Les stages

PDF

Analyse conjointe par compressed sensing et séparation de composantes de données de très grande taille en radio-interférométrie
Tackling compressed sensing recovery and component separation from (very) large-scale radio-interferometric data

Spécialité

Théorie et traitement du signal

Niveau d'étude

Bac+5

Formation

Master 2

Unité d'accueil

Candidature avant le

24-05-2018

Durée

4 mois

Poursuite possible en thèse

non

Contact

BOBIN Jerome
+33 1 69 08 44 63

Résumé/Summary

L'analyse de données multivaluées en radio-interférométrie requiert le plus souvent la résolution de problèmes de séparation de composantes à partir de données de très grande taille. Les méthodes actuelles n'étant pas adaptées au traitement de données de grande taille, l'objectif de ce stage est d'étudier de nouveaux algorithmes, hautement parallélisables, pour la résolution efficace de ces problèmes.
Analyzing multivalued data in radio-interférométry requires solving component separation problems from large-scale data. Current methods are not well suited to tackle such problems from such big data. Hence, the goal of this internship is to investigate new algorithms that are well-suited for heavy parallel computation to tackle these problems.

Sujet détaillé/Full description

Voir http://jbobin.cosmostat.org/Jobs/Stage2018_BSS_HPC.pdf
See http://jbobin.cosmostat.org/Jobs/Stage2018_BSS_HPC.pdf

Mots clés/Keywords

Séparation de composantes, parcimonie, algorithmes proximaux.
Component separation, sparsity, proximal algorithms

Compétences/Skills

- signal/image processing - sparse image processing, multichannel data process- ing - machine learning and modern optimization techniques

Logiciels

Python/C
Retour en haut