BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//7.2.3.1//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:5989@i2m.univ-amu.fr DTSTART;TZID=Europe/Paris:20220711T140000 DTEND;TZID=Europe/Paris:20220711T160000 DTSTAMP:20241209T161714Z URL:https://www.i2m.univ-amu.fr/evenements/echantillonnage-pour-laccelerat ion-des-methodes-a-noyaux-et-selection-gloutonne-pour-les-representations- parcimonieuses/ SUMMARY:Farah Cherfaoui (I2M\, Aix-Marseille Université): Échantillonnage pour l'accélération des méthodes à noyaux et sélection gloutonne pou r les représentations parcimonieuses DESCRIPTION:Farah Cherfaoui: Sous la direction de Liva Ralaivola (LIS) et d e Sandrine Anthoine (I2M).\nThèse en préparation à Aix-Marseille \, dan s le cadre de Mathématiques et informatique de Marseille (184) \, en part enariat avec Laboratoire d'informatique et systèmes (équipe de recherche Qarma) depuis le 25-09-2018 .\nMembres du jury :\n- Charles Soussen\, Cen traleSupélec\, rapporteur\n- Massih-Reza Amini\, Université de Grenoble\ , rapporteur\n- Cécile Capponi\, Université d’Aix-Marseille\, examinat rice\n- Elisa Fromont\, Université de Rennes 1\, examinatrice\n- Matthieu Kowalski\, Université Paris-Sud\, examinateur\n- Liva Ralaivola\, Univer sité d’Aix-Marseille\, directeur de thèse\n- Sandrine Anthoine\, Unive rsité d’Aix-Marseille\, co-directrice de thèse\n- Thomas Peel\, GSK\, co-directeur de thèse\nRésumé : Les contributions de cette thèse sont divisées en deux parties. Une première partie dédiée à l’accéléra tion des méthodes à noyaux et une seconde à l’optimisation avec contr ainte de parcimonie.\nLes méthodes à noyaux sont largement connues et ut ilisées en apprentissage automatique. Toutefois\, elles deviennent inutil isables lorsque le nombre de données est grand. Nous proposons dans un pr emier temps une approximation des Ridge Leverage Scores. Nous utilisons en suite ces scores pour définir une distribution de probabilité pour la m éthode de Nyström afin d’accélérer les méthodes à noyaux. Nous p roposons dans un second temps un nouveau framework basé sur les noyaux\, permettant de représenter et de comparer les distributions de probabilit és. Nous exploitons ensuite le lien entre notre framework et la Maximum Mean Discrepancy pour proposer une approximation précise et moins coûte use de cette dernière.\nLa deuxième partie de cette thèse est consacré e à l’optimisation avec contrainte de parcimonie pour l’approximation de signaux et l’élagage de forêts aléatoires. Tout d’abord\, nous prouvons sous certaines conditions sur la cohérence du dictionnaire\, les propriétés de reconstruction et de convergence de l’algorithme Frank- Wolfe. Enfin\, nous utilisons l'algorithme OMP pour réduire la taille de forêts aléatoires. La forêt élaguée est constituée d’un sous-ense mble d’arbres de la forêt initiale sélectionnés et pondérés par OMP de manière à minimiser son erreur empirique de prédiction.\nSampling f or acceleration of kernel methods and gluttonous selection for parsimoniou s representations\nThe contributions of this thesis are divided into two p arts. The first part is dedicated to the acceleration of kernel methods an d the second to the optimization with parsimony constraint.\nKernel method s are widely known and used in machine learning. However\, they become unu sable when the number of data is large. We first propose an approximation of Ridge Leverage Scores. We then use these scores to define a probability distribution for the Nyström method in order to speed up the kernel meth ods. We then propose a new framework based on kernels to represent and com pare probability distributions. We then exploit the link between our frame work and Maximum Mean Discrepancy to propose an accurate and less expensiv e approximation of the latter.\nThe second part of this thesis is devoted to optimization with parsimony constraint for signal approximation and pru ning of random forests. First\, we prove under certain conditions on the c oherence of the dictionary\, the reconstruction and convergence properties of the Frank-Wolfe algorithm. Finally\, we use the OMP algorithm to reduc e the size of random forests. The pruned forest consists of a subset of tr ees from the initial forest selected and weighted by OMP in order to minim ize its empirical prediction error.\nLiens :\nhttps://www.univ-amu.fr/syst em/files/2019-08/DRV_portraits_jeunes_chercheurs_CEC_pdf_FarahCherfaoui_Fi chePortrait.pdf\nhttps://www.researchgate.net/scientific-contributions/Far ah-Cherfaoui-2151077308\nhttps://scholar.google.fr/citations?user=hgYecToA AAAJ&\;hl=fr\nhttp://www.theses.fr/en/s208953\nhttps://college-doctoral .univ-amu.fr/inscrit/10959\nhttps://adum.parisnanterre.fr/as/ed/cv.pl?mat= 100706&\;site=adumR ATTACH;FMTTYPE=image/jpeg:https://www.i2m.univ-amu.fr/wp-content/uploads/2 021/05/Farah_Cherfaoui.jpg CATEGORIES:Soutenance de thèse,ALEA,Signal et Apprentissage LOCATION:Saint-Charles - FRUMAM (2ème étage)\, 3 Place Victor Hugo\, Mar seille\, 13003\, France X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=3 Place Victor Hugo\, Marse ille\, 13003\, France;X-APPLE-RADIUS=100;X-TITLE=Saint-Charles - FRUMAM ( 2ème étage):geo:0,0 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Paris X-LIC-LOCATION:Europe/Paris BEGIN:DAYLIGHT DTSTART:20220327T030000 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 TZNAME:CEST END:DAYLIGHT END:VTIMEZONE END:VCALENDAR