  • 16h00 : Denis Duval : L'IA Générative pour un modèle anthropomorphique de sein

  • 16h30 : Petit Goûter

Résumé

Dans cette présentation, nous commencerons par une introduction à l’apprentissage de représentations multi-vues, puis nous passerons en revue les principales méthodes existantes. Enfin, nous présenterons notre contribution dans ce domaine, qui repose sur les cartes de diffusion (Coifman & Lafon, 2006).

In this presentation, we will begin with an introduction to multi-view representation learning, then review the main existing methods. Finally, we will present our contribution to this field, which is based on diffusion maps (Coifman & Lafon, 2006).

Real and online social networks are defined by intricate couplings between its users and the type of information they interact with. In this presentation, I will introduce a visualization module to uncover the socio-semantic structure in several social networks.

Dans un premier temps, je parlerai de l'intérêt de définir les algorithmes d'optimisation globale comme des objets mathématiques abstraits. J'illustrerai cela en donnant un exemple de définition qui a permis de formaliser un résultat concernant tous les algorithmes d'optimisation globale stochastiques. Ensuite, je me concentrerai sur une tentative de définir la famille des algorithmes basés sur les particules et les bénéfices que cette définition pourrait apporter.

La première partie de ma thèse a pour but de concevoir un modèle de fantôme de sein, par entraînement d'un modèle d'apprentissage profond sur une base de données de CT de seins segmentés. Après avoir présenté les défis techniques et l'avancée actuelle du modèle, je présenterai un travail, plus théorique, sur la réinterprétation des modèles de diffusion comme copier-coller de patchs d'image d’entraînement.

Contact : François Alouges