Apprentissage statistique profond (deep learning) pour l’analyse de processus multifractales

Stéphane Gaëtan (Physique, ENS-Lyon),
Centre Blaise Pascal : Emmanuel Quémener

Apprentissage statistique profond (deep learning) pour l’analyse de processus multifractales. L’objet de ce travail est d’étudier les techniques de deep learning sur des processus à invariance d’échelle. D’une part, il s’agit d’étudier comment des outils de type Generative Adversarial Network permettent la génération de signaux artificiels qui reproduisent les statistiques clés des processus. D’autre part, on s’intéressera à la classification automatique de textures multifractales par deep learning (réseaux CNN) et on cherchera à étudier les caractéristiques choisies par ces réseaux.

Contribution du CBP

Ce projet demande un usage intensif de mémoire el le CBP avec la diversité de ses ressources informatiques (CPU, GPU) est une composante essentielle à ce projet.

recherche/projets/roux2019.txt · Dernière modification: 2019/06/05 16:52 par equemene