Mardi 16 Juin

Heure:	12:15 - 13:30
Lieu:	Salle B107, bâtiment B, Université de Villetaneuse
Résumé:	Évaluation et sélection des collaborateurs en clustering collaboratif
Description:	Guénaël Cabanes L'objectif du clustering collaboratif est de révéler la structure commune de données qui sont réparties sur différents sites. Le concept fondamental du clustering collaboratif est d'avoir des algorithmes qui s'exécutent localement mais qui collaborent en échangeant de l'information sur les partitions locales des données obtenues par chaque algorithme. Ce type d'apprentissage collaboratif peut être appliqué à un grand nombre de tâches, y compris le clustering multi-vues, la segmentation de données distribuées, le regroupement et l'analyse multi-échelle et multi-expert, etc.... Cette étude introduit un nouveau cadre de collaboration qui permet à un large éventail d'algorithmes de collaborer ensemble. L'originalité de la méthode proposée est qu'elle rend possible la collaboration entre des algorithmes de différentes familles. Nous avons aussi analysé l’impact de la diversité entre les collaborateurs et de la qualité des collaborateurs sur la qualité de la collaboration, afin de définir des pondérations à appliquer à chaque collaborateur. Nous avons testé l'efficacité de notre approche à partir d’expériences sur des jeux de données réels.

Heure:	14:00 - 17:00
Lieu:	Salle B107, bâtiment B, Université de Villetaneuse
Résumé:	Hopf algebras and towers of monoids
Description:	Aladin Virmaux