Nous avons le plaisir de vous inviter au septième séminaire de la session d'hiver 2022 du LATECE.

Heure et date : Le 11 mai 2022 à 12h30

Lieu : Salle PK-5115 & réunion Zoom

12h30 | » Operational Research for Fairness, Privacy and Interpretability in Machine Learning: Leveraging ILP to Learn Optimal Fair Rule Lists » par Julien Ferry

Conférencier : Julien Ferry

Titre : Operational Research for Fairness, Privacy and Interpretability in Machine Learning: Leveraging ILP to Learn Optimal Fair Rule Lists

Résumé: L’équité (fairness), l’interprétabilité (interpretability), et la protection de la vie privée (privacy) sont trois thématiques de recherche très actives dans le domaine de l’intelligence artificielle éthique. Si ces trois propriétés sont souvent étudiées en isolation, leur application simultanée semble également désirable. Elle donne lieu à des interactions de différentes natures (synergies/tensions). L’objectif de ma thèse est l’étude de ces interactions grâce à l’utilisation de méthodes d’optimisation combinatoire. Dans une première partie, je présenterai rapidement mes différents travaux (actuels et passés) à la frontière entre ces trois grands domaines. Dans un second temps, j’expliquerai comment nous avons utilisé la Programmation Linéaire en Nombres Entiers pour concilier équité et précision en apprentissage et permettre la construction de modèles interprétables, équitables, et optimaux. Biographie: Je suis ingénieur en informatique et réseaux de l’Institut National des Sciences Appliquées (INSA) de Toulouse. Depuis Octobre 2020, je suis doctorant au LAAS-CNRS, à Toulouse. Ma thèse est dirigée par Marie-José Huguet (LAAS-CNRS), Sébastien Gambs (UQAM), et Mohamed Siala (LAAS-CNRS). Mes domaines de recherche sont l’équité, l’interprétabilité, et la protection de la vie privée en apprentissage machine, et plus particulièrement l’étude de leurs interactions grâce à l’utilisation de méthodes d’optimisation combinatoire.

13h15-14h00 | « Resource Allocation and User Association in User-Centric Dense mmWave Cellular Networks » par Hanaa Benyerbah

Conférencière : Hanaa Benyerbah

Titre : Resource Allocation and User Association in User-Centric Dense mmWave Cellular Networks.

Résumé : “User-centric overlapped clustering, relying on base stations (BSs) cooperation, is a promising architecture for densely deployed BSs in millimeter wave (mmWave) networks. In this architecture, a user can be served by a set of cooperating BSs which reduces the interference received from neighboring BSs. This paper studies the problem of maximizing the number of served users in a dense mmWave network while guaranteeing the quality of service (QoS) required by each UE, defined by a received signal quality. Since the formulated problem is NP-hard, two near-optimal solutions performing clustering and resource allocation are proposed.  The first one is a heuristic algorithm that builds the clusters by greedily associating the user with as many BSs as needed. The second approach is a binary particle swarm optimization (PSO) algorithm adapted to our constrained problem. Simulations confirm that the proposed algorithms approach the optimal solution with substantially lower computational complexity.”