Signal, calcul et statistiques

La complexité des systèmes étudiés – grand corpus d’étude, données multimodales, dépendances inter-échelles, combinaison d’observations qualitatives et quantitatives – requiert le développement d’outils mathématiques et informatiques originaux.

Il faut d’abord assurer un traitement systématique des échantillons pour en obtenir une synthèse cohérente par le développement d’approches originales en signal/image : restauration, débruitage, fusion, régularisation, analyse de texture, segmentation, détection de contours…

Les interactions avec l’axe « Analyses en toute sécurité » permettront de proposer de nouvelles modalités compressed sensing. Celles avec l’axe « Usages, archives et réflexivité » participeront à la levée des verrous en sciences de l’information en matière de création de référentiels descriptifs communs, d’indexation simultanée des métadonnées et des contenus, permettant in fine l’intégration et l’interopérabilité des corpus. Il s’agit aussi d’élaborer de nouvelles méthodologies statistiques s’attachant à l’analyse de données hétérogènes et de grande dimension et/ou de structure topologique non triviale, et permettant leur modélisation à l’aide de processus d’apprentissage et de classification pour conduire à une compréhension à la fois globale et profonde des systèmes (deep learning).

Sur ces trois thématiques, une orientation big data permettra d’optimiser les traitements pour des jeux de donnée massifs et surtout de les croiser, pour découvrir de nouvelles structures sous-jacentes.