Link to ERMITES 2012 online proceedings and YouTube Videos.
BOOK PROCEEDING with video links, 507 pages, .pdf 130 Mo
Link to next ERMITES 2013
Orateurs : Y. LeCun, P. Bessiere, S. Thorpe, M. Van Gerven, M. Perreira, P. Courrieu, F. Chamroukhi, X. Halkias, T. Hannagan
Supported by IUF, l'INRIA,
Toulon Provence Mediterranee, CNRS, LSIS,
GDR I3, ARIA, FRIAM Federation Recherche Informatique et Interaction Aix Marseille,
AFCP, USTV
et sous les patronages de la Fédération de Recherche en Informatique et
Interactions (FRIIAM), du PEPS RUPTURE INS2I DYNI 'Scaled Swarm Vision', du Labex ARCHIMEDE, et de l'ANR COGNILEGO
Hôtel Kyriad - La Seyne-sur-Mer, accès
direct par bateau bus toutes les quinze minutes depuis l'hyper centre
de Toulon.
Programme
- LeCun Y. - Pr. univ. New York - The Courant Institute of Mathematical Sciences, Center for Neural Science
« Hierarchical Convolutional Vision and Recognition » (2 h)
L'exposé portera sur les modèles convolutionels et modèles profonds
(DBN), notamment inspirés de structure corticale. Nous montrerons que
les modèles à contrainte parcimonieuse permettent d'ouvrir une
optimisation de connectiques latérales, et multi-représentation,
propices à l'émergence de concepts.
- Bessiere P. - Dr. Collège de France, Paris - LPPA, Active perception and exploration of objects team
« Bayesian modeling of perception, learning, decision and action » (2 h)
We present the principles of a Bayesian approach of sensory-motor
systems [Bessiere08][Colas10].
We illustrate these principles with few examples coming either from
life modeling or robotics.
We will present, for instance, a model for perception of shape from
motion [Colas06, Colas08], a model of perception of ego-movement from
visuo-vestibular information [Laurens07], a model of sensori-motor
loop involved in handwriting and reading [Gilet10, Gilet11] and,
finally, a model called BOF (Bayesian Occupancy Filter) used in the
automotive industry for obstacles detection and avoidance
[Coué03, Coué06].
Réf:
[Bessiere08] Probabilistic Reasoning and Decision Making in Sensory-Motor Systems
[Colas10] Common
bayesian models for common cognitive issues Colas F., Diard J., Bessiere
P. Acta Biotheoretica
[Colas08] An
unified probabilistic model of the perception of three-dimensional
structure from optic flow Colas F., Droulez J., Wexler M., Bessière P.,
Biological Cybernetics
[Colas06]
Perception des objets en mouvement Composition bayésienne du flux
optique et du mouvement de l'observateur, PhD
[Gilet11]
Bayesian Action-Perception Computational Model: Interaction of
Production and Recognition of Cursive Letters Gilet E., Diard J.,
Bessiere P., PLoS ONE
[Coué06] Bayesian Occupancy Filtering for Multitarget Tracking: an Automotive Application
Coué C., Pradalier C., Laugier C., Fraichard T., Bessière P., Int. Journal of Robotics Research
- Van Gerven M. - A. Pr. Donders Institute for Brain, Netherlands - Cognitive Artificial Intelligence department
« Percept Decoding with Sparse Latent Variable Models
(2 h)
Functional MRI has an exquisite spatial resolution which offers a
unique window into the brain . Using sophisticated machine learning
techniques, researchers have shown that visual percepts can be decoded
from fMRI BOLD responses. In this talk I will give an overview of the
status of this field. Particularly, I will discuss the decoding
problem from a probabilistic point of view and make the distinction
between discriminative and generative approaches. Next to the
discussion of models used by other researchers, I will present a
number of approaches we have been developing within my group. These
approaches range from simple Gaussian models to more complex deep
architectures.
Réf:Van_Gerven_Neural_decoding.pdf
- Thorpe S. - Dr. UMR CNRS CERCO, Toulouse - Centre de Recherche Cerveau et Cognition
« Spiking Vision » (2 h)
Les modèles neuro-inspirés peuvent expliquer certaines variables de
notre système de perception, notamment nos temps de réaction et ou de
décision. Nous montrons certains modèles 'spike' expliquant des temps
de perception subliminale.
- Courrieu P. - CR UMR CNRS LPC, Marseille
« Codes de Densité, Espaces de Formes et Lecture » (2h)
On sait depuis longtemps que, chez l'humain, la reconnaissance des mots imprimés
passe par l'identification des lettres qui les composent (McClelland,
1976), mais il a été établi
plus récemment qu'une forme de traitement holistique du mot apporte
aussi une contribution
significative à la reconnaissance (Lété et Pynte, 2003). Cette
contribution holistique pourrait
s'avérer encore plus critique pour les mots manuscrits, dans lesquels
il n'est pas rare que
certaines lettres ne soient tout simplement pas identifiables
individuellement. La question se
pose alors de savoir quelle forme pourraient prendre les
représentations holistiques utilisées
par la perception visuelle. De nombreuses possibilités sont envisagées
dans la littérature, et je
me suis pour ma part concentré sur l'exploration d'une hypothèse de
représentation globale
des formes par des "codes de densité" (Courrieu, 2006, 2007). Un code
de densité est une
séquence de points dont la distribution spatiale a une densité
proportionnelle à la fonction
image qu'elle encode. Par construction, la séquence de points permet
la comparaison de
formes dans des espaces de formes admettant certains invariants non
nécessairement affines.
D'assez bons résultats sont obtenus dans des espaces de formes
"naturelles" (formes
végétales, fractales...), mais les méthodes de comparaison développées
à ce jour sont encore
insuffisantes pour l'écriture manuscrite, particulièrement si on
envisage de les appliquer à un
vocabulaire de grande taille comme celui des langues naturelles. Je
présenterai mes dernières
investigations en la matière, dans le cadre d'un projet visant à
l'approximation d'une fonction
d'un espace de formes manuscrites vers un espace de codes orthographiques.
Réf:Courrieu07.pdf
- Chamroukhi F. - MdC UMR CNRS LSIS, Toulon
« Apprentissage de modèles génératifs à processus latent à partir de séquences » (2 h)
Je présenterai de nouveaux modèles probabilistes à variable latente
pour la représentation, la discrimination, le clustering et le suivi
temporel de données fonctionnelles (courbes temporelles). La première
partie de la présentation concernera la modélisation et la
segmentation, aussi bien d'une courbe que d'un ensemble de courbes,
par un modèle génératif de régression dynamique incorporant un
processus latent. Ce modèle est à formulation dynamique de mélange de
densités particulièrement adapté aux données temporelles hétérogènes à
changement de régimes. La seconde partie traitera de la classification
supervisée et du clustering de telles données. Le cas de
classification supervisée (discrimination) est traité via une analyse
discriminante effectuée directement dans l'espace des courbes et qui
se situe dans le cadre de l'analyse de données fonctionnelles. Le cas
non supervisé s'appuie sur une formulation spécifique de mélange de
densités où chaque composante du mélange est un modèle génératif de
régression par morceaux à processus latent. La troisième partie de la
présentation concernera le suivi de séquence de données par un modèle
autorégressif dynamique régit par un processus latent (logistique ou
markovien non-homogène) et dont l'apprentissage s'effectue hors-ligne
et en-ligne via l'algorithme EM. Je terminerai par une formulation
bayésienne du modèle présenté avec des extensions notamment
parcimonieuses. Les approches développées seront illustrées
principalement sur des problématiques de diagnostic et de
télésurveillance de système complexe et de robotique assistive par la
modélisation de données de mouvements humains (comme l'écriture par exemple).
Ref: PhD,
Chamroukhi ADAC 2011,
Chamroukhi Neurocomp 2010.
- Perreira M. - MdC Institut de Recherche en Communication et Cybernétique
« Modélisation attentionnelle de la vision par diffusion et auto-organisation : aspects computationnels
et expérimentaux » (2 h)
Dans un premier temps, nous introduirons ce qu'est la modélisation de
l'attention visuelle ainsi que ses différents domaines d'application
(publicité, ergonomie, vision par ordinateur, traitement d'images et
de vidéo, multimédia, etc.). Puis, nous présenterons une approche
originale de la modélisation computationnelle de l'attention. Le
modèle présenté, temps réel et orienté vision par ordinateur, utilise
les propriétés des phénomènes de diffusion et modèles auto-organisés
proies-prédateurs afin de simuler efficacement les aspect dynamiques
de l'attention visuelle. Les différentes propriétés du modèle seront
abordées, ainsi que différentes démonstrations d'application possibles
(segmentation d'images et vidéos, recadrage dynamique, estimation de
la complexité des images, etc.). Enfin, nous aborderons le problème de
la modélisation de l'attention visuelle d'un point de vue plus
expérimental. En particulier nous nous arrêterons sur l'étude des
biais de centre et de profondeur dans le cas de la vision
stéréoscopique et verrons quelles améliorations peuvent être apportées
aux modèles existant si l'on tient compte de ces deux facteurs.
Réf:Thèse
- Hannagan T. - Dr. UMR LPC, Marseille
" Symmetry Networks: Three Applications to Cognitive Modeling " (2h)
Symmetry networks [1] are feedforward networks whose
outputs are invariant under some transformation of the inputs. I will
describe three different encounters with symmetry networks in visual
word recognition [2], spoken word recognition, and generic vision. Along
the way, I will show in particular how these networks can emerge from
supervised or unsupervised learning algorithms, what their
relationship to the notion of serial order is, and how they can save
computational resources. I will also show how symmetry networks can
help us understand some very recent and unsettling fmri results [3]."
Ref:
[1] Shawe-Taylor, J. (1989) Building Symmetries into Feedforward Networks. In: Proceedings of First IEE Conference on Artificial Neural Networks, London.
[2] Hannagan T, Dandurand F, Grainger J (2011) Broken Symmetries in a Location-Invariant Word
Recognition Network. Neural Computation 23(1):251-283.
[3] Rauschecker AM, Bowen RF, Parvizi J, Wandell BA (2012) Position sensitivity in the visual word
form area. Proc Natl Acad Sci USA 10.1073/pnas.1121304109.
- Halkias X. - Dr. UMR CNRS LSIS, post-doc ANR Cognilego
« Domain Adaptation and DBNs in Images and Audio» (2 h)
The goal of the talk is to explore the efficacy of DBNs.
Deep Belief Networks (DBN) have been successfully applied on popular machine
learning tasks. Specifically, when applied on hand-written digit recognition,
DBNs have achieved approximate accuracy rates of 98.8%.
In an effort to optimize the data representation achieved by the DBN
and maximize
their descriptive power, recent advances have focused on inducing
sparse constraints
at each layer of the DBN. This talk will present a generalized theoretical
approach for sparse constraints in the DBN using the sparse mixed norm.
We explore how these constraints affect the classification accuracy for digit
recognition in three different datasets and provide initial
estimations for domain
adaptation applications through cross-training and testing of the networks.
The goal of the talk is to explore the efficacy of DBNs under a domain
adaptation framework applied in both images and audio. We will explore
different architectures based on general sparse constraints and
attempt to introduce a structured sparsity that will be based on the
joint modeling of the different data sets.
Réf:Cognilego bib.
Affiche ERMITES 2012
Inscriptions (closes en juin)
24 inscriptions maximum.
Les inscriptions sont ouvertes
dès maintenant par simple courriel à ermites@univ-tln.fr renseignant
:
nom, prénom
université / laboratoire / entreprise
adresse
téléphone
courriel
formule retenue (voir tarifs ci-dessous)
mode de paiement : Chèque à l'ordre du "trésorier de l'AFCP" ou
Bon de Commande pour l'AFCP (laisser la mention utile).
Envoyer ce bon ou ce chèque (scan) par Email à ermites@univ-tln.fr
(sujet "paiement 2012"), et aussi impérativement par courrier papier à
cette adresse :
M. J. Razik, LSIS Univ. Sud-Toulon Var, Bat R, Av. de l'Université, BP 20132, 83957 La Garde Cedex France.
Pour information les références de l' AFCP sont:
Association Francophone de la Communication Parlée
Etablissement : 30003 Guichet : 00990 N° de compte : 00037268733
Clé RIB 15
IBAN : FR 76 30003 00990 00037268733 15 BIC : SOGEFRPP
Domiciliation : Société Générale - Grenoble
N° SIRET : 440 910 354 00016 - code APE : 913E
Siège social : AFCP, Université d'Avignon - 339, Ch. des
Meinajaries 84000 Avignon
Tarifs
Formule pension complète
(incluant 2 nuitées, 5 repas, 2 pts déj, 6 pauses café / boisson,
actes papier, en chambre studio 2 lits / salle de bain):
D1/ Doctorant, Postdoc, Master = 290 euros
D2/ Autres (titulaire, membre entreprise,...) = 420 euros
S1/ idem D1, mais en chambre simple = 370 euros
S2/ idem D2, mais en chambre simple = 500 euros
Formule demi-pension, 5 repas, 6 pauses cafe / boissons et
actes papier :
J1/ Doctorant, Postdoc, Master = 178 euros
J2/ Titulaire, membre entreprise,... = 308 euros
Comité de Programme
H. Glotin (prés.), Pr univ. Sud-Toulon Var & IUF, LSIS
Y. LeCun, Pr univ. New York
P. Bessière, DR Collège de France
S. Thorpe, DR CERCO
F. Chamroukhi, MC USTV, LSIS
S. Paris, MC Aix-Marseille Univ (AMU), LSIS
J. Razik, MC univ. Sud-Toulon Var, LSIS
Comité d'Organisation
F. Chamroukhi (prés.)
H. Glotin
J. Razik
S. Paris
R. Abeille, doctorant DynI
T. Maillot, doctorant LSIS
Y. Doh, doctorant DynI
X. Halkhias, Post-doc DynI
P. Machart, doctorant DynI, LSIS et LIF
J.-M. Prévot, Ing. USTV
Lieu
L'hôtel Kyriad prestige de La Seyne sur Mer
est desservi par des navettes régulières au départ du centre Toulon
(TGV Paris 3h50, Aeroport TOULON-Hyeres), notamment par bateau bus en 15
minutes (2 euros), ou bus, depuis Toulon centre (horaires sur site du réseau Mistral).
Principales lignes pour venir de la gare de Toulon :
- Ligne de Bus 18 : de l'arrêt "Liberté" (centre de Toulon) à l'arrêt "Port (La Seyne)".
Un bus toutes les 15 minutes environ. Durée du trajet : 20 minutes environ.
Lien : horaire Bus 18.
- Ligne de Bateau M8 : de la gare maritime de Toulon (face à la mairie, 15 minutes de la gare TGV à pieds), jusqu'au port de La Seyne-sur-Mer.
Un bateau toutes les 30 minutes environ. Durée du trajet : 15 minutes environ.
Lien : horaire Bateau 8M.
Ligne principale pour venir de la gare de La Seyne-sur-Mer:
- Ligne de Bus 82 : de l'arrêt "Gare (Seyne)" à l'arrêt "Seyne Centre".
Un bus toutes les 30 minutes environ. Durée du trajet : 10 minutes environ.
Lien : horaire Bus 82.
===== Contexte =====
Site web de l'édition 2011 avec actes audiovisuels : http://glotin.univ-tln.fr/ERMITES11
Site web de l'édition 2010 avec actes audiovisuels : http://glotin.univ-tln.fr/ERMITES10
Rappel des programmes des journées ERMITES 2010
Jeanny HERAULT (GIPSA/UJF) «
Perception Visuelle, faits et modèles »
Jean PETITOT (EHESS/X) « Modèles neurogéométriques de Vision »
Ugo BOSCAIN (CMAP/X) « Anthropomorphic image reconstruction via
hypoelliptic diffusion »
Claude TOUZET (LNIA/UNIV. MED) « Modèles cognitifs de l'attention
visuelle »
Jean-Paul GAUTHIER (LSIS/USTV) « Sur les mécanismes mis en oeuvre
par le système nerveux central »
Hervé LE BORGNE (CEA-LIST) « Analyse en composantes indépendantes
visuelles »
Julien MAIRAL (ENS/INRIA WILOW) « Sparse Coding and Dictionary
Learning »
Hervé JEGOU (INRIA/IRISA) « Recherche d'image à grande échelle:
procédés d'aggrégation & d'indexation »
Sébastien PARIS (LSIS/UNIV. MED) « Dynamique de la vision &
auto-localisation Robotique »
Philosophie d'ERMITES
L'Ecole Recherche Multimodale
d'Information : Technologies et Sciences fait intervenir, sur 3
jours, devant des chercheurs et ingénieurs en devenir, une dizaine
de spécialistes des analyses conjointes de textes, images, sons et vidéos.
La recherche d'information est de plus en plus complexe et hasardeuse compte tenu du volume sans cesse croissant des masses disponibles et de leur nature multimodale (images,
sons, musique, parole, bio-acoustique, vidéos). Les buts d'ERMITES sont :
- d'analyser les dernières avancées théoriques, et pratiques, des
systèmes robustes de recherche d'information multimodale de grande
dimension et sur des masses de données,
- de montrer que ces nouveaux concepts forment une base pour un
domaine plus vaste que celui d'origine pour lequel ils ont été
développés,
- de sensibiliser les jeunes scientifiques au vaste champ
scientifique mis en jeu par ces nouvelles avancées aux problèmes
de fiabilité, robustesse, apprentissage, sous contrainte du
passage à l'échelle.
L'esprit d'ERMITES est de mettre l'accent sur les analyses jointes
(transversales sur diverses modalités), peu prises en compte par la majorité des équipes qui restent plutôt dans le pré carré de leur spécialité.
ClusterMap after ERMITES12 :
| |
L'exposé portera sur les modèles convolutionels et modèles profonds (DBN), notamment inspirés de structure corticale. Nous montrerons que les modèles à contrainte parcimonieuse permettent d'ouvrir une optimisation de connectiques latérales, et multi-représentation, propices à l'émergence de concepts.
We present the principles of a Bayesian approach of sensory-motor systems [Bessiere08][Colas10]. We illustrate these principles with few examples coming either from life modeling or robotics. We will present, for instance, a model for perception of shape from motion [Colas06, Colas08], a model of perception of ego-movement from visuo-vestibular information [Laurens07], a model of sensori-motor loop involved in handwriting and reading [Gilet10, Gilet11] and, finally, a model called BOF (Bayesian Occupancy Filter) used in the automotive industry for obstacles detection and avoidance [Coué03, Coué06].
Réf: [Bessiere08] Probabilistic Reasoning and Decision Making in Sensory-Motor Systems
[Colas10] Common bayesian models for common cognitive issues Colas F., Diard J., Bessiere P. Acta Biotheoretica
[Colas08] An unified probabilistic model of the perception of three-dimensional structure from optic flow Colas F., Droulez J., Wexler M., Bessière P., Biological Cybernetics
[Colas06] Perception des objets en mouvement Composition bayésienne du flux optique et du mouvement de l'observateur, PhD
[Gilet11] Bayesian Action-Perception Computational Model: Interaction of Production and Recognition of Cursive Letters Gilet E., Diard J., Bessiere P., PLoS ONE
[Coué06] Bayesian Occupancy Filtering for Multitarget Tracking: an Automotive Application Coué C., Pradalier C., Laugier C., Fraichard T., Bessière P., Int. Journal of Robotics Research
Functional MRI has an exquisite spatial resolution which offers a unique window into the brain . Using sophisticated machine learning techniques, researchers have shown that visual percepts can be decoded from fMRI BOLD responses. In this talk I will give an overview of the status of this field. Particularly, I will discuss the decoding problem from a probabilistic point of view and make the distinction between discriminative and generative approaches. Next to the discussion of models used by other researchers, I will present a number of approaches we have been developing within my group. These approaches range from simple Gaussian models to more complex deep architectures.
Réf:Van_Gerven_Neural_decoding.pdf
Les modèles neuro-inspirés peuvent expliquer certaines variables de notre système de perception, notamment nos temps de réaction et ou de décision. Nous montrons certains modèles 'spike' expliquant des temps de perception subliminale.
On sait depuis longtemps que, chez l'humain, la reconnaissance des mots imprimés passe par l'identification des lettres qui les composent (McClelland, 1976), mais il a été établi plus récemment qu'une forme de traitement holistique du mot apporte aussi une contribution significative à la reconnaissance (Lété et Pynte, 2003). Cette contribution holistique pourrait s'avérer encore plus critique pour les mots manuscrits, dans lesquels il n'est pas rare que certaines lettres ne soient tout simplement pas identifiables individuellement. La question se pose alors de savoir quelle forme pourraient prendre les représentations holistiques utilisées par la perception visuelle. De nombreuses possibilités sont envisagées dans la littérature, et je me suis pour ma part concentré sur l'exploration d'une hypothèse de représentation globale des formes par des "codes de densité" (Courrieu, 2006, 2007). Un code de densité est une séquence de points dont la distribution spatiale a une densité proportionnelle à la fonction image qu'elle encode. Par construction, la séquence de points permet la comparaison de formes dans des espaces de formes admettant certains invariants non nécessairement affines. D'assez bons résultats sont obtenus dans des espaces de formes "naturelles" (formes végétales, fractales...), mais les méthodes de comparaison développées à ce jour sont encore insuffisantes pour l'écriture manuscrite, particulièrement si on envisage de les appliquer à un vocabulaire de grande taille comme celui des langues naturelles. Je présenterai mes dernières investigations en la matière, dans le cadre d'un projet visant à l'approximation d'une fonction d'un espace de formes manuscrites vers un espace de codes orthographiques.
Réf:Courrieu07.pdf
Je présenterai de nouveaux modèles probabilistes à variable latente pour la représentation, la discrimination, le clustering et le suivi temporel de données fonctionnelles (courbes temporelles). La première partie de la présentation concernera la modélisation et la segmentation, aussi bien d'une courbe que d'un ensemble de courbes, par un modèle génératif de régression dynamique incorporant un processus latent. Ce modèle est à formulation dynamique de mélange de densités particulièrement adapté aux données temporelles hétérogènes à changement de régimes. La seconde partie traitera de la classification supervisée et du clustering de telles données. Le cas de classification supervisée (discrimination) est traité via une analyse discriminante effectuée directement dans l'espace des courbes et qui se situe dans le cadre de l'analyse de données fonctionnelles. Le cas non supervisé s'appuie sur une formulation spécifique de mélange de densités où chaque composante du mélange est un modèle génératif de régression par morceaux à processus latent. La troisième partie de la présentation concernera le suivi de séquence de données par un modèle autorégressif dynamique régit par un processus latent (logistique ou markovien non-homogène) et dont l'apprentissage s'effectue hors-ligne et en-ligne via l'algorithme EM. Je terminerai par une formulation bayésienne du modèle présenté avec des extensions notamment parcimonieuses. Les approches développées seront illustrées principalement sur des problématiques de diagnostic et de télésurveillance de système complexe et de robotique assistive par la modélisation de données de mouvements humains (comme l'écriture par exemple).
Ref: PhD, Chamroukhi ADAC 2011, Chamroukhi Neurocomp 2010.
Dans un premier temps, nous introduirons ce qu'est la modélisation de l'attention visuelle ainsi que ses différents domaines d'application (publicité, ergonomie, vision par ordinateur, traitement d'images et de vidéo, multimédia, etc.). Puis, nous présenterons une approche originale de la modélisation computationnelle de l'attention. Le modèle présenté, temps réel et orienté vision par ordinateur, utilise les propriétés des phénomènes de diffusion et modèles auto-organisés proies-prédateurs afin de simuler efficacement les aspect dynamiques de l'attention visuelle. Les différentes propriétés du modèle seront abordées, ainsi que différentes démonstrations d'application possibles (segmentation d'images et vidéos, recadrage dynamique, estimation de la complexité des images, etc.). Enfin, nous aborderons le problème de la modélisation de l'attention visuelle d'un point de vue plus expérimental. En particulier nous nous arrêterons sur l'étude des biais de centre et de profondeur dans le cas de la vision stéréoscopique et verrons quelles améliorations peuvent être apportées aux modèles existant si l'on tient compte de ces deux facteurs.
Réf:Thèse
Symmetry networks [1] are feedforward networks whose outputs are invariant under some transformation of the inputs. I will describe three different encounters with symmetry networks in visual word recognition [2], spoken word recognition, and generic vision. Along the way, I will show in particular how these networks can emerge from supervised or unsupervised learning algorithms, what their relationship to the notion of serial order is, and how they can save computational resources. I will also show how symmetry networks can help us understand some very recent and unsettling fmri results [3]."
Ref:
[1] Shawe-Taylor, J. (1989) Building Symmetries into Feedforward Networks. In: Proceedings of First IEE Conference on Artificial Neural Networks, London.
[2] Hannagan T, Dandurand F, Grainger J (2011) Broken Symmetries in a Location-Invariant Word Recognition Network. Neural Computation 23(1):251-283.
[3] Rauschecker AM, Bowen RF, Parvizi J, Wandell BA (2012) Position sensitivity in the visual word form area. Proc Natl Acad Sci USA 10.1073/pnas.1121304109.
The goal of the talk is to explore the efficacy of DBNs. Deep Belief Networks (DBN) have been successfully applied on popular machine learning tasks. Specifically, when applied on hand-written digit recognition, DBNs have achieved approximate accuracy rates of 98.8%. In an effort to optimize the data representation achieved by the DBN and maximize their descriptive power, recent advances have focused on inducing sparse constraints at each layer of the DBN. This talk will present a generalized theoretical approach for sparse constraints in the DBN using the sparse mixed norm. We explore how these constraints affect the classification accuracy for digit recognition in three different datasets and provide initial estimations for domain adaptation applications through cross-training and testing of the networks. The goal of the talk is to explore the efficacy of DBNs under a domain adaptation framework applied in both images and audio. We will explore different architectures based on general sparse constraints and attempt to introduce a structured sparsity that will be based on the joint modeling of the different data sets.
Réf:Cognilego bib.
nom, prénom
université / laboratoire / entreprise
adresse
téléphone
courriel
formule retenue (voir tarifs ci-dessous)
mode de paiement : Chèque à l'ordre du "trésorier de l'AFCP" ou Bon de Commande pour l'AFCP (laisser la mention utile).
université / laboratoire / entreprise
adresse
téléphone
courriel
formule retenue (voir tarifs ci-dessous)
mode de paiement : Chèque à l'ordre du "trésorier de l'AFCP" ou Bon de Commande pour l'AFCP (laisser la mention utile).
Envoyer ce bon ou ce chèque (scan) par Email à ermites@univ-tln.fr (sujet "paiement 2012"), et aussi impérativement par courrier papier à cette adresse :
M. J. Razik, LSIS Univ. Sud-Toulon Var, Bat R, Av. de l'Université, BP 20132, 83957 La Garde Cedex France.
Pour information les références de l' AFCP sont:
Association Francophone de la Communication Parlée
Etablissement : 30003 Guichet : 00990 N° de compte : 00037268733 Clé RIB 15
IBAN : FR 76 30003 00990 00037268733 15 BIC : SOGEFRPP
Domiciliation : Société Générale - Grenoble
N° SIRET : 440 910 354 00016 - code APE : 913E
Siège social : AFCP, Université d'Avignon - 339, Ch. des Meinajaries 84000 Avignon
Etablissement : 30003 Guichet : 00990 N° de compte : 00037268733 Clé RIB 15
IBAN : FR 76 30003 00990 00037268733 15 BIC : SOGEFRPP
Domiciliation : Société Générale - Grenoble
N° SIRET : 440 910 354 00016 - code APE : 913E
Siège social : AFCP, Université d'Avignon - 339, Ch. des Meinajaries 84000 Avignon
Tarifs
Formule pension complète
(incluant 2 nuitées, 5 repas, 2 pts déj, 6 pauses café / boisson,
actes papier, en chambre studio 2 lits / salle de bain):
D1/ Doctorant, Postdoc, Master = 290 euros
D2/ Autres (titulaire, membre entreprise,...) = 420 euros
S1/ idem D1, mais en chambre simple = 370 euros
S2/ idem D2, mais en chambre simple = 500 euros
Formule demi-pension, 5 repas, 6 pauses cafe / boissons et actes papier :
J1/ Doctorant, Postdoc, Master = 178 euros
J2/ Titulaire, membre entreprise,... = 308 euros
D1/ Doctorant, Postdoc, Master = 290 euros
D2/ Autres (titulaire, membre entreprise,...) = 420 euros
S1/ idem D1, mais en chambre simple = 370 euros
S2/ idem D2, mais en chambre simple = 500 euros
Formule demi-pension, 5 repas, 6 pauses cafe / boissons et actes papier :
J1/ Doctorant, Postdoc, Master = 178 euros
J2/ Titulaire, membre entreprise,... = 308 euros
Comité de Programme
H. Glotin (prés.), Pr univ. Sud-Toulon Var & IUF, LSIS
Y. LeCun, Pr univ. New York
P. Bessière, DR Collège de France
S. Thorpe, DR CERCO
F. Chamroukhi, MC USTV, LSIS
S. Paris, MC Aix-Marseille Univ (AMU), LSIS
J. Razik, MC univ. Sud-Toulon Var, LSIS
Y. LeCun, Pr univ. New York
P. Bessière, DR Collège de France
S. Thorpe, DR CERCO
F. Chamroukhi, MC USTV, LSIS
S. Paris, MC Aix-Marseille Univ (AMU), LSIS
J. Razik, MC univ. Sud-Toulon Var, LSIS
Comité d'Organisation
F. Chamroukhi (prés.)
H. Glotin
J. Razik
S. Paris
R. Abeille, doctorant DynI
T. Maillot, doctorant LSIS
Y. Doh, doctorant DynI
X. Halkhias, Post-doc DynI
P. Machart, doctorant DynI, LSIS et LIF
J.-M. Prévot, Ing. USTV
H. Glotin
J. Razik
S. Paris
R. Abeille, doctorant DynI
T. Maillot, doctorant LSIS
Y. Doh, doctorant DynI
X. Halkhias, Post-doc DynI
P. Machart, doctorant DynI, LSIS et LIF
J.-M. Prévot, Ing. USTV
Lieu
L'hôtel Kyriad prestige de La Seyne sur Mer
est desservi par des navettes régulières au départ du centre Toulon
(TGV Paris 3h50, Aeroport TOULON-Hyeres), notamment par bateau bus en 15
minutes (2 euros), ou bus, depuis Toulon centre (horaires sur site du réseau Mistral).
Principales lignes pour venir de la gare de Toulon :
- Ligne de Bus 18 : de l'arrêt "Liberté" (centre de Toulon) à l'arrêt "Port (La Seyne)". Un bus toutes les 15 minutes environ. Durée du trajet : 20 minutes environ. Lien : horaire Bus 18.
- Ligne de Bateau M8 : de la gare maritime de Toulon (face à la mairie, 15 minutes de la gare TGV à pieds), jusqu'au port de La Seyne-sur-Mer. Un bateau toutes les 30 minutes environ. Durée du trajet : 15 minutes environ. Lien : horaire Bateau 8M.
- Ligne de Bus 82 : de l'arrêt "Gare (Seyne)" à l'arrêt "Seyne Centre". Un bus toutes les 30 minutes environ. Durée du trajet : 10 minutes environ. Lien : horaire Bus 82.
===== Contexte =====
Site web de l'édition 2011 avec actes audiovisuels : http://glotin.univ-tln.fr/ERMITES11
Site web de l'édition 2010 avec actes audiovisuels : http://glotin.univ-tln.fr/ERMITES10
Rappel des programmes des journées ERMITES 2010
Jeanny HERAULT (GIPSA/UJF) «
Perception Visuelle, faits et modèles »
Jean PETITOT (EHESS/X) « Modèles neurogéométriques de Vision »
Ugo BOSCAIN (CMAP/X) « Anthropomorphic image reconstruction via hypoelliptic diffusion »
Claude TOUZET (LNIA/UNIV. MED) « Modèles cognitifs de l'attention visuelle »
Jean-Paul GAUTHIER (LSIS/USTV) « Sur les mécanismes mis en oeuvre par le système nerveux central »
Hervé LE BORGNE (CEA-LIST) « Analyse en composantes indépendantes visuelles »
Julien MAIRAL (ENS/INRIA WILOW) « Sparse Coding and Dictionary Learning »
Hervé JEGOU (INRIA/IRISA) « Recherche d'image à grande échelle: procédés d'aggrégation & d'indexation »
Sébastien PARIS (LSIS/UNIV. MED) « Dynamique de la vision & auto-localisation Robotique »
Jean PETITOT (EHESS/X) « Modèles neurogéométriques de Vision »
Ugo BOSCAIN (CMAP/X) « Anthropomorphic image reconstruction via hypoelliptic diffusion »
Claude TOUZET (LNIA/UNIV. MED) « Modèles cognitifs de l'attention visuelle »
Jean-Paul GAUTHIER (LSIS/USTV) « Sur les mécanismes mis en oeuvre par le système nerveux central »
Hervé LE BORGNE (CEA-LIST) « Analyse en composantes indépendantes visuelles »
Julien MAIRAL (ENS/INRIA WILOW) « Sparse Coding and Dictionary Learning »
Hervé JEGOU (INRIA/IRISA) « Recherche d'image à grande échelle: procédés d'aggrégation & d'indexation »
Sébastien PARIS (LSIS/UNIV. MED) « Dynamique de la vision & auto-localisation Robotique »
Philosophie d'ERMITES
L'Ecole Recherche Multimodale
d'Information : Technologies et Sciences fait intervenir, sur 3
jours, devant des chercheurs et ingénieurs en devenir, une dizaine
de spécialistes des analyses conjointes de textes, images, sons et vidéos.
La recherche d'information est de plus en plus complexe et hasardeuse compte tenu du volume sans cesse croissant des masses disponibles et de leur nature multimodale (images,
sons, musique, parole, bio-acoustique, vidéos). Les buts d'ERMITES sont :
- d'analyser les dernières avancées théoriques, et pratiques, des systèmes robustes de recherche d'information multimodale de grande dimension et sur des masses de données,
- de montrer que ces nouveaux concepts forment une base pour un domaine plus vaste que celui d'origine pour lequel ils ont été développés,
- de sensibiliser les jeunes scientifiques au vaste champ scientifique mis en jeu par ces nouvelles avancées aux problèmes de fiabilité, robustesse, apprentissage, sous contrainte du passage à l'échelle.
L'esprit d'ERMITES est de mettre l'accent sur les analyses jointes (transversales sur diverses modalités), peu prises en compte par la majorité des équipes qui restent plutôt dans le pré carré de leur spécialité.
- d'analyser les dernières avancées théoriques, et pratiques, des systèmes robustes de recherche d'information multimodale de grande dimension et sur des masses de données,
- de montrer que ces nouveaux concepts forment une base pour un domaine plus vaste que celui d'origine pour lequel ils ont été développés,
- de sensibiliser les jeunes scientifiques au vaste champ scientifique mis en jeu par ces nouvelles avancées aux problèmes de fiabilité, robustesse, apprentissage, sous contrainte du passage à l'échelle.
L'esprit d'ERMITES est de mettre l'accent sur les analyses jointes (transversales sur diverses modalités), peu prises en compte par la majorité des équipes qui restent plutôt dans le pré carré de leur spécialité.
ClusterMap after ERMITES12 :