Français Anglais
Accueil Annuaire Plan du site
Accueil > News du laboratoire > Séminaire Digiteo, 16 janvier 2014, 14:30, Supélec, F.3.05
Séminaire Digiteo, 16 janvier 2014, 14:30, Supélec, F.3.05
Séminaire Digiteo, 16 janvier 2014, 14:30, Supélec, F.3.05 Séminaire Digiteo, 16 janvier 2014, 14:30, Supélec, F.3.05
17 décembre 2013

Machine Learning for Interpretable Probabilistic Structure of Brain Function.
Speaker : Dimitris Samaras, Stony Brook University, Digiteo Chair SuBSAmPLE
Abstract :
Multivariate analysis of functional Magnetic Resonance Imaging (fMRI) data is being widely used to acquire insights to brain function and dysfunction. In this talk I will present classification of brain function as a first step to answer basic questions on mental state and clinical evaluation of the subject. However fMRI data allows us to explore brain function further and discover probabilistic networks that reveal the mechanisms underlying mental states or clinical conditions. Learning such networks would require prohibitive amounts of fMRI data to train general algorithms, hence we need to impose the appropriate prior constraints both on feature detection and on network structure. Apart from accuracy an efficiency to other important constraints pertain to the learning of functional networks : The stability of the learned network across subjects as well as the interpretability of the results. I will present a number of such constraints and discuss their applicability to a number of fMRI datasets and show results for populations of intense interest such as Autism and Drug Addiction


Pour en savoir plus: http://www.digiteo.fr/deux-seminaires-digiteo-a-venir
News
George Manoussakis, lauréat 2018, prix de thèse (accessit) Charles Delorme
18 septembre 2018
George Manoussakis, est lauréat de prix de thèse (accessit) Ch. Delorme 2018. Il a soutenu sa thèse au LRI/Galac en Novembre 2017 sous la direction de J. Cohen et A. Deza. Depuis Septembre 2018 il est MdeC à l'Université de Versailles/Li-PaRAD.

TrackML dans Nature
21 janvier 2018
L'apprentissage automatique peut-il aider la physique des hautes énergies à découvrir et à caractériser de nouvelles particules ? TAO participe à l'organisation du challenge TrackML avec le CERN. La seconde phase de la compétition utilisera Codalab.

Un article de Isabelle Guyon sur la démocratisation de l'IA
19 mars 2018
Lien vers l'article paru dans le journal le monde :
http://www.lemonde.fr/acces-restreint/sciences/article/2018/04/08/a4544bd07cad09fe52980c0f82c08b34_5282548_1650684.html