Search
Now showing items 11-18 of 18
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 ...
Speech synthesis using recurrent neural networks
(2017-07-12)
Les réseaux neuronaux récurrents sont des outils efficaces pour modeler les données à structure séquentielle. Dans ce mémoire, nous décrivons comment les utiliser pour la synthèse vocale.
Nous commençons avec une introduction ...
Advances in deep learning methods for speech recognition and understanding
(2020-12-16)
Ce travail expose plusieurs études dans les domaines de
la reconnaissance de la parole et
compréhension du langage parlé.
La compréhension sémantique du langage parlé est un sous-domaine important
de ...
Representation Learning for Visual Data
(2018-10-18)
Cette thèse par article contribue au domaine de l’apprentissage de représentations profondes, et plus précisément celui des modèles génératifs profonds, par l’entremise de travaux sur les machines de Boltzmann restreintes, ...
Identifying electrons with deep learning methods
(2021-03-24)
Cette thèse porte sur les techniques de l’apprentissage machine et leur application à un problème important de la physique des particules expérimentale: l’identification des électrons de signal résultant des collisions ...
Towards deep unsupervised inverse graphics
(2021-07-14)
Un objectif de longue date dans le domaine de la vision par ordinateur est de déduire le
contenu 3D d’une scène à partir d’une seule photo, une tâche connue sous le nom d’inverse
graphics. L’apprentissage automatique a, ...
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 ...
Optimization tools for non-asymptotic statistics in exponential families
(2022-06-22)
Les familles exponentielles sont une classe de modèles omniprésente en statistique.
D'une part, elle peut modéliser n'importe quel type de données.
En fait la plupart des distributions communes en font partie : Gaussiennes, ...