Search
Now showing items 1-8 of 8
Learning a graph made of boolean function nodes : a new approach in machine learning
(2017-03-28)
Dans ce document, nous présentons une nouvelle approche en apprentissage machine
pour la classification. Le cadre que nous proposons est basé sur des circuits booléens,
plus précisément le classifieur produit par notre ...
Factorized second order methods in neural networks
(2018-03-21)
Les méthodes d'optimisation de premier ordre (descente de gradient) ont permis d'obtenir des succès impressionnants pour entrainer des réseaux de neurones artificiels. Les méthodes de second ordre permettent en théorie ...
Advances in parameterisation, optimisation and pruning of neural networks
(2021-07-14)
Les réseaux de neurones sont une famille de modèles de l'apprentissage automatique qui sont capable d'apprendre des tâches complexes directement des données. Bien que produisant déjà des résultats impressionnants dans ...
Learning to sample from noise with deep generative models
(2017-09-27)
L’apprentissage automatique et spécialement l’apprentissage profond se sont imposés ces
dernières années pour résoudre une large variété de tâches. Une des applications les plus
remarquables concerne la vision par ...
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
(2014-09-29)
Cette thèse étudie des modèles de séquences de haute dimension basés sur des réseaux de neurones récurrents (RNN) et leur application à la musique et à la parole. Bien qu'en principe les RNN puissent représenter les ...
Recognition of Facial Expressions with Autoencoders and Convolutional-Nets
(2014-03-03)
Les humains communiquent via différents types de canaux: les mots, la voix, les gestes du corps, des émotions, etc. Pour cette raison, un ordinateur doit percevoir ces divers canaux de communication pour pouvoir interagir ...
Feature extraction on faces : from landmark localization to depth estimation
(2019-06-19)
Le sujet de cette thèse porte sur les algorithmes d'apprentissage qui extraient les caractéristiques importantes des visages. Les caractéristiques d’intérêt principal sont des points clés;
La localisation en deux ...
Large state spaces and self-supervision in reinforcement learning
(2022-03-16)
L'apprentissage par renforcement (RL) est un paradigme d'apprentissage orienté agent qui s'intéresse à l'apprentissage en interagissant avec un environnement incertain. Combiné à des réseaux de neurones profonds comme ...