Projections aléatoires pour l'apprentissage compressif

Antoine Chatalic (1) , Nicolas Keriven (2) , Rémi Gribonval (1)

1 PANAMA - Parcimonie et Nouveaux Algorithmes pour le Signal et la Modélisation Audio
2 ENS-PSL - École normale supérieure - Paris

Compressive learning is a framework to drastically compress the volume of large training collections while preserving the information needed to learn. Guided by unsupervised learning examples, we survey the involved tools, the existing theoretical guarantees both in terms of information preservation and of privacy preservation, and conclude with some open problems.

L'apprentissage compressif a pour objectif de réduire drastiquement le volume de grandes collections d'entraînement via des sortes de projections aléatoires, tout en préservant l'information nécessaire à l'apprentissage. En s'appuyant sur quelques exemples en apprentissage non-supervisé, nous proposons un tour d'horizon des outils utilisés, des garanties théoriques à la fois en termes de préservation d'information et de respect de la vie privée, pour finir avec quelques problèmes ouverts.

Domaines: Apprentissage [cs.LG]; Traitement du signal et de l'image [eess.SP]; Machine Learning [stat.ML]

Antoine Chatalic, Nicolas Keriven, Rémi Gribonval. Projections aléatoires pour l'apprentissage compressif. GRETSI 2019 − XXVIIème Colloque francophone de traitement du signal et des images, Aug 2019, Lille, France. pp.1-4. ⟨hal-02154803⟩