Parcourir Faculté des arts et des sciences – Département d'informatique et de recherche opérationnelle par directeur·trice de recherche "Vincent, Pascal"
Voici les éléments 1-19 de 19
-
Accounting for variance and hyperparameter optimization in machine learning benchmarks
(2022-10-26)La récente révolution de l'apprentissage automatique s'est fortement appuyée sur l'utilisation de bancs de test standardisés. Ces derniers sont au centre de la méthodologie scientifique en apprentissage automatique, fournissant des cibles et mesures ... -
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 beaucoup de domaines tels que la ... -
Adversarial games in machine learning : challenges and applications
(2023-03-22)L’apprentissage automatique repose pour un bon nombre de problèmes sur la minimisation d’une fonction de coût, pour ce faire il tire parti de la vaste littérature sur l’optimisation qui fournit des algorithmes et des garanties de convergences pour ce ... -
Analyse par apprentissage automatique des réponses fMRI du cortex auditif à des modulations spectro-temporelles
(2010-06-03)L'application de classifieurs linéaires à l'analyse des données d'imagerie cérébrale (fMRI) a mené à plusieurs percées intéressantes au cours des dernières années. Ces classifieurs combinent linéairement les réponses des voxels pour détecter et catégoriser ... -
Apprentissage d'espaces sémantiques
(2015-09-23)Dans cette dissertation, nous présentons plusieurs techniques d’apprentissage d’espaces sémantiques pour plusieurs domaines, par exemple des mots et des images, mais aussi à l’intersection de différents domaines. Un espace de représentation est appelé ... -
Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs
(2010-04-01)Les avancés dans le domaine de l’intelligence artificielle, permettent à des systèmes informatiques de résoudre des tâches de plus en plus complexes liées par exemple à la vision, à la compréhension de signaux sonores ou au traitement de la langue. ... -
Autoencoders for natural language semantics
(2023-08-15)Les auto-encodeurs sont des réseaux de neurones artificiels qui apprennent des représentations. Dans un auto-encodeur, l’encodeur transforme une entrée en une représentation, et le décodeur essaie de prédire l’entrée à partir de la représentation. Cette ... -
Calcul en n-dimensions sur GPU
(2013-09-03)Le calcul scientifique sur processeurs graphiques (GPU) est en plein essor depuis un certain temps, en particulier dans le domaine de l'apprentissage machine. Cette thèse présente les efforts pour établir une structure de données de table au ... -
Deep networks training and generalization: insights from linearization
(2023-06-19)Bien qu'ils soient capables de représenter des fonctions très complexes, les réseaux de neurones profonds sont entraînés à l'aide de variations autour de la descente de gradient, un algorithme qui est basé sur une simple linéarisation de la fonction ... -
Détection de mouvements dans des séquences d’images basée sur la dynamique de supraconductivité
(2016-09-28)Le but de ce travail est d’étudier la faisabilité de la détection de mouvements dans des séquences d’images en utilisant l’équation de continuité et la dynamique de supraconductivité. Notre approche peut être motivée par le fait que l’équation de ... -
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 d'accélérer l'optimisation d'une ... -
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 dimensions (2D) ou en trois dimensions ... -
Finer grained evaluation methods for better understanding of deep neural network representations
(2024-05-22)Établir des méthodes d'évaluation pour les systèmes d'intelligence artificielle (IA) est une étape importante pour précisément connaître leurs limites et ainsi prévenir les dommages qu'ils pourraient causer et savoir quels aspects devraient être ... -
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 approximateur de fonction, ... -
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 algorithme a cette forme. ... -
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 ordinateur. Les systèmes de détection ... -
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 dépendances à long terme et la ... -
Modélisation de l'interprétation des pianistes & applications d'auto-encodeurs sur des modèles temporels
(2010-10-07)Ce mémoire traite d'abord du problème de la modélisation de l'interprétation des pianistes à l'aide de l'apprentissage machine. Il s'occupe ensuite de présenter de nouveaux modèles temporels qui utilisent des auto-encodeurs pour améliorer l'apprentissage ... -
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 intelligemment avec les humains, ...
