BEGIN:VCALENDAR VERSION:2.0 PRODID:-//wp-events-plugin.com//6.4.7.2//EN TZID:Europe/Paris X-WR-TIMEZONE:Europe/Paris BEGIN:VEVENT UID:1-427@lptms.universite-paris-saclay.fr DTSTART:20160927T110000Z DTEND:20160927T120000Z DTSTAMP:20160922T072452Z URL:http://www.lptms.universite-paris-saclay.fr/seminars/seminaire-du-lptm s-isabelle-guyon/ SUMMARY:Séminaire du LPTMS: Isabelle Guyon - LPTMS\, salle 201\, 2ème ét age\, Bât 100\, Campus d'Orsay - 27 Sep 16 11:00 DESCRIPTION:Network Reconstruction: the Contribution of Challenges in Machi ne Learning\nIsabelle Guyon (Laboratoire de Recherche en Informatique\, Un iversité Paris-Sud)\nNetworks of influence are found at all levels of phy sical\, biological\, and societal systems: climate networks\, gene network s\, neural networks\, and social networks are a few examples. These networ ks are not just descriptive of the “State of Nature”\, they allow us t o make predictions such as forecasting disruptive weather patterns\, evalu ating the possible effect of a drug\, locating the focus of a neural seizu re\, and predicting the propagation of epidemics. This\, in turns\, allows us to device adequate interventions or change in policies to obtain desir ed outcomes: evacuate people before a region is hit by a hurricane\, admin ister treatment\, vaccinate\, etc. But knowing the network structure is a prerequisite\, and this structure may be very hard and costly to obtain wi th traditional means. For example\, the medical community relies on clinic al trials\, which cost millions of dollars\; the neuroscience community en gages in connection tracing with election microscopy\, which take years be fore establishing the connectivity of 100 neurons (the brain contains bill ions).\n\nThis presentation will review recent progresses that have been m ade in network reconstruction methods based solely on observational data. Great advances have been recently made using machine learning. We will ana lyze the results of several challenges we organized\, which point us to ne w simple and practical methodologies.\n\n \;\n\nLa reconstruction du r éseau: la contribution des défis en Machine Learning : Les réseaux d'i nfluence se retrouvent à tous les niveaux des systèmes physiques\, biolo giques et sociaux: réseaux climatiques\, réseaux de gènes\, réseaux de neurones\, et réseaux sociaux en sont quelques exemples. Ces réseaux ne sont pas seulement descriptif d’un «état de la nature»\, ils nous pe rmettent de faire des prédictions telles que la prévision des conditions météorologiques\, l'évaluation de l'effet possible d'un médicament\, la localisation d’un foyer épileptique\, et la prévision de la propaga tion des épidémies. Ceci nous permet alors d'intervenir pour obtenir les résultats souhaités: évacuer les populations d'une région avant qu’ elle soit frappée par un ouragan\, administrer un traitement\, vacciner\, etc. Mais la connaissance de la structure du réseau est une condition pr éalable à l’application de ces méthodes\, et cette structure peut êt re très difficile et coûteuse à obtenir avec des moyens traditionnels. Par exemple\, la communauté médicale s’appuie sur les essais cliniques \, qui coûtent des millions de dollars\; la communauté des neurosciences analyse des images de microscopie électorale\, ce qui prendra des année s avant d'établir la connectivité de 100 neurones (alors que le cerveau en contient des milliards).\n\nCette présentation examinera les récents progrès qui ont été faits dans les méthodes de reconstruction de rése aux fondées uniquement sur des données d'observation. De grands progrès ont été récemment réalisés grâce à l'apprentissage des machines (m achine learning). Nous allons analyser les résultats de plusieurs défis que nous avons organisées\, qui nous pointent vers de nouvelles méthodes simples et pratiques. CATEGORIES:seminars LOCATION:LPTMS\, salle 201\, 2ème étage\, Bât 100\, Campus d'Orsay\, 15 Rue Georges Clemenceau\, Orsay\, 91405\, France GEO:48.698185;2.181768 X-APPLE-STRUCTURED-LOCATION;VALUE=URI;X-ADDRESS=15 Rue Georges Clemenceau\, Orsay\, 91405\, France;X-APPLE-RADIUS=100;X-TITLE=LPTMS\, salle 201\, 2è me étage\, Bât 100\, Campus d'Orsay:geo:48.698185,2.181768 END:VEVENT END:VCALENDAR