Vers des neurones artificiels à la rescousse du Big Data

La révolution du numérique que nous sommes en train de vivre génère actuellement une augmentation du volume des données à traiter qu’il devient complexe à analyser.  

On peut citer le cas du véhicule autonome (vision par ordinateur) ou encore de la recherche de liens entre des données (cartographie des connaissances, phylogénie).

Une nouvelle approche : l’insertion de réseaux de neurones artificiels

Afin de traiter efficacement et rapidement ces données par des algorithmes, Giovanni Chierchia, enseignant-chercheur à ESIEE Paris et membre du laboratoire de recherche LIGM, propose une nouvelle approche s’appuyant sur l’insertion de réseaux de neurones artificiels. La « flexibilité » qu’ils apportent doit permettre une optimisation de ces traitements en les couplant avec des outils modernes de calcul parallèle (PyTorch, TensorFlow). 

Pour cela, il vient de recevoir le soutien du CNRS-INS2I par le financement d’un projet PEPS JCJC 2019 intitulé : Optimisation Sous Contrainte Implicite (OSCI). Ce travail compte également sur la collaboration de Benjamin Perret, enseignant-chercheur à ESIEE Paris et membre du LIGM, ainsi que de Mireille El Gheche et Pascal Frossard, respectivement chercheuse et professeur de l’école polythétique fédérale de Lausanne (EPFL).