Images : Alexandre Mellier 2008 + Borgy photographie

Programme

Semaine Lun. 14 Mar. 15 Mer. 16 Liste

	Lun. 14	Mar. 15	Mer. 16
08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00	Introduction 8:40 - 9:00 (20min) Introduction Introduction Apprentissage de représentation 1 Chair : Rémi Emonet [19] Robust Domain Adaptation: Representations, Weights and Inductive Bias [20] Vers une meilleure compréhension des méthodes de méta-apprentissage à travers la théorie de l'apprentissage de représentations multi-tâches [37] Linear Program Powered Attack 9:00 - 10:30 (1h30) Apprentissage de représentation 1 9:00 - 10:30 (1h30) Chair : Rémi Emonet [19] Robust Domain Adaptation: Representations, Weights and Inductive Bias Victor Bouvier, Philippe Very, Clément Chastagnol, Myriam Tami and Hudelot Céline 9:00 - 10:30 (1h30) [20] Vers une meilleure compréhension des méthodes de méta-apprentissage à travers la théorie de l'apprentissage de représentations multi-tâches Quentin Bouniot, Ievgen Redko, Romaric Audigier and Angélique Loesch 9:00 - 10:30 (1h30) [37] Linear Program Powered Attack Ismaila Seck, Gaelle Loosli and Stephane Canu Conférencier invité : Rémi Gribonval Expressivity, sparsity and identifiability in deep neural networks 10h45-12h00 Chair : Marc Tommasi 10:45 - 12:00 (1h15) Conférencier invité : Rémi Gribonval Expressivity, sparsity and identifiability in deep neural networks 10h45-12h00 Chair : Marc Tommasi Rémi Gribonval Statistical Learning Theory Chair : Aurélien Bellet [15] Apprentissage de Vote de Majorité par Minimisation d'une C-Borne PAC-Bayésienne [16] Dérandomisation des Bornes PAC-Bayésiennes [51] Implicit Regularization via Neural Feature Alignment 13:30 - 15:00 (1h30) Statistical Learning Theory 13:30 - 15:00 (1h30) Chair : Aurélien Bellet [15] Apprentissage de Vote de Majorité par Minimisation d'une C-Borne PAC-Bayésienne Paul Viallard, Pascal Germain and Emilie Morvant 13:30 - 15:00 (1h30) [16] Dérandomisation des Bornes PAC-Bayésiennes Paul Viallard, Pascal Germain and Emilie Morvant 13:30 - 15:00 (1h30) [51] Implicit Regularization via Neural Feature Alignment Aristide Baratin, Thomas George, César Laurent, R Devon Hjelm, Guillaume Lajoie, Pascal Vincent and Simon Lacoste-Julien NLP Chair : Massih Amini [3] Let’s Stop Incorrect Comparisons in End-to-end Relation Extraction ! [11] A Neural Few-Shot Text Classification Reality Check [6] Représentation d'auteurs par des distributions gaussiennes dans un contexte dynamique 15:30 - 17:00 (1h30) NLP 15:30 - 17:00 (1h30) Chair : Massih Amini [3] Let’s Stop Incorrect Comparisons in End-to-end Relation Extraction ! Bruno Taillé, Vincent Guigue, Geoffrey Scoutheeten and Patrick Gallinari 15:30 - 17:00 (1h30) [11] A Neural Few-Shot Text Classification Reality Check Thomas Dopierre, Christophe Gravier and Wilfired Logerais 15:30 - 17:00 (1h30) [6] Représentation d'auteurs par des distributions gaussiennes dans un contexte dynamique Antoine Gourru, Julien Velcin and Julien Jacques Posters [3], [4], [6], [10], [11], [15], [17], [19], [20], [23], [26], [31], [33], [34], [37], [43], [45], [50], [51] 17:00 - 18:30 (1h30) Posters [3], [4], [6], [10], [11], [15], [17], [19], [20], [23], [26], [31], [33], [34], [37], [43], [45], [50], [51] https://cap2021.sciencesconf.org/data/program/posters_1.pdf	Apprentissage de représentation 2 Chair : Thierry Artières [22] Beneficial effect of combined replay for continual learning [35] Adversarial dictionary learning [29] Target Consistency for Domain Adaptation: when Robustness meets Transferability 9:00 - 10:30 (1h30) Apprentissage de représentation 2 9:00 - 10:30 (1h30) Chair : Thierry Artières [22] Beneficial effect of combined replay for continual learning Miguel A. Solinas, Marion Mainsant, Marina Reyboz, Stephane Rousset and Martial Mermillod 9:00 - 10:30 (1h30) [35] Adversarial dictionary learning Jordan Frecon, Lucas Anquetil, Gilles Gasso and Stéphane Canu 9:00 - 10:30 (1h30) [29] Target Consistency for Domain Adaptation: when Robustness meets Transferability Yassine Ouali, Victor Bouvier, Myriam Tami and Hudelot Céline Conférencier invité : Marco Cuturi Differentiating through Optimal Transport 10h45-12h00 Chair : Nicolas Courty 10:45 - 12:00 (1h15) Conférencier invité : Marco Cuturi Differentiating through Optimal Transport 10h45-12h00 Chair : Nicolas Courty Marco Cuturi Optimization Chairs : Stéphane Chrétien et Romuald Elie [41] Anderson acceleration of coordinate descent [47] Primal Coordinate Descent for Differentially Private Empirical Risk Minimization [30] Smooth optimization of orthogonal wavelet basis 13:00 - 14:30 (1h30) Optimization 13:00 - 14:30 (1h30) Chairs : Stéphane Chrétien et Romuald Elie [41] Anderson acceleration of coordinate descent Quentin Bertrand and Mathurin Massias 13:00 - 14:30 (1h30) [47] Primal Coordinate Descent for Differentially Private Empirical Risk Minimization Paul Mangold, Aurélien Bellet, Joseph Salmon and Marc Tommasi 13:00 - 14:30 (1h30) [30] Smooth optimization of orthogonal wavelet basis Jordan Frecon, Riccardo Grazzi, Saverio Salzo and Massimiliano Pontil Session MALIA (SFdS) - stat & optimisation - Franck Iutzeler (LJK): "Harnessing Structure in Regularized Empirical Risk Minimization" - Mardi 15 à 14h30 - Aude Genevay (MIT) : "Stochastic Optimization for Optimal Transport in Machine Learning" - Mardi 15 à 15h00 Chairs : Stéphane Chrétien et Romuald Elie 14:30 - 15:30 (1h) Session MALIA (SFdS) - stat & optimisation - Franck Iutzeler (LJK): "Harnessing Structure in Regularized Empirical Risk Minimization" - Mardi 15 à 14h30 - Aude Genevay (MIT) : "Stochastic Optimization for Optimal Transport in Machine Learning" - Mardi 15 à 15h00 Chairs : Stéphane Chrétien et Romuald Elie Session MALIA (SFdS) - statistique et optimisation Session CRITEO - Privacy and Machine Learning - Sinem Sav (EPFL) : "POSEIDON: Privacy-Preserving Federated Neural Network Learning" - mardi 15 à 15h45 - Restitution du challenge - mardi 15 à 16h45 Chairs : Eustache Diemert, Jérémie Mary, Liva Ralaivola, Ugo Tanielian 15:45 - 17:15 (1h30) Session CRITEO - Privacy and Machine Learning - Sinem Sav (EPFL) : "POSEIDON: Privacy-Preserving Federated Neural Network Learning" - mardi 15 à 15h45 - Restitution du challenge - mardi 15 à 16h45 Chairs : Eustache Diemert, Jérémie Mary, Liva Ralaivola, Ugo Tanielian Session CRITEO - Privacy and Machine Learning Posters [2], [7], [8], [9], [12], [16], [18], [22], [25], [27], [28], [29], [30], [35], [38], [41], [42], [44], [47], [48] 17:15 - 18:45 (1h30) Posters [2], [7], [8], [9], [12], [16], [18], [22], [25], [27], [28], [29], [30], [35], [38], [41], [42], [44], [47], [48] https://cap2021.sciencesconf.org/data/program/posters_2.pdf	Renforcement/Bandits Chair : Ievgen Redko [18] PARENTing via Model-Agnostic Reinforcement Learning to Correct Pathological Behaviors in Data-to-Text Generation [28] Epsilon Best Arm Identification in Spectral Bandits [7] Ordonnancement d'objets par bandits unimodaux sur des graphes paramétriques [25] Echantillonnage adaptatif pour l'identification de la politique optimale dans les PDMs 8:30 - 10:30 (2h) Renforcement/Bandits 8:30 - 10:30 (2h) Chair : Ievgen Redko [18] PARENTing via Model-Agnostic Reinforcement Learning to Correct Pathological Behaviors in Data-to-Text Generation Clément Rebuffel, Laure Soulier, Geoffrey Scoutheteen and Patrick Gallinari 8:30 - 10:30 (2h) [28] Epsilon Best Arm Identification in Spectral Bandits Tomáš Kocák and Aurélien Garivier 8:30 - 10:30 (2h) [7] Ordonnancement d'objets par bandits unimodaux sur des graphes paramétriques Camille-Sovanneary Gauthier, Romaric Gaudel, Elisa Fromont and Aser Boammani Lompo 8:30 - 10:30 (2h) [25] Echantillonnage adaptatif pour l'identification de la politique optimale dans les PDMs Aymen Al Marjani and Alexandre Proutiere Conférencière invitée : Florence d'Alché-Buc Learning to predict complex outputs: a kernel view 10h45-12h00 Chair : Marianne Clausel 10:45 - 12:00 (1h15) Conférencière invitée : Florence d'Alché-Buc Learning to predict complex outputs: a kernel view 10h45-12h00 Chair : Marianne Clausel Florence D'Alché-Buc Interprétabilité Chair : Elisa Fromont [38] Deep GONet: Self-explainable deep neural network based on Gene Ontology for phenotype prediction from gene expression data [12] Scalable and Accurate Subsequence Transform [8] Co-clustering for fair recommendation 13:00 - 14:30 (1h30) Interprétabilité 13:00 - 14:30 (1h30) Chair : Elisa Fromont [38] Deep GONet: Self-explainable deep neural network based on Gene Ontology for phenotype prediction from gene expression data Victoria Bourgeais, Farida Zehraoui, Mohamed Ben Hamdoune and Blaise Hanczar 13:00 - 14:30 (1h30) [12] Scalable and Accurate Subsequence Transform Michael Franklin Mbouopda and Engelbert Mephu Nguifo 13:00 - 14:30 (1h30) [8] Co-clustering for fair recommendation Gabriel Frisch, Yves Grandvalet and Jean-Benoist Leger Table ronde "Machine Learning responsable : que peut-on faire à notre niveau ?" Animateur : Amaury Habrard 14:30 - 15:15 (45min) Table ronde "Machine Learning responsable : que peut-on faire à notre niveau ?" Animateur : Amaury Habrard Table ronde "Machine Learning responsable : que peut-on faire à notre niveau ?" Animateur : Amaury Habrard Session AFIA - méthodes hybrides - Tias Guns (KU Leuven) : "End-to-end decision-focussed learning with predict+optimize" - Mercredi 16 à 15h30 - Moritz Grosse-Wentrup (U. Vienna) : "A Causal Perspective on Interpretable Machine Learning " - Mercredi 16 à 16h30 Chairs : Céline Rouveirol, Elisa Fromont et Philippe Preux 15:30 - 17:30 (2h) Session AFIA - méthodes hybrides - Tias Guns (KU Leuven) : "End-to-end decision-focussed learning with predict+optimize" - Mercredi 16 à 15h30 - Moritz Grosse-Wentrup (U. Vienna) : "A Causal Perspective on Interpretable Machine Learning " - Mercredi 16 à 16h30 Chairs : Céline Rouveirol, Elisa Fromont et Philippe Preux Session AFIA - méthodes hybrides Assemblée générale 17:30 - 18:30 (1h) Assemblée générale Assemblée générale

Personnes connectées : 8

Vie privée

Chargement...