Title: Multimodal and Heterogeneous Graph Learning for Robust, Explainable and Frugal Intelligent Systems Abstract: The increasing availability of heterogeneous and multimodal data poses significant challenges for the design of modern intelligent systems, particularly in terms of representation, fusion, robustness, explainability, and computational frugality. These challenges become even more critical when data are structured through complex […]

Apprentissage multimodal frugale : alignement par transport optimal, explicabilité par concepts et déploiement Edge Résumé : Les architectures d'apprentissage profond constituent aujourd'hui l'état de l'art pour l'analyse et la fusion de données multimodales. Leur déploiement effectif dans des environnements ouverts soulève encore de nombreuses questions quant à leur fiabilité et leur transparence. En particulier, si […]