Le Loria accueillera du 28 au 30 juin 2017, une conférence intitulée WSOM +, 12th International Workshop on Self-Organizing Maps and Learning Vector Quantization. Organisée tous les deux ans depuis 20 ans, elle réunit des statisticiens et des spécialistes d’apprentissage statistique, de cartes auto-organisées de Kohonen, de quantification vectorielle, clustering and techniques de visualisation de données de grande dimension.
Les conférences antérieures ont eu lieu en Europe, au Japon, sur le continent américain. Au cours de la dernière conférence qui s’est tenue à Houston (USA), le steering committee a souhaité que la prochaine édition ait lieu en France, et nous avons accepté de le faire, en collaboration avec le laboratoire SAMM de l’Université Paris 1 Panthéon-Sorbonne.
L’objectif de cette conférence est de permettre à la communauté scientifique intéressée par ces thèmes de prendre connaissances des derniers développements scientifiques et des nouveaux champs d’application.
Elle réunira environ 60 participants, spécialistes de ces domaines, chercheurs, enseignants-chercheurs, doctorants, en provenance de France, des USA, du Chili, du Brésil, de différents pays d’Europe (Belgique, Finlande, Allemagne, République Tchèque, Espagne, …), du Japon qui participent régulièrement aux conférences WSOM.
D’ores et déjà nous avons 5 conférenciers invités qui ont donné leur accord.
- Etienne Côme, IFSTTAR
- Nathalie Villa-Vialaneix, INRA de Toulouse
- Jean-Daniel Fekete, INRIA, Université Paris Sud
- Yann Guermeur, LORIA
- Pascal Massart, Université Paris Sud
- Alfredo Vellido, Universidad Politécnica de Cataluña
Le principal résultat attendu de cette rencontre scientifique est de rassembler la communauté scientifique autour des thèmes énoncés ci-dessus et de mieux faire connaitre à nos collègues étrangers les avancées théoriques et méthodologiques des statisticiens et des informaticiens français, qui travaillent depuis longtemps sur la sélection de modèles et la visualisation des données de grandes dimensions sans être connus de la communauté de l’Apprentissage Statistique.