Construire des réseaux neuronaux profonds compacts et robustes avec des matrices Toeplitz
01/06/2021 à 15h00
M.Alexandre ARAUJO présente ses travaux en soutenance le 01/06/2021 à 15h00
À l'adresse suivante : En visio conférence
En vue de l'obtention du diplôme : Doctorat en Informatique
La soutenance est publique
Titre des travaux
Construire des réseaux neuronaux profonds compacts et robustes avec des matrices Toeplitz
École doctorale
École doctorale Dauphine SDOSE
Équipe de recherche
UMR 7243 - Laboratoire d’Analyse et de Modélisation de Systèmes d’Aide à la Décision
Section CNU
27 - Informatique
Directeur(s)
M. Jamal ATIF
Membres du jury
| Nom | Qualité | Établissement | Rôle |
|---|---|---|---|
| M. Jamal ATIF | Professeur des universités | Université Paris Dauphine, PSL | Directeur de thèse |
| M. Alain RAKOTOMAMONJY | Professeur des universités | CRITEO | Rapporteur |
| M. Teddy FURON | Chargé de recherche | INRIA Rennes | Rapporteur |
| M. Yann CHEVALEYRE | Professeur des universités | Université Paris Dauphine, PSL | Examinateur |
| M. Benjamin NEGREVERGNE | Maître de conférences | Université Paris Dauphine, PSL | Examinateur |
| Mme Elisa FROMONT | Professeur des universités | IRISA Rennes | Examinatrice |
| M. Remi GRIBONVAL | Directeur de recherche | INRIA Lyon | Examinateur |
| M. Krzysztof CHOROMANSKI | Research Scientist | Examinateur |
Résumé
Les réseaux de neurones profonds sont considérés comme étant état de l’art dans une grande variété de tâches, mais ils présentent des limites importantes qui entravent leur utilisation et leur déploiement. Lors du développement et l’entraînement de réseaux de neurones, la précision ne devrait pas être la seule préoccupation, ils se doivent aussi d’être efficaces et sécurisés. Bien que précis, les réseaux de neurones dotés de nombreux paramètres n’ont souvent pas ces propriétés. Cette thèse se concentre sur le problème de l’entraînement de réseaux de neurones qui ne sont pas seulement précis, mais aussi compacts, faciles à entraîner, fiables et robustes aux exemples contradictoires. Pour résoudre ces problèmes, nous exploitons les propriétés des matrices structurées de la famille de Toeplitz pour construire des réseaux de neurones compacts et sécurisés.