BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//CERN//INDICO//EN
BEGIN:VEVENT
SUMMARY:Jackpot : variété d'incertitude pour les problèmes inverses
DTSTART:20250909T091500Z
DTEND:20250909T101500Z
DTSTAMP:20261115T065100Z
UID:indico-event-14447@indico.math.cnrs.fr
DESCRIPTION:Speakers: Nathanaël Munier (CBI Toulouse)\n\n\n\n\n\n\n\n\n\n
 \n\n\nÉtant donné un modèle direct $\\Phi : \\mathbb{R}^N \\rightarrow 
 \\mathbb{R}^M$\, la région ${ x \\in \\mathbb{R}^N\, ~ | \\Phi(x) - y| \\
 leq \\varepsilon }$\, où $y \\in \\mathbb{R}^M$ est un vecteur donné et 
 $\\varepsilon \\geq 0$ est une amplitude de perturbation\, représente l'e
 nsemble de toutes les entrées $x$ possibles qui auraient pu produire la m
 esure $y$ avec une marge d'erreur acceptable. Cet ensemble reflète l'ince
 rtitude ou l'indétermination inhérente à la récupération de la vérit
 able entrée $x$ à partir uniquement de l'observation bruitée $y$\, ce q
 ui constitue un défi majeur dans les problèmes inverses. Nous présenton
 s un algorithme numérique appelé Jackpot (Jacobian Kernel Projection Opt
 imization) qui approxime cet ensemble avec une variété adversariale de f
 aible dimension. L'algorithme proposé utilise la différenciation automat
 ique\, ce qui lui permet de traiter des modèles de grande dimension\, tel
 s que ceux que l'on trouve dans les systèmes dynamiques ou les réseaux n
 euronaux. Nous démontrons l'efficacité de notre algorithme sur divers pr
 oblèmes non linéaires à grande échelle\, notamment l'identification de
 s paramètres dans les systèmes dynamiques et la suppression du flou dans
  les images aveugles.\n\n\n\n\n\n\n\n\n\n\n\n\n\n \n \n\n\n\n\n\nhttps:/
 /indico.math.cnrs.fr/event/14447/
LOCATION:Salle K. Johnson (1R3\, 1er étage)
URL:https://indico.math.cnrs.fr/event/14447/
END:VEVENT
END:VCALENDAR
