Search
Now showing items 11-20 of 90
Characterizing and comparing acoustic representations in convolutional neural networks and the human auditory system
(2020-12-16)
Le traitement auditif dans le cerveau humain et dans les systèmes informatiques consiste en une cascade de transformations représentationnelles qui extraient et réorganisent les informations pertinentes pour permettre ...
Apprentissage de représentations musicales à l'aide d'architectures profondes et multiéchelles
(2012-10-11)
L'apprentissage machine (AM) est un outil important dans le domaine de la recherche d'information musicale (Music Information Retrieval ou MIR). De nombreuses tâches de MIR peuvent être résolues en entraînant un classifieur ...
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 ...
Sequential modeling, generative recurrent neural networks, and their applications to audio
(2017-03-28)
L'apprentissage profond s'est imposé comme étant le cadre de concrétisation d'une intelligence artificielle spécialisée; le chemin rêvé de beaucoup vers un futur où l'IA est omniprésente ou ce qu'on appellerait une ...
Neural approaches to dialog modeling
(2020-12-16)
Cette thèse par article se compose de quatre articles qui contribuent au domaine de l’apprentissage profond, en particulier dans la compréhension et l’apprentissage des ap- proches neuronales des systèmes de dialogue. Le ...
A deep learning theory for neural networks grounded in physics
(2021-07-14)
Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de ...
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 ...
Bidirectional Helmholtz Machines
(2016-09-28)
L'entraînement sans surveillance efficace et inférence dans les modèles génératifs profonds reste un problème difficile. Une approche assez simple, la machine de Helmholtz, consiste à entraîner du haut vers le bas un modèle ...