Ali H. Sayed reçoit le prestigieux prix Fourier 2022 de l'IEEE

Ali H. Sayed, qui a reçu ce prestigieux prix de l'IEEE, est doyen de la Faculté des sciences et techniques de l’ingénieur (STI) de l'EPFL, où il dirige le laboratoire de systèmes adaptatifs. Il a également été professeur émérite et président du département d'ingénierie électrique de l'UCLA. Il est reconnu comme un chercheur hautement cité et est membre de l'Académie nationale américaine d'ingénierie (NAE). Il a été président de l'IEEE Signal Processing Society en 2018 et 2019. 

Le prix Fourier de l'IEEE pour le traitement du signal est un prix de domaine technique qui récompense "une contribution exceptionnelle à l'avancement du traitement du signal, autre que dans les domaines du traitement de la parole et du son". Le gagnant est jugé sur la base de l'impact sur le domaine de la technologie du traitement des signaux, y compris l'innovation, le leadership, les honneurs ou les contributions comme en témoignent les publications ou les brevets ou le passage à la pratique, et la qualité de la nomination.

Il s'agit de la troisième reconnaissance que le professeur Sayed reçoit cette année pour ses contributions à la recherche. Il a aussi reçu le prix 2020 de la société Wiener de l'IEEE pour ses "contributions au traitement adaptatif et statistique des signaux et son leadership exceptionnel au sein de la Signal Processing Society", et a été élu à l'Académie mondiale des sciences (TWAS) pour ses "contributions aux théories de l'adaptation et de l'apprentissage en génie électrique et informatique". Il a également récemment été nommé rédacteur en chef fondateur d'une nouvelle série de livres à accès libre sur les sciences de l'information et de l'apprentissage.

Le professeur Sayed est un chercheur accompli et est l'auteur/coauteur de six monographies et de plus de 550 publications. Il est reconnu internationalement pour son leadership dans le vaste domaine du traitement statistique et adaptatif du signal. Ses recherches portent sur plusieurs domaines, notamment les théories de l'adaptation et de l'apprentissage, les sciences des données et des réseaux, l'inférence statistique et les systèmes multi-agents. Il a publié des manuels faisant autorité sur le sujet de l'adaptation et de l'apprentissage qui sont utilisés comme références dans de nombreuses institutions : Fundamentals of Adaptive Filtering (Wiley, 2003) et Adaptive Filters (Wiley, 2008). Le premier manuel a été reconnu pour sa qualité et a reçu le prix Terman 2005 de l'American Society of Engineering Education. En 2015, il a reçu le prix de l'éducation de l'IEEE Signal Processing Society pour "l'écriture de textes savants et influents dans les domaines des systèmes adaptatifs et du traitement statistique du signal". En 2014, il a également reçu le prix Athanasios Papoulis de l'Association européenne pour le traitement des signaux pour ses "contributions fondamentales à l'avancement de la recherche et de l'éducation". En 2013, il a reçu le Meritorious Service Award de l'IEEE Signal Processing Society pour ses "services exemplaires et son leadership au sein de la Signal Processing Society".

Les recherches du professeur Sayed portent sur l'analyse et la conception de systèmes adaptatifs dotés de capacités d'auto-apprentissage et de cognition. Ces systèmes apprennent continuellement des interactions avec leur environnement par le biais d'observations. Les contributions de son groupe au domaine ont porté l'adaptation à un nouveau niveau, notamment le développement de l'approche de la conservation de l'énergie pour analyser de tels systèmes et l'introduction des réseaux adaptatifs et de l'apprentissage par diffusion. Ses contributions au domaine ont également été reconnues récemment par le prix 2020 de la Société Norbert Wiener de l'IEEE Signal Processing Society. Ce prix est la plus haute distinction de la société. Il récompense les contributions techniques exceptionnelles et le leadership dans le domaine. Il a présenté la leçon Wiener (vidéo ici) en juin dernier lors de la conférence phare de la société en 2021.