Colloque - Clémentine Prieur : Diffeomorphism-Based Feature Learning Using Poincaré Inequalities

Épisode de Informatique et sciences numériques (2025-2026) - Yvon Maday par Collège de France · 23 juin 2026 · 39 min

Yvon Maday

Chaire Informatique et sciences numériques

Collège de France

Année 2025-2026

Colloque : Aspects mathématiques et appliqués des méthodes de réduction de complexité - Clémentine Prieur : Diffeomorphism-Based Feature Learning Using Poincaré Inequalities

Clémentine Prieur

Professeure, université Grenoble Alpes, LJK, équipe/projet Inria AIRSEA

Résumé

Joint work with Romain Verdière (Inria Grenoble) and Olivier Zahm (Inria Grenoble).

During this talk, I will present a gradient-enhanced algorithm for high-dimensional function approximation which achieves outperforming accuracy on small data sets.

This algorithm, introduced in [1], proceeds in two steps: first, we reduce the input dimension by learning the relevant input features from gradient evaluations and, second, we regress the function output against the pre-learnt features. Specifically, we learn the feature map by minimizing an error bound obtained using Poincaré inequality applied either in input space or in feature space.

This results in two different strategies which we compare both theoretically and numerically, and which we position in relation to existing methods from the literature. In particular, we prove that if we seek the nonlinear feature map as the first components of a C1-diffeomorphism, then our strategy is theoretically guaranteed. Our strategy to learn the C1-diffeomorphism is based on coupling flows, a particular class of invertible neural networks defined as the composition of block-triangular maps.

Finally I will present several numerical experiments to demonstrate that the algorithm we propose outperforms the state-of-the-art competitors in terms of accuracy with little data sets.

Autres épisodes de « Informatique et sciences numériques (2025-2026) - Yvon Maday »

À propos du podcast

Créée en partenariat avec Inria, la chaire annuelle Informatique et sciences numériques marque une volonté commune de faire valoir l'importance de cette discipline scientifique et la nécessité de lui octroyer une place pleine et entière. Réduction de complexité pour les simulations numériques…

Informatique et sciences numériques (2025-2026) - Yvon Maday

Épisodes similaires

Tous les épisodes de Informatique et sciences numériques (2025-2026) - Yvon Maday · Plus de podcasts Éducation