Publication
L'article Conditional Neural Relational Inference for Interacting Systems reçoit le Best Student Data Mining Paper Award
L'article sur le projet de recherche SimGait sur la modélisation de la marche pathologique résultant de déficiences motrices a reçu le "best student data mining paper award" dans le cadre de la conférence européenne de machine learning et data mining (ECML/PKDD) qui se déroule 13 au 17 septembre 2021.
Il s'agit d'un projet collaboratif Sinergia financé par le Fonds national suisse de la recherche scientifique.
Objectif global du projet
Développer, grâce à une combinaison d'apprentissage automatique et de simulation neuromécanique, des modèles précis de la locomotion humaine. Outre le groupe DMML, les partenaires du projet sont également le Kinesiology Lab de l'Université de Genève, dirigé par Stéphane Armand, et le Biorobotics (BioRob) Lab de l'EPFL, dirigé par Auke Ijspeert.
Conférence européenne de machine learning et data mining (ECML/PKDD)
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases
ECML PKDD 2021 du 13-17 septembre 2021
Le projet SimGait
Modeling pathological gait resulting from motor impairments
Consultez l'article en Open access
- Title
Conditional Neural Relational Inference for Interacting Systems - Authors
Joao Candido Ramos, Lionel Blondé, Stéphane Armand and Alexandros Kalousis - Abstract
In this work, we want to learn to model the dynamics of similar yet distinct groups of interacting objects. These groups follow some common physical laws that exhibit specificities that are captured through some vectorial description. We develop a model that allows us to do conditional generation from any such group given its vectorial description. Unlike previous work on learning dynamical systems that can only do trajectory completion and require a part of the trajectory dynamics to be provided as input in generation time, we do generation using only the conditioning vector with no access to generation time’s trajectories. We evaluate our model in the setting of modeling human gait and, in particular pathological human gait.
Last news