|
Chiffres-clé
Chiffres clefs
189 personnes travaillent au LJLL
86 permanents
80 chercheurs et enseignants-chercheurs permanents
6 ingénieurs, techniciens et personnels administratifs
103 personnels non permanents
74 doctorants
15 post-doc et ATER
14 émérites et collaborateurs bénévoles
Chiffres janvier 2022
A voir
Séminaire du LJLL - 21 06 2019 14h00 : P. Tan
Pauline Tan (Sorbonne Université, Paris)
Descentes proximales par blocs pour l’optimisation non lisse et non convexe
Résumé
Avec l’exploitation toujours plus massive et extensive de données de nature diverse, la résolution de problèmes d’optimisation est devenue un sujet de recherche particulièrement actif ces dernières années, en particulier dans son volet non lisse et non convexe. Cet exposé est consacré à la présentation d’un algorithme récemment développé pour la résolution d’une classe de tels problèmes. Après une présentation du cadre théorique et des problématiques dans lesquels s’inscrit ce sujet de recherche, je présenterai l’algorithme en question ainsi que ses propriétés de convergence et des variantes permettant d’en améliorer les performances numériques. Je conclurai cette présentation avec des exemples d’applications en traitement d’images en grande dimension. Cet exposé est issu de travaux communs avec Mila Nikolova.