Concevoir des réseaux de neurones plus sobres grâce à l’analyse multirésolution
MuReNN développe une nouvelle génération de réseaux de neurones capables d’apprendre avec moins de calcul, moins de données annotées et une consommation énergétique réduite. Le projet répond à un défi majeur de l’intelligence artificielle : concevoir des modèles plus sobres sans dégrader leurs capacités d’apprentissage et de généralisation.
Le projet combine les apports de l’analyse harmonique, de la théorie des ondelettes et de l’apprentissage profond afin de développer une architecture originale de réseaux de neurones convolutifs multirésolution. Il met en œuvre des bancs de filtres fondés sur une transformée en ondelettes complexe à arbre dual et propose une implémentation open source sous PyTorch, intégrant l’ensemble de la chaîne de traitement, depuis l’acquisition des données jusqu’au déploiement sur des capteurs embarqués.
En développant une intelligence artificielle frugale pour l’analyse de contenus audionumériques, MuReNN ouvre de nouvelles perspectives pour l’écoute artificielle dans des domaines tels que la bioacoustique, l’écologie, la surveillance environnementale, l’industrie ou la santé, tout en contribuant à réduire l’empreinte énergétique des systèmes d’intelligence artificielle.
