Deep learning pour modèles génératifs à variables latentes (Séminaire Aspects Mathématiques du Deep Learning)

Dans cet exposé, il est proposé de donner un aperçu des travaux existants sur les aspects mathématiques (du point de vue des probabilités et de la statistique) des modèles génératifs à variables latentes basés sur l'utilisation des réseaux de neurons profonds qui ont connu récemment de nombreux développements notamment pour le traitement d'images. On discutera en particulier des modèles Variational Auto-Encoder (VAE) et Generative Adversarial Network (GAN) et de leurs liens avec la théorie du transport optimal et des distances de Wasserstein entre mesures de probabilités.