Algorithme de branch-and-bound pour la résolution efficace de problèmes d’optimisation parcimonieuse
Auteur / Autrice : | Gwenaël Samain |
Direction : | Sébastien Bourguignon, Jordan Ninin |
Type : | Thèse de doctorat |
Discipline(s) : | Signal, Image, Vision |
Date : | Soutenance le 08/02/2024 |
Etablissement(s) : | Ecole centrale de Nantes |
Ecole(s) doctorale(s) : | Sciences de l'ingénierie et des systèmes (Centrale Nantes) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire des Sciences du Numérique de Nantes |
Jury : | Président / Présidente : Xavier Gandibleux |
Examinateurs / Examinatrices : Joseph Salmon, Emmanuel Soubies | |
Rapporteurs / Rapporteuses : Nelly Pustelnik, Charles Soussen |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
De nombreux problèmes inverses en traitement du signal, statistique, imagerie biomédicale, astronomie et apprentissage machinepeuvent se formuler comme la recherche de la meilleure combinaison de motifs expliquant les données, ces motifs étant choisis dans un catalogue connu. L’aspect parcimonieux du problème réside dans le faible nombre de motifs que l’on cherche à sélectionner via l’utilisation d’un terme `0. Plusieurs méthodes standards, telles que des algorithmes gloutons (OMP, OLS) et des reformulations convexes du problème (notamment en norme `1), permettent d’obtenir des solutions approchées de ce problème `0. Plus récemment, des méthodes permettant de résoudre exactement le problème `0 ont été développées, reposant sur des algorithmes de branch-and-bound. L’objectif de cette thèse est double. D’une part, explorer les possibilités d’accélérations des algorithmes branch-and-bound `0. D’autre part, étendre ces méthodes à des cas de parcimonie structurée, où l’on ne cherche plus simplement un faible nombre de motifs, mais un faible nombre de groupes demotifs. Ces contributions font l’objet d’un code open-source proposé au plus grand nombre.