Search
Now showing items 1-10 of 20
Difference target propagation
(2018-10-18)
Backpropagation has been the workhorse of recent successes of deep learning but it relies on infinitesimal effects (partial derivatives) in order to perform credit assignment. This could become a serious issue as one ...
Towards better understanding and improving optimization in recurrent neural networks
(2020-12-16)
Recurrent neural networks (RNN) are known for their notorious exploding and vanishing gradient problem (EVGP). This problem becomes more evident in tasks where the information needed to correctly solve them exist over long ...
Réseaux de neurones à relaxation entraînés par critère d'autoencodeur débruitant
(2012-01-05)
L’apprentissage machine est un vaste domaine où l’on cherche à apprendre les paramètres
de modèles à partir de données concrètes. Ce sera pour effectuer des tâches demandant
des aptitudes attribuées à l’intelligence ...
Échantillonnage dynamique de champs markoviens
(2010-03-04)
L'un des modèles d'apprentissage non-supervisé générant le plus de recherche active est la machine de Boltzmann --- en particulier la machine de Boltzmann restreinte, ou RBM. Un aspect important de l'entraînement ainsi que ...
Entity-centric representations in deep learning
(2020-12-16)
Humans' incredible capacity to model the complexity of the physical world is possible because they cast this complexity as the composition of simpler entities and rules to process them. Extensive work in cognitive science ...
Méta-enseignement : génération active d’exemples par apprentissage par renforcement
(2020-12-16)
Le problème d’intérêt est un problème d’optimisation discrète dont on tente d’approximer les
solutions des instances particulières à l’aide de réseaux de neurones. Un obstacle à résoudre ce
problème par apprentissage ...
Structured prediction and generative modeling using neural networks
(2017-03-28)
Cette thèse traite de l'usage des Réseaux de Neurones pour modélisation de données séquentielles. La façon dont l'information a été ordonnée et structurée est cruciale pour la plupart des données. Les mots qui composent ...
Prédiction et génération de données structurées à l'aide de réseaux de neurones et de décisions discrètes
(2019-03-13)
L’apprentissage profond, une sous-discipline de l’apprentissage automatique, est de plus en
plus utilisé dans une multitude de domaines, dont le traitement du langage naturel. Toutefois,
plusieurs problèmes restent ...
Training deep convolutional architectures for vision
(2010-02-04)
Les tâches de vision artificielle telles que la reconnaissance d’objets demeurent irrésolues à ce jour. Les algorithmes d’apprentissage tels que les Réseaux de Neurones Artificiels (RNA), représentent une approche prometteuse ...
Algorithmes d'apprentissage pour la recommandation
(2013-02-01)
L'ère numérique dans laquelle nous sommes entrés apporte une quantité importante de nouveaux défis à relever dans une multitude de domaines. Le traitement automatique de l'abondante information à notre disposition est l'un ...