Apprentissage des filtres et des graphiques avec le transport optimal

Cette séance de cours présente FIGLearn, une méthode d'apprentissage des filtres et des graphiques utilisant un transport optimal. Il couvre le modèle de génération de signaux, l'approche pour minimiser la distance de Wasserstein, l'algorithme impliquant des étapes d'apprentissage du filtre et du graphique, les limitations dans l'optimisation non convexe, une application dans l'inférence des données manquantes, et un résumé soulignant la flexibilité et la performance de l'approche.