Je suis allé la semaine dernière à Statlearn 2011, une conférence francophone sur l’apprentissage statistique. Beaucoup d’exposés concernaient la sparsité avec en vue des application en bio-statistique. J’en profite pour mettre des liens vers les présentations qui m’ont particulièrement intéressées. L’illustration est tirée des slides de Francis Bach et concerne l’apprentissage de dictionnaires adapté aux données avec a priori hiérarchique, appliqué à des données textuelles en l’occurrence les abstracts de NIPS si mes souvenirs sont bons.
Pour ce qui est des présentations que j’ai plus particulièrement appréciées :
- Bach, Francis (INRIA Paris, Ecole Normale Supérieure) : Sparse Hierachical Dictionary Learning [slides.pdf]
(Voir la partie concernant le “dictionnary learning” en particulier lorsqu’un a priori hiérarchique est utilisé) - Grandvalet, Yves (CNRS, UTC) : Sparsity in learning [slides.pdf]
(Voir la conclusion en particulier la problématique sur “l’indexations des modèles”) - Vert, Jean-Philippe (Mines ParisTech, Institut Curie) : Including prior knowledge in machine learning for genomic data [slides.pdf]
(Voir la partie sur la segmentation de signaux avec des méthode de type lasso adaptées) - Antoniadis, Anestis (LJK, Université Joseph Fourier) : Regularizarion and shrinkage for model selection in sparse GLM models[slides.pdf]
(Pour l’ensemble, les ponts faits entre les différents domaine ondelettes, images, apprentissage statistique)
