Le transport optimal computationnel
Le transport optimal (OT) est une théorie mathématique à l’interface entre l’optimisation, les équations aux dérivées partielles et les probabilités. Il est récemment apparu comme un outil important pour traiter une gamme étonnamment large de problèmes applicatifs, tels que la mise en correspondance de formes en imagerie médicale, les problèmes de prédiction structurée en apprentissage supervisé et l’entrainement de réseaux génératifs profonds. Dans cet exposé, je ferai un tour d’horizon depuis la description de la théorie mathématique jusqu’aux développements récents des solveurs numériques qui permettent de passer à l’échelle. J’insisterai en particulier sur l’importance des récents progrès obtenus par des approches par régularisation entropique, qui permettent de s’attaquer aux problèmes d’apprentissage en grande dimension. Un livre ainsi que des ressources numériques sont disponibles sur https://optimaltransport.github.io/
-
Téléchargements
-