Recherche

DANG Hong-Phuong

Enseignant-chercheur en machine learning DOMAINES DE RECHERCHE
  • Apprentissage automatique (supervisé et non supervisé)
  • Apprentissage statistique
  • Apprentissage de dictionnaire, Représentation parcimonieuse
  • Statistique Bayésienne, Bayésien non paramétrique
  • Traitement du signal et de l'image
Bureau 266 Téléphone +33 (0)2 99 05 32 59 Email hong-phuong.dang@ensai.fr

Je travaille sur les modèles bayésiens et en particulier les modèles non-paramétriques. Ces modèles s’appuient sur les processus stochastiques tels que le processus de Dirichet, le processus du restaurant chinois ou encore le processus du buffet indien. L’intérêt de ces modèles est de ne pas fixer à l’avance le nombre de degré de liberté du modèle. Il en résulte des modèles qui s’enrichissent lorsque le nombre d’observations augmente. J’utilise ces modèles par exemple pour les problèmes de factorisation de matrice, en particulier l’apprentissage de dictionnaire pour la représentation parcimonieuse qui est bien connu dans le cadre de la résolution de problèmes inverses. Cela permet de ne pas fixer à l’avance la taille du dictionnaire. En terme d’applications, je m’intéresse au traitement d’images (débruitage, déconvolution, inpainting ou segmentation d'image) et à l’acquisition compressée.

Actuellement, j’étudie les interactions entre les méthodes bayésiennes et d’optimisation afin d’améliorer la complexité numérique des algorithmes en proposant des méthodes d’approximation de la loi a posteriori via les approches variationnelles et small variance asymptotic.

Mots-clés:
apprentissage automatique, apprentissage de dictionnaire, factorisation de matrice, classification, bayésien non paramétrique, processus stochastique, Monte-Carlo par chaînes de Markov, représentations parcimonieuses, problèmes inverses, interaction entre les méthodes bayésiennes et d’optimisation.

 

Mon site :
http://www.hongphuong-dang.com/index.html