Projections aléatoires pour l'apprentissage compressif - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2019

Projections aléatoires pour l'apprentissage compressif

Abstract

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.
Fichier principal
Vignette du fichier
gretsi-19_final.pdf (140.59 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-02154803 , version 1 (13-06-2019)

Identifiers

  • HAL Id : hal-02154803 , version 1

Cite

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⟩
163 View
272 Download

Share

Gmail Mastodon Facebook X LinkedIn More