Thèse en cours

Analyse théorique des problèmes inverses sans grille

FR  |  
EN
Auteur / Autrice : Joseph Gabet
Direction : Charles Soussen
Type : Projet de thèse
Discipline(s) : Sciences du traitement du signal et des images
Date : Inscription en doctorat le 08/01/2024
Etablissement(s) : université Paris-Saclay
Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire des Signaux et Systèmes
Référent : CentraleSupélec (2015-....)

Mots clés

FR  |  
EN

Résumé

FR  |  
EN

Inférer les propriétés statistiques des distributions de probabilité à partir de leurs échantillons empiriques, ou récupérer des signaux hautement structurés à partir de mesures grossières et déformées, sont des tâches omniprésentes mais difficiles en traitement du signal et en apprentissage automatique. Ces problèmes trouvent de nombreuses applications dans le domaine des sciences des données et expérimentales, notamment la classification des données, l'apprentissage des distributions, l'imagerie optique et radar, l'astronomie, les télécommunications et l'identification des enregistrements neuronaux. D'un point de vue mathématique, ces problèmes d'inférence peuvent souvent être traduits de manière polyvalente comme la reconstruction d'une mesure à valeurs continues à partir d'observations de basse dimension. Le domaine de recherche général du projet de doctorat se situe à l'intersection de la science des données, de la théorie de l'information et de l'apprentissage automatique théorique. Il vise à étudier la faisabilité statistique de problèmes inverses spécifiques à valeurs continues et à développer des méthodes numériques pour aborder des problèmes modernes liés à la physique, à l'imagerie et aux modalités de communication et de réseau. Une attention particulière sera accordée à l'évolutivité algorithmique face à de grandes quantités de données et à la robustesse aux entrées de faible qualité. Les domaines applicatifs comprennent, sans s'y limiter : - Apprentissage de mélanges : un problème statistique au cœur de la classification des données. - Sécurité de la couche physique : un cadre récent d'information théorique qui cherche à exploiter les propriétés structurelles des canaux de communication sans fil pour crypter les informations transmises. - Imagerie et radar à super-résolution : un problème de traitement du signal qui vise à récupérer le paramètre d'un signal structuré dans un environnement fortement dégradé avec une précision optimale en exploitant des informations préalables. Pendant le projet de doctorat, le candidat retenu sera vivement encouragé à développer et renforcer ses propres intérêts de recherche et à élaborer son propre plan de recherche personnel dans ce domaine générique.