Chaire Bridgeable
La chaire explore les fondements mathématiques des réseaux de neurones pour en améliorer l’explicabilité, la robustesse et la fiabilité.
Elle éclaire le fonctionnement de ces “boîtes noires” et les compare aux autres approches d’apprentissage automatique.
BRIDinG thE gAp Between iterative proximaL methods and nEural networks
L'objectif de cette chaire est de proposer une approche mathématique des défis rencontrés par les modèles informatiques de type « réseaux de neurones ».
Ce projet s’intéresse à l’explicabilité du fonctionnement de ces boîtes noires : quelles sont les raisons fondamentales qui font que ces outils fonctionnent et pourquoi certains le font-ils mieux que d’autres.
Il porte aussi sur leur fiabilité (étude de leur fragilité vis-à-vis de perturbations) et la comparaison avec d’autres méthodes d’apprentissage.
Titulaire : Jean-Christophe Pesquet (laboratoire CVN)
Les partenaires : GE Healthcare, IFP Energies Nouvelles, Schneider Electric
Image
| Image
| Image
| Image
|