Sites Inria

Séminaire In'Tech

Programme 24 Juin

Visualisation de fibres cérébrales Visualisation de fibres cérébrales - © Inria / Photo Kaksonen

Inria Grenoble - Rhône-Alpes s’associe aux Journées NeuroSTIC et organise une rencontre entre scientifiques et industriels sur le thème « Les Réseaux de neurones artificiels : explosion des performances et des applications industrielles ».De nombreuses applications industrielles seront présentées par des entreprises d’envergure internationale, des start-ups et des PME le jeudi 23 juin à partir de 11h ; sessions plénières et stands de technologies.

Pré-programme de la journée du 24 Juin 2016

09h30 - 09h40

Introduction

 

Conférences scientifiques - Session interdisciplinaire

09h40 - 10h20  

  • L'électronique organique : un outil pour interfacer le cerveau ?

Georges Malliaras, Mines St-Étienne 

De nos jours, un des principaux verrous technologiques et scientifiques réside dans la complexité d’interfacer le cerveau humain avec l’électronique existante. Interfacer l’outil d’ingénierie humain le plus avancé avec la création de la nature la plus élaborée permettrait une meilleure compréhension des mécanismes de fonctionnement du cerveau humain et de produire de nouveaux outils pour le diagnostic et le traitement de nombreuses pathologies telles que l’épilepsie ou la maladie de Parkinson. Cependant, les solutions actuelles sont limitées par les propriétés des matériaux en contact avec le tissu humain qui permettent la traduction des signaux entre les interfaces biotique/abiotique. L’émergence de l’électronique organique a mis en évidence la disponibilité de nouveaux matériaux présentant simultanément des propriétés uniques telles que flexibilité, conduction ionique et électronique, biocompatibilité, ou la possibilité d’administrer des traitements médicaux. Je présenterai des exemples de dispositifs organiques permettant l’enregistrement et la stimulation de l’activité neuronale, en mettant en évidence le lien entre les propriétés des matériaux et les performances des dispositifs. Je montrerai que les matériaux organiques électroniques sont les parfaits candidats pour la conception de dispositifs biomédicaux permettant l’étude et une meilleure compréhension et de la physiologie et pathologie cérébrale, et qu’ils peuvent être utilisés pour développer de nouvelles thérapies.

10h20 - 11h00

  • Consolidation mnésique par attracteurs auto-générés

Stéphane Rousset, LPNC

Les réseaux de neurones artificiels à mémorisation parallèle et distribuée présentent un oubli catastrophique des anciennes informations lorsque de nouvelles informations sont apprises. La solution généralement adoptée est de continuer à faire apprendre les anciens exemples lors de nouveaux apprentissages, ceci afin qu’ils continuent à contraindre les poids de connexions. Une solution peut cependant être apportée en utilisant des pseudo-exemples issus de valeurs aléatoires présentées en entrée du réseau et traitées de manière récursive par ses parties auto-associatives. Les attracteurs ainsi obtenus constituent des pseudo-exemples qui représentent les connaissances du réseau et permettent ainsi de se passer des anciens exemples pour éviter l’oubli. Nous étudierons comment cette solution : a) permet de réduire réellement l’oubli catastrophique b) permet d’optimiser le transfert de connaissances entre problèmes appris par un réseau artificiel c) permet de mettre à jours un type d’information qui d’une part est captée par l’être humain et d’autre part, pour les systèmes artificiels, est de fait spécifiquement captée par les réseaux de neurones.   

11h00 - 11h20

Pause

11h20 - 12h00

  • Vers des réseaux de convolution moins supervisés

Camille Couprie, Facebook

Les réseaux de neurones convolutifs connaissent depuis quelques années un franc succès dans de nombreuses applications de reconnaissance visuelle.

A travers deux exemples applicatifs, l'un pour la segmentation sémantique (étiquetage de chaque pixel des images par une catégorie sémantique), le second pour la prédiction d'images suivantes dans les vidéos, nous reviendrons sur un succès de l'apprentissage supervisé (challenge Coco) et nous présenterons une voie possible de recherche à poursuivre vers l'apprentissage non supervisé, utilisant notamment des réseaux adversaires.

12h00 - 14h00

Buffet et Espace stands

 

Conférences scientifiques - Session Traitement du signal

14h00 - 14h40

  • Apprentissage en Grande Dimension et Réseaux de Neurones Profonds

Stéphane Mallat, ENS

Les problèmes de classification et de régression nécessitent d'approximer des fonctions dans des espaces de très grande dimension. Éviter la malédiction de la dimensionnalité ouvre de nombreuses questions en statistiques, probabilités, analyse harmonique et géométrie. Récemment, les réseaux de neurones convolutionels ont obtenus des résultats spectaculaires pour l'analyse d'images, la compréhension de la parole, l'analyse de langage et naturels et de nombreux autres problèmes. Nous décrirons leur architecture pour analyser leurs propriétés mathématiques, avec de nombreuses questions ouvertes. Ces architectures implémentent des contractions multi échelles où les ondelettes jouent un rôle important. Des applications seront montrées pour la classification d'images et de sons, ainsi que pour la régression d'énergies en chimie quantique.

14h40 - 15h20

  • Learning representations from functional brain images

Bertrand Thirion, Inria - NeuroSpin

Functional neuroimaging offers a unique view on brain functional organization, which is broadly characterized by two features: the segregation of brain territories into functionally specialized regions, and the integration of these regions into networks of coherent activity.  Functional imaging yields a spatially resolved, yet noisy view of this organization. To extract information from these data, a first strategy is to rely on supervised classification settings, where signal patterns are used to predict the experimental task performed by the subject during a given experiment, which is a proxy for the cognitive or mental state of this subject. We show how to generalize this setting to a large set of experimental conditions, which allows a shift from low-dimensional output classification settings, that probe few cognitive dimensions, to much higher dimensional settings, up to the extent of 'zero-shot learning', where some aspects of an unseen experimental condition can be predicted from a reference database. We will discuss the challenges posed by these analytic approaches, with an emphasis on computational aspects, and how the use of non-labelled data can be further used to improve the model learned from brain activity data.

15h20 - 15h40

Pause

15h40 - 16h20  

  • Décomposition des dynamiques spatio-temporelles de la connectivité cérébrale fonctionnelle

Nicolas Farrugia, Lab-STICC Telecom Bretagne

Le cerveau ne se repose jamais. Même lorsque nous ne prenons part à aucune activité particulière, on observe une remarquable co-activation des zones du cerveau pourtant spatialement éloignées, formant ce que l'on appelle des réseaux de connectivité fonctionnelle. Ces réseaux sont largement étudiés car si leur structure et activation reflètent certaines fonctions cognitives telles que l'attention à un stimulus externe ou la réflexion sur soi, l'intégrité de ces réseaux semble liée à certaines pathologies du cerveau. De nombreuses approches ont permis de caractériser les états stables de ces réseaux de connectivité sur des périodes temporelles de plusieurs minutes grâce à l'IRM fonctionnelle. Plus récemment, de nouvelles méthodes sont apparues afin de comprendre l'évolution temporelle de ces réseaux de connectivité, notamment par l'utilisation de fenêtres glissantes afin d'obtenir la connectivité à des instants successifs, suivi d'un partitionnement en K-moyennes, permettant d'identifier des états de connectivités. Nous proposons d'étendre cette approche en utilisant l'apprentissage de dictionnaire avec contrainte de sparsité sur des séquences temporelles de connectivité. La technique proposée effectue une décomposition en composantes spatio-temporelles de connectivité. Nous montrerons l'avantage de notre technique par rapport aux approches classiques afin d'identifier les dynamiques spatio-temporelles de la connectivité cérébrale fonctionnelle.

Mots-clés : NeuroSTIC INRIA Grenoble - Rhône-Alpes Inventer Nouveaux produits Services

Haut de page

Suivez Inria