Modèls génératifs pour la génération controllée de données.

Generative Models for Controlled Data Generation.

• Auteur / Autrice : Ilana Sebag
• Direction : Alexandre Allauzen, Jamal Atif
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 01/12/2022
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : SDOSE Sciences de la Décision, des Organisations, de la Société et de l'Echange
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (Paris)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris Dauphine-PSL (1968-....)

Mots clés

Mots clés libres

Confidentialité Différentielle

Transport Optimal

Modèls Génératifs

Differential privacy

Optimal Transport

Generative Modelling

Résumé

Etude des modèls génératifs pour la génération controllée de données structurées. Analyse de la réduction de la complexité de calcul des approches état-de-l'art de modélisation générative profonde. Etude faite d'un point de vue théorique et expérimental.

Broad study of controlled generation of structured data with deep generative models. Analysis of reduction of computational complexity of state-of-the-art deep generative modeling approaches. The study is made under a theoretical and an experimental point of view.