|
|
Jeudi 5 Avril
Heure: |
12:15 - 13:30 |
Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
Résumé: |
Apports de la Programmation Linéaire en Nombres Entiers pour la modélisation et l'extraction d'ensembles de motifs |
Description: |
Abdelkader Ouali Un problème récurrent en extraction de motifs est la sélection de motifs pertinents parmi le grand ensemble de motifs découverts. Pour réduire le nombre de motifs extraits et donc de faciliter l'analyse du résultat de la fouille est l'extraction de motifs de plus haut niveau reposant sur des caractéristiques qui impliquent plusieurs motifs locaux. Ces motifs sont appelés ensembles de motifs ou pattern sets. Extraire le meilleur ensemble de motifs relativement à une mesure donnée permet de mieux cibler le processus dextraction vers les meilleurs motifs mais rend la tâche plus ardue, notamment en raison de la taille importante de l'espace de recherche et le manque de techniques d'élagage efficaces pour ce type de problèmes. La plupart des approches existantes (souvent heuristiques) sacrifient la preuve d'optimalité au détriment de solutions approchées. Toutefois, la qualité de solutions obtenues par ces approches reste très variable.
La PLNE (Programmation Linéaire en Nombres Entiers) est un au cadre générique qui procure un haut niveau de flexibilité et dexpressivité pour composer différentes types de contraintes. L'utilisation de la PLNE pour la modélisation de tâches doptimisation en fouille de données est un domaine qui a été très peu exploré. C'est dans ce cadre que s'inscrivaient mes travaux de thèse.
Dans cet exposé, je vais montrer comment la PLNE peut être utilisée pour modéliser différentes contraintes portant sur des ensembles de motifs. Outre le cadre général de lextraction d'ensembles de motifs, je vais illustrer lintérêt de mon approche sur deux problèmes bien connus en fouille de données : le clustering conceptuel et le problème de pavage (tiling). Enfin, je présenterai quelques résultats récents sur l'utilisation des moyennes ordonnées pondérées (communément appelées OWA pour Ordered Weighted) afin de trouver un équilibre optimal sur la taille des clusters du clustering conceptuel. |
Vendredi 6 Avril
Heure: |
11:00 - 12:30 |
Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
Résumé: |
Session-based concurrency, reactively |
Description: |
Mauricio Cano This talk concerns formal models for the analysis of communication/centric software systems that feature declarative and reactive behaviors. We focus on session-based concurrency, the interaction model induced by session types, which uses (variants of) the pi-calculus as specification languages. While well-established, such process models are not expressive enough to specify declarative and reactive behaviors common in emerging communication-centric software systems.
Here we propose the synchronous reactive programming paradigm (SRP) as a uniform foundation for session-based concurrency. We present correct encodings of session-based calculi into ReactiveML, a synchronous reactive programming language. Our encodings bridge the gap between process specifications and concurrent programs in which session-based concurrency seamlessly coexists with declarative, reactive, timed, and contextual behaviors. |
Mardi 10 Avril
Heure: |
10:30 - 12:00 |
Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
Résumé: |
CIP : Equations différetielles non commutatives (préparation) |
Description: |
Gérard DUCHAMP |
Mercredi 18 Avril
Heure: |
14:00 - 15:00 |
Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
Résumé: |
Apprentissage et génération de représentations optimisées de données complexes |
Description: |
Abdelkader Benyettou On propose une approche mimétique pour lapprentissage et la génération de représentations optimisées de données complexes à travers la sélection et la pondération simultanée des attributs basée sur une hybridation entre une approche évolutionnaire et lapprentissage sous contraintes des machines à vecteurs de support. Cette technique a été expérimentée sur loptimisation de la classification des documents web ainsi que des images aériennes. Cependant, les représentations usuelles des données complexes engendrent des matrices de très grandes dimensionnalités dont le traitement par une approche mimétique peut savérer très lourd en temps de calcul lors de la phase dapprentissage. On propose une implémentation parallèle de lalgorithme proposé basée sur les modèles dîlots afin de palier à ce problème. Nos expériences sur plusieurs benchmarks : Reuters- 21578, 7Sectors, Webkb et UCMerced LandUse ont montré quon peut réduire significativement le temps dexécution ainsi que le nombre dattributs avec une nette amélioration des performances en classification. |
Mardi 24 Avril
Heure: |
11:00 - 12:30 |
Lieu: |
Salle B107, bâtiment B, Université de Villetaneuse |
Résumé: |
CIP : Théorie de Picard-Vessiot et équations différentielles non commutatives |
Description: |
Hoang Ngoc Minh Attention : Horaire décalé à 11h00 vu les difficultés de transport. |
|
|