Les données relationnelles, ou non-euclidiennes, comme les réseaux physiques ou sociaux, les nuages de points sont souvent décrits à l’aide d’un graphe sous-jacent. Les graphes sont un concept clé dans des disciplines diverses, comme l’informatique, les sciences sociales ou la médecine, tout comme il s’agit d’un domaine incroyablement riche des mathématiques. Il est donc naturel que ces objets soient au coeur du travail d’un groupe de plus en plus large de chercheurs de l’apprentissage automatique au traitement du signal, en passant par les statistiques et l’optimisation.

Ces communautés partagent rarement les mêmes évènements. Cette conférence a pour but de faciliter de nouvelles collaborations internationales ainsi que d’explorer des synergies à travers plusieurs thèmes de recherche. Des chercheurs de renommées internationales seront invités à présenter leur derniers résultats ainsi que des chercheurs en début en carrière et des doctorants pour promouvoir et développer de nouvelles interactions.

Le programme sera orienté vers trois thèmes majeurs. Le premier est l’impact récent des réseaux de neurones sur graphes sur de multiples tâches en apprentissage tel que la génération, la représentation, les plongements de graphes, ainsi que leurs limitations actuelles et comment les surmonter. Ensuite, un autre focus sera dédié aux propriétés statistiques des graphes aléatoires, et comment les exploiter en apprentissage, notamment quels comportements asymptotiques et non-asymptotiques peut-on attendre pour des graphes statiques, et également dynamiques. Enfin, le dernier axe sera consacré aux méthodes d’optimisation et leur impact sur le traitement du signal sur graphe, incluant les méthodes non-lisses et distribuées.