Comment by Morgan Gray on 2020-10-09 06:46:41:
Compte Rendu Réunion 02/10/2020 (MG, DV, VL, CS, MB, EM)

1. Travail initial de Sara

• Données VVDS,
• Détermination de 5 classes avec un Apprentissage Non Supervisé basé sur FCM (Fuzzy C-Means) avec 8 descripteurs
  utilisant un arbre décisionnel avec probabilités (codes en Matlab). Le codage imposait nécessairement 5 classes fixées.
• Avec ces 5 classes, détermination d'un Prédicteur avec un Apprentissage Supervisé basé sur un SVM (codes en Matlab)
• Implémentation du prédicteur SVM (avec les paramètres déterminés lors de l'apprentissage) en C++ dans Amazed

1. Travail repris par Morgan

• Ajout d’une classe au code initial en Matlab
• Modification du code inital en Matlab permettant :
  d'ajouter plusieurs classes (suppression du modèle par arbre décisionnel)
  de tester d'autres algo de Machine Learning (K-Means)
  d'améliorer des calculs de la proba des pics avec différents fits de Gaussiennes centrées ou non,
  sur des intervalles d'intégration variables
  ajout de nouveaux descripteurs (de 8 à plus de 15 descripteurs)
• Tests sur les données VVDS, Euclid SPV6 et SPV7
• Passage à un code en Python utilisant Scikit-Learn pour tester d'autres algo de Machine Learning déjà implementés
• Nouveaux tests sur les données précédentes avec certains algos de Sckit-Learn
• Passage à un Apprentissage Supervisé à 2 ou 3 classes seulement avec un SVM de Scikit-Learn
• Premiers tests de Deep Learning (Supervisé à 2 ou 3 classes) en utilisant un MLP (Multi-Layers Perceptron)
  Conclusion : résultats pas vraiment meilleurs qu’avec la probabilité intégrée fournie par Alain
  poursuivre l'Apprentissage Supervisé avec des réseaux de convolution 1D

1. Travail à faire

• Récupérer les données TigerTeam (Vincent)
• Transformer les données VIPERS et faire tourner Amazed (Vincent)
• Identifier un sous-échantillon de PFS Cosmo et fournir les PDF à Morgan (Vincent)
• Voir les données SDSS (Vincent)
• Développer un code Python récupérant toutes les données utiles fournies par Amazed nécessaires à l'apprentissage
  par un Réseau de neurones (Morgan, mais à voir avec Ali et Didier)
• Développer un code de Deep Learning Python/Keras et tester différentes architectures pour faire un apprentissage sur les données (Morgan, Edouard ?)
• Conctater le Working Group de ML/DL d'Euclid pour discuter de travaux déjà effectués/conseils
• Envisager un classifier Etoiles/Galaxies ? Voir avec François Lanusse ?

Comment by Morgan Gray on 2021-06-01 12:50:07:

• Dans le cadre d'une collaboration avec AL Mealier et Centrale Marseille, 3 étudiants vont travailler pendant un mois (tout le mois de juin à temps plein) pour effectuer un travail exploratoire sur une recherche d'architecture adéquate de réseau de neurones pour entrainer un LSTM/GRU (ou autre.. ?) sur les données Vipers fournies par Vincent Lebrun.
• J'organise une réunion par semaine pour les guider dans leur travail qui est totalement nouveau pour eux (problématique scientifique et codage d'un réseau).
• Ils devront fournir à la fin un code en Keras ou Pytorch et une documentation succinte permettant de voir le travail acccompli.