Parcourir Faculté des arts et des sciences – Département d'informatique et de recherche opérationnelle par titre
Voici les éléments 155-174 de 1196
-
Balancing signals for semi-supervised sequence learning
(2020-03-25)Recurrent Neural Networks(RNNs) are powerful models that have obtained outstanding achievements in many sequence learning tasks. Despite their accomplishments, RNN models still suffer with long sequences during training. It is because error propagate ... -
Benchmarking bias mitigation algorithms in representation learning through fairness metrics
(2022-10-26)Le succès des modèles d’apprentissage en profondeur et leur adoption rapide dans de nombreux domaines d’application ont soulevé d’importantes questions sur l’équité de ces modèles lorsqu’ils sont déployés dans le monde réel. Des études récentes ont ... -
The berth allocation problem at port terminals : a column generation framework
(2016-03-23)Le problème d'allocation de postes d'amarrage (PAPA) est l'un des principaux problèmes de décision aux terminaux portuaires qui a été largement étudié. Dans des recherches antérieures, le PAPA a été reformulé comme étant un problème de partitionnement ... -
Better representation learning for TPMS
(2022-03-16)Avec l’augmentation de la popularité de l’IA et de l’apprentissage automatique, le nombre de participants a explosé dans les conférences AI/ML. Le grand nombre d’articles soumis et la nature évolutive des sujets constituent des défis supplémentaires ... -
Beyond the horizon : improved long-range sequence modeling, from dynamical systems to language
(2024-02-21)Cette thèse est ancrée dans deux aspirations principales: (i) l'extension des longueurs de séquence pour une fidélité de prédiction supérieure pendant les phases d'entraînement et de test, et (ii) l'amélioration de l'efficacité computationnelle des ... -
Beyond the status quo in deep reinforcement learning
(2024-05-22)L’apprentissage par renforcement profond (RL) a connu d’énormes progrès ces dernières années, mais il est encore difficile d’appliquer le RL aux problèmes de prise de décision du monde réel. Cette thèse identifie trois défis clés avec la façon dont ... -
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 génératif dirigé qui sera ... -
A bilevel approach for the collaborative transportation planning problem
(Elsevier, 2020-12-15)The integration of the outbound and the inbound logistics of a company leads to a large transportation network, allowing to detect backhauling opportunities to increase the efficiency of the transportation. In collaborative networks, backhauling is ... -
Bilevel knapsack problems
(Springer, 2023) -
Brain decoding of the Human Connectome Project Tasks in a Dense Individual fMRI Dataset
(2023-02-22)Les études de décodage cérébral visent à entrainer un modèle d'activité cérébrale qui reflète l'état cognitif du participant. Des variations interindividuelles substantielles dans l'organisation fonctionnelle du cerveau représentent un défi pour un ... -
Building sample-efficient reinforcement learning
(2024-06-19)L’efficacité des données est un défi clé pour l’apprentissage par renforcement profond (DRL), limitant souvent son utilisation aux environnements où des quantités illimitées de données simulées sont disponibles. J’envisage une gamme de solutions pour ... -
Un cadre d'application pour interfaces de gestion OSI
(1996-06-06)OSI définit une suite de protocoles pour les réseaux ouverts hétérogènes. De tels réseaux peuvent être très difficile à gérer à cause de la diversité des manufacturiers de composantes, chacun définissant sa propre méthode de gestion. C'est pourquoi ...