University of LiègeULgFaculty of EngineeringFacSALibrary News   
Montefiore News n°43

Visiteurs

Mattia Zorzi (U. Padova, Italy) will visit the Systmod research unit (host : R. Sepulchre) from Sept 12 to Sept 29. He will stay in the visitor’s office, recently moved to the room 2.100.

Merci de communiquer à Sophie la liste des nouveaux chercheurs de l’institut afin que leur arrivée puisse être annoncée dans le Montef News de début octobre. Pour rappel, le vade-mecum du nouveau chercheur est disponible sur l’intranet.

Arrivées

Bienvenue à :

  • Philippe Latour, arrivé début septembre au service de J. Verly,
  • Isabel Molenberg, chercheuse post-doctorante depuis le 1/08/2012 au service de Ch. Geuzaine

Le laboratoire ACE-CEM accueillera ce 17/09/12 un nouveau technicien, Valera Biangani.

Défense de thèse

Monday 24/9/2012 – 14:30 (R3)

PhD defense: François Schnitzler

Resume : A widely used strategy to derive a model of a stochastic system from observational data is the estimation of a multivariate probability density over the variables of the problem. Such a density can then be used to study the underlying stochastic phenomenon.

Probabilistic graphical models reduce the number of parameters necessary to encode a joint probability distribution by exploiting independence relationships between variables. However, using those models is challenging when there are thousands of variables or more. First, both learning these models from a set of observations and exploiting them is computationally problematic. Second, the number of recorded occurrences of the problem may be quite low with respect to the number of variables. The model constructed may therefore be influenced by the particular sampling of the realizations of the problem, and generalize badly on new, unseen realizations. This source of error is called the variance of the learning algorithm.

Within this context, the problem considered in this thesis is to study and improve the scaling of probabilistic graphical models in terms of the number of variables. The approach selected is to use mixtures of Markov trees.

Markov trees are a class of probabilistic graphical models limited in the probability distributions they can model. However, both learning and answering queries with such a model is considered to be computationally tractable. A mixture or an ensemble model is a weighted average of models. Such a mixture can be constructed to reduce the variance of a learning algorithm. In particular, the present thesis explores the possibility to build mixtures of Markov trees by using the perturb and combine framework. This approach consists in randomizing a learning algorithm and combining the outputs resulting from a repeated application of the randomized algorithm on a given learning set.

This thesis presents several new algorithms for learning such mixtures of Markov trees. These algorithms are studied empirically on synthetic and more realistic problems from the literature.

Séminaires

Monday 24/9/2012 – 11AM

Yves Grandvalet, Directeur de recherches au CNRS, Université de Technologie de Compiègne

Title : Sparsity in Learning

Abstract : Machine learning aims at discovering regularities from examples. In this process, sparsity can be introduced from different perspectives. For a given task, it can target (1) computational efficiency, by avoiding to process insignificant pieces of information; (2) interpretability, by putting forward the salient pieces of information; (3) prediction accuracy, by introducing an induction bias preventing overfitting to the training examples. I will use geometry to introduce some properties of sparsity inducing penalties: how is sparsity encouraged and how to interpret it in a robust optimization framework.

Publications

61 nouvelles publications déposées sur ORBI depuis le 15 juin 2012, ce qui porte à 2334 le nombre de publications du département sur ORBI, dont 1739 sont peer-reviewed.

Si vous souhaitez qu’une publication déposée sur ORBI apparaisse dans le Montef-News, il suffit de faire suivre le mail de notification d’ORBI à Sophie Cimino.

Pour rappel, il est très important que chaque chercheur encode régulièrement ses publications sur ORBI. Cette base de données devient petit à petit la source centrale de l’institution pour toute une série d’évaluations et rapports. La politique du département est d’y déposer toute publication qui doit figurer dans de tels rapports, en particulier les publications dans les revues internationales, les chapitres de livres publiés avec comité de sélection, les articles de proceedings de conférences internationales, et les thèses de doctorat.

Important ! Upgrade du système SAP 28/09

Madame, Monsieur,
Depuis plusieurs années, nous n’avons plus fait une mise à jour complète de notre système SAP. Il était donc grand temps… Compte tenu du délai nécessaire pour ce faire, nous la réaliserons du mercredi 26 septembre à partir de 18h jusque et y compris le lundi 1 er octobre à 7h. Le système SAP sera donc totalement indisponible pendant cette période, et notamment le vendredi 28 septembre, qui est un jour ouvrable. Je vous remercie de prendre vos dispositions pour en tenir compte.
Le système BI sera par contre tout à fait opérationnel, si ce n’est que les données seront celles du 25/9.
Bien à vous,
Anne GIRIN
Directeur ARF