News
You are here : English versionNewsNews

LIFAT defense: HDR Romain Raveaux

Dates

on the June 26, 2019

Horaire : 10h-12h
Location
LIFAT - Salle Lovelace PolytechTours

HDR Romain RAVEAUX - manuscrit en PDF (in english)  

Titre : Contributions et perspectives sur l’optimisation combinatoire et l’apprentissage pour l'appariement et la classification de graphes

Résumé :

La problématique de recherche abordée dans mes travaux est la suivante:

Comment mettre en correspondance, mesurer des similarités et classifier des objets lorsque les objets sont représentés par des graphes?

En d’autres termes, comment comparer deux graphes? Comment sont reliés graphes et classification? Comment extraire l’information contenue dans des graphes?

Les graphes sont des structures de données informatiques très souples qui permettent une description très riche et très fine d'une gamme très large d'objets, allant des molécules chimiques aux images, en passant par des réseaux sociaux. Le revers de la médaille est que comparer des graphes peut s'avérer une tâche d'une grande complexité calculatoire. La complexité et l'optimisation combinatoire sont liées à une discipline entière appelée la Recherche opérationnelle. En recherche opérationnelle, les problèmes d'optimisation doivent être formalisés et bien structurés. Un algorithme d'optimisation exploite ces informations structurées pour les résoudre. Au contraire, l'apprentissage automatique est un domaine de recherche traitant de la conception d'algorithmes permettant de résoudre des problèmes au moyen d'approches statistiques. Les algorithmes d'apprentissage automatique extraient des informations à partir d'exemples pour faire des prédictions, ce qui constitue une différence majeure par rapport aux algorithmes de recherche opérationnelle. Le cœur des algorithmes d'apprentissage réside dans leur capacité à apprendre et à généraliser à partir d'informations "non structurées" ou "non formalisées".

Mes travaux concernent l'apprentissage et l'optimisation combinatoire pour la mise en correspondance et la classification de graphes dans des problèmes de reconnaissance des formes et de vision par ordinateur.

Mots-clés : Appariement de graphes, classification de graphes, apprentissage, optimisation combinatoire, reconnaissance des formes, vision par ordinateur.