Faculté des arts et des sciences – Département d'informatique et de recherche opérationnelle: Soumissions récentes
Voici les éléments 1-10 de 1489
-
The equivalence of contrastive learning and graph convolution in collaborative filtering
(2024-10-30)Ces dernières années, les systèmes de recommandation ont gagné en importance dans le paysage informationnel en plein essor. Au cœur de ces systèmes se trouve l’algorithme de filtrage collaboratif (FC). Le graph convolutionnelle et l'apprentissage ... -
Enhancing agent learning through world dynamics modeling
(2024-10-30)Le développement rapide de l’intelligence artificielle (IA), allant des modèles comme BERT aux modèles de fondation à grande échelle, illustre la croissance exponentielle de la taille et des capacités des modèles, stimulée par les avancées en puissance ... -
Performative prediction : expanding theoretical horizons
(2024-10-30)Cette thèse aborde certaines des limitations du cadre de la prédiction performative, qui consiste à apprendre des modèles influençant les données qu’ils sont censés prédire. Je propose des solutions pour repousser les limites de ce cadre, en explorant ... -
Exploring multivariate adaptations of the Lag-Llama univariate time series forecasting approach
(2024-10-30)The focus of this study explores the adaptations of the Lag-Llama univariate time series forecasting approach [8] to handle multivariate time series, named LSTM2Lag-Llama. This extension is motivated by the increasing necessity to deal with datasets ... -
Learning optimizers for communication-efficient distributed learning
(2024-10-30)Ce mémoire propose d'utiliser des optimiseurs appris, soit une approche tirée du méta-apprentissage, pour améliorer l'optimisation distribuée. Nous présentons deux architectures d'optimiseurs appris et nous montrons qu'elles sont plus performantes que ... -
Intrinsic exploration for reinforcement learning beyond rewards
(2024-10-30)Dans l'apprentissage par renforcement, une fonction de récompense guide le comportement de l'agent vers des objectifs spécifiques. Cependant, dans des environnements complexes, ces récompenses extrinsèques ne suffisent souvent pas, car leur conception ... -
Domain adaptation in reinforcement learning via causal representation learning
(2024-10-30)Les progrès récents en apprentissage par renforcement ont été substantiels, mais ils dépendent souvent de l'accès à l'état. Un état est un ensemble d'informations qui fournit une description concise et complète de l'environnement, englobant tous les ... -
Advancing adversarial robustness with feature desensitization and synthesized data
(2024-10-30)Cette thèse porte sur la question critique de la vulnérabilité des modèles d’apprentissage profond face aux attaques adversariales. Susceptibles à de légères perturbations invisibles à l'œil humain, ces modèles peuvent produire des prédictions erronées. ... -
Learning representations for reasoning : generalizing across diverse structures
(2024-10-30)Le raisonnement, la capacité de tirer des conclusions logiques à partir de connaissances existantes, est une caractéristique marquante de l’être humain. Avec la perception, ils constituent les deux thèmes majeurs de l’intelligence artificielle. Alors ... -
Aligning language models to code : exploring efficient, temporal, and preference alignment for code generation
(2024-10-30)Pre-trained and large language models (PLMs, LLMs) have had a transformative impact on the artificial intelligence (AI) for software engineering (SE) research field. Through large-scale pre-training on terabytes of natural and programming language ...
