Les Sessions Spéciales

En complément des 7 Thèmes généraux proposés, chaque édition du colloque GRETSI met en avant des thématiques plus spécifiques sous la forme de Sessions spéciales.

Session Spéciale 1

Graph Learning & Learning with Graphs ou Apprentissage sur graphe et apprentissage de graphes
Organisateurs : Arnaud Breloy (Laboratoire Leme, Univ. Paris Nanterre) et Titouan Vayer (INRIA LIP, ENS-Lyon)

Résumé : Les structures de graphes sont devenues omniprésentes en science des données. Elles permettent, en effet, de représenter à la fois les entités (variables, individus, etc.) et les relations d’interactions, parfois complexes, entre elles. Nous avons donc assisté à une explosion récente des travaux scientifiques ayant pour but de modéliser/manipuler des graphes, ayant donné lieu à des méthodologies et approches variées (graph learning, graph signal processing, optimal transport on graphs, graph kernels, graph neural networks, etc.). Dans ce cadre, deux défis importants émergent: 1) comment obtenir, à partir de données non structurées, un graphe qui reflète une structure pertinente pour une tâche ciblée ? 2) une fois révélées, comment manipuler et exploiter les structures d’un ou plusieurs graphes dans des contextes tels que l’apprentissage statistique ou le traitement du signal ?

L’objectif de cette session est de fournir un cadre d’échange et d’animation scientifique pour la communauté signal processing & machine learning francophone dont les travaux traitent de l’estimation de graphes à partir de signaux observés et/ou de l’utilisation de graphes comme objets structurés dans des problématiques d’apprentissage. Plus précisément, notre intention est d’inviter des chercheurs et chercheuses du domaine dont les travaux correspondent, selon nous, à des avancées scientifiques récentes pour les problématiques mentionnées. La liste suivante correspond à une tentative de programme suite à l’identification de travaux récents dans la communauté. Il convient donc de préciser que les orateurs listés n’ont pas tous confirmé leur participation. Cependant nous avons identifié d’autres orateurs potentiels dans le but d’assurer une session complète.

Mots Clés: apprentissage de graphes, transport optimal pour les graphes, noyaux sur graphes, graph neural networks

Session Spéciale 2

Décompositions matricielles et tensorielles sous contraintes
Organisateurs : Konstantin Usevich (CRAN, Nancy) et Jeremy Cohen (CREATIS, Lyon)

Résumé : Les techniques d’approximations de rang faible telles que la factorisation en matrices nonnégatives ou les décompositions tensorielles sont au cœur de la science des données. D’abord en tant que techniques d’apprentissage non supervisé, mais également comme modèle parcimonieux pour des données multivariées. Les applications de ces méthodes sont nombreuses et variées, notamment dans la communauté française autour de problèmes de séparation de sources pour la télédétection, l’extraction d’information musicale ou encore les télécommunications. Les approches récentes s’attachent à développer de nouveaux modèles sous contraintes, de nouveaux algorithmes plus rapides ou bénéficiant de bonnes propriétés, ainsi qu’à l’utilisation des factorisations matricielles et tensorielles pour l’IA.

Note: La session rendra hommage aux travaux de Pierre Comon, figure importante de la séparation de source et des décompositions tensorielles, localisé à Grenoble et prenant sa retraite dans l’année.

Session Spéciale 3

Implémentation matérielle d’algorithmes d’IA
Organisateurs : Daniel Chillet (ENSSAT, INRIA) et Christophe Jego (IMS Bordeaux)

Résumé : Les évolutions des capacités de calcul des architectures matérielles que nous connaissons depuis plusieurs années ont permis l’intégration d’algorithmes très complexes, de type IA. Ce type d’applications n’a pas seulement inondé les calculateurs classiques, mais il a également progressivement migré vers les systèmes embarqués. Or pour ces  systèmes, les contraintes matérielles nécessitent une adaptation soit des algorithmes, soit des architectures, ou encore des deux en même temps, en vue d’offrir à la fois performances et efficacité énergétique.

Dès lors, les concepteurs d’architectures matérielles se sont emparés de ce champ de recherche et de très nombreux travaux ont vu le jour, aboutissant à des innovations architecturales/algorithmiques vraiment intéressantes pour accompagner cette évolution.

La session spéciale que nous proposons vise donc à réunir les acteurs de ce domaine en plein essor qui a déjà proposé des implémentations d’IA intéressantes, et qui continue à proposer des innovations qui permettront de soutenir le déploiement massif des systèmes embarqués intelligents dans les prochaines années.

Nous visons donc des contributions relevant du AIAA (Adéquation Intelligence Artificielle Architecture), adressant toutes les techniques permettant de rendre ce type d’application plus aisément embarquables dans des systèmes contraints en ressources de calcul et/ou en énergie.

Session Spéciale 4

Traitement de signal/image et IA pour les sciences de l’environnement
Organisateurs : Lucas Drumetz (IMT atlantique), Ronan Fablet (IMT atlantique), Pierre Tandeo (IMT atlantique) et Carlos Granero-Belinchon (IMT atlantique)
Résumé : Les sciences de l’environnement mettent en oeuvre de nombreuses modalités d’acquisition de données complexes et complémentaires allant de la télédétection satellitaire aux données in situ pour de multiples applications. Pour les analyser et les traiter, les outils de traitement de signal et d’apprentissage machine sont cruciaux pour extraire l’information pertinente. L’objectif de cette session est de rassembler les développements nouveaux à l’intersection de ces disciplines, par exemple sur les sujets suivants: problèmes inverses et sciences de l’environnement (filtrage/débruitage/restauration/interpolation), Deep Learning et données environnementales, apprentissage guidé par la physique, modèles génératifs et prédictifs pour l’environnement, systèmes dynamiques et signal pour l’environnement … Les domaines d’application ciblés sont, entre autres: la télédétection terrestre, l’océanographie spatiale, les données sismiques, l’acoustique sous marine, et les geosciences au sens large.

Session Spéciale 5

Enseignement et didactique du TSI

Organisateurs : Vincent Mazet (Uni. Strasbourg) et  Charles Soussen (Centrale Supélec)

Résumé : Le colloque Gretsi réunissant un très grand nombre d’enseignants en traitement du signal, c’est le lieu idéal pour réfléchir à la didactique de cette discipline. Cette nouvelle session spéciale veut donc profiter du colloque pour discuter de manière structurée et collégiale sur les manières d’enseigner le traitement du signal et des images et les communications numériques. En particulier, nous nous intéresserons à la question de la valeur que portent les étudiants à notre discipline. Selon Viau (1994, 2009), la valeur d’une activité est un des leviers de la motivation des étudiants, elle dépend de l’utilité sociale et universitaire que l’étudiant y voit et de son inscription dans une perspective future. Cette session spéciale s’articulera autour d’une discussion ouverte entre le public et quatre invités : un conseiller pédagogique et des enseignants-chercheurs de la communauté.

Session Spéciale 6

Traitement du Signal et ses applications en mécanique

Organisateurs : Mohammed El Badaoui (Safran) et Jérôme Antoni (INSA Lyon)

Résumé : Le traitement du signal est une discipline qui joue un rôle crucial dans de nombreuses applications mécaniques (Health Monitoring, Contrôle non destructif, caractérisation mécanique). La surveillance de l’état de santé des systèmes complexes constitue une thématique en pleine expansion permettant aux industriels d’innover dans des secteurs très concurrentiels. Touchant des domaines très variés tels que le transport, l’énergie, le génie civil ou la production, surveiller un système complexe de façon préventive consiste à évaluer son état afin de planifier une maintenance, un ensemble d’actions permettant de remettre le système en état normal de fonctionnement et ainsi éviter une dégradation voire la casse d’un des composants ou d’une partie du système. Une telle stratégie de surveillance améliore la sécurité, la qualité et la disponibilité du système surveillé, augmente sa durée de vie, et réduit ses coûts d’exploitation.

Réseaux de capteurs, multi-modalité, capteurs intelligents, traitement embarqué, supervision à distance, tablettes et écrans tactiles, la multiplication des objets connectés et la taille des données collectées ouvre des perspectives nouvelles en termes de traitement du signal multidimensionnel, d’apprentissage statistique et de prises de décision. La surveillance de l’état de santé des systèmes complexes présente des enjeux grandissants.

L’objectif de cette session spéciale est de présenter une vue d’ensemble des développements les plus récents en traitement du signal pour l’analyse des signaux mesurés tels que mesures électriques, vibratoires, acoustiques. Des techniques d’échantillonnage (analyse et suivi d’ordre, échantillonnage aléatoire, …) au traitement des données (estimation, détection, indicateurs de santé,), du diagnostic et de la prise de décision (apprentissage, classification, …). Plus précisément, les thématiques visées sont :

  • Estimation, détection de défauts
  • Séparation ou extraction de sources
  • Analyse de signaux polyphasés (3D,…)
  • Identification des fonctions de transfert
  • Méthodes d’analyse spectrale non-stationnaire (cyclostationnarité, temps/fréquences, fréquence instantanée…)
  • Analyse de signaux échantillonnés aléatoirement ou irrégulièrement
  • Approches angulaires : vitesse instantanée, suivi d’ordre, estimation synchrone, …
  • Classification d’indicateurs de défaillance (apprentissage statistique, détection d’anomalie, arbre de décision, reconnaissance de formes, ..)