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:8314@i2m.univ-amu.fr
DTSTART;TZID=Europe/Paris:20140711T140000
DTEND;TZID=Europe/Paris:20140711T150000
DTSTAMP:20241120T210333Z
URL:https://www.i2m.univ-amu.fr/evenements/m-sangnier-cea-litis-apprentiss
 age-statistique-pour-la-reconnaissance-de-signaux-optimisation-de-represen
 tations-temps-frequences/
SUMMARY: (...): M. Sangnier (CEA-LITIS): Apprentissage statistique pour la 
 reconnaissance de signaux : optimisation de représentations temps-fréque
 nces.
DESCRIPTION:: Apprentissage statistique pour la reconnaissance de signaux :
  optimisation de représentations temps-fréquences.\n\nBy Maxime Sangnier
 \\\, CEA-LITIS\n\nAbstract: \nNous nous intéressons au problème d'appren
 tissage de descripteurs temps-fréquence pour la classification de signaux
 . Plus particulièrement\\\, la présentation mettra en lumière une appro
 che dirigée par les données pour la création automatique d'un banc de f
 iltres dont les représentations temps-fréquence sont ensuite agrégées 
 pour fournir des caractéristiques invariantes aux translations temporelle
 s. Pour ce faire\\\, notre approche est formalisée comme l'apprentissage 
 des filtres constituant un banc\\\, conjointement avec une machine à vect
 eurs supports (SVM). Il est montré que\\\, dans un cas restreint mais coh
 érent pour prévenir le sur-apprentissage\\\, le problème d'apprentissag
 e d'un banc de filtres se réduit à celui consistant à inférer les poid
 s d'une combinaison non-nécessairement linéaire et potentiellement infin
 ie de noyaux SVM. Pour résoudre ce problème\\\, nous étendons l'état d
 e l'art sur l'apprentissage de noyaux multiples en proposant un algorithme
  d'ensembles actifs adapté à une telle combinaison de noyaux. Nous montr
 ons aussi que le cadre mis en place permet d'apprendre une certaine forme 
 de fonctions d'agrégation\\\, et par là l'invariance en translation des 
 caractéristiques de classification. Quelques expériences numériques sur
  un jeu de données d'interface cerveaux-machine et sur un problème de re
 connaissance de scènes environnementales appuient l'intérêt de l'approc
 he présentée.
END:VEVENT
BEGIN:VTIMEZONE
TZID:Europe/Paris
X-LIC-LOCATION:Europe/Paris
BEGIN:DAYLIGHT
DTSTART:20140330T030000
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
END:DAYLIGHT
END:VTIMEZONE
END:VCALENDAR