Cette collection présente les thèses et mémoires des étudiant(e)s du Département d'informatique et de recherche opérationnelle de l'Université de Montréal.

2003 - : Couverture exhaustive
avant 2003 : Période non couverte ou couverture partielle

Pour plus d'information sur le dépôt des thèses et mémoires consulter le site Thèses et mémoires des bibliothèques

Site web du Département d'informatique et de recherche opérationnelle

Recent Submissions

  • Balancing signals for semi-supervised sequence learning 

    Xu, Ge Ya (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 ...
  • Comparaison de systèmes de traduction automatique pour la post édition des alertes météorologique d'Environnement Canada 

    van Beurden, Louis (2020-03-25)
    Ce mémoire a pour but de déterminer la stratégie de traduction automatique des alertes météorologiques produites par Environnement Canada, qui nécessite le moins d’efforts de postédition de la part des correcteurs du bureau de la traduction. Nous ...
  • Prediction of the transaction confirmation time in Ethereum Blockchain 

    Singh, Harsh Jot (2020-03-25)
    La blockchain propose un système d'enregistrement décentralisé, immuable et transparent. Elle offre un réseau de nœuds sans entité de gouvernance centralisée, ce qui la rend "indéchiffrable" et donc plus sûr que le système d'enregistrement centralisé ...
  • Real-Time Reinforcement Learning 

    Ramstedt, Simon (2020-03-25)
    Les processus de décision markovien (MDP), le cadre mathématiques sous-jacent à la plupart des algorithmes de l'apprentissage par renforcement (RL) est souvent utilisé d'une manière qui suppose, à tort, que l'état de l'environnement d'un agent ne change ...
  • Unsupervised representation learning in interactive environments 

    Racah, Evan (2020-03-25)
    Extraire une représentation de tous les facteurs de haut niveau de l'état d'un agent à partir d'informations sensorielles de bas niveau est une tâche importante, mais difficile, dans l'apprentissage automatique. Dans ce memoire, nous explorerons plusieurs ...
  • Compression in Sequence to Sequence Learning for Natural Language Processing 

    Prato, Gabriele (2020-03-25)
    Dans ce travail, nous proposons une méthode presque sans perte d’information pour encoder de longues séquences de texte ainsi que toutes leurs sous-séquences en des représentations riches en information. Nous testons notre méthode sur une tâche d’analyse ...
  • On the bias-variance tradeoff : textbooks need an update 

    Neal, Brayden (2020-03-25)
    L’objectif principal de cette thèse est de souligner que le compromis biais-variance n’est pas toujours vrai (p. ex. dans les réseaux neuronaux). Nous plaidons pour que ce manque d’universalité soit reconnu dans les manuels scolaires et enseigné dans ...
  • Hierarchical Bayesian optimization of targeted motor outputs with spatiotemporal neurostimulation 

    Laferrière Cyr, Samuel (2020-03-25)
    Ce mémoire par article part de la question suivante: pouvons-nous utiliser des prothèses neurales afin d’activer artificiellement certain muscles dans le but d’accélérer la guérison et le réapprentissage du contrôle moteur après un AVC ou un traumatisme ...
  • Towards learning sentence representation with self-supervision 

    Hosseini, Seyedarian (2020-03-25)
    Ces dernières années, il y a eu un intérêt croissant dans le domaine de l'apprentissage profond pour le traitement du langage naturel. Plusieurs étapes importantes ont été franchies au cours de la dernière décennie dans divers problèmes, tels que les ...
  • Towards Understanding Generalization in Gradient-Based Meta-Learning 

    Guiroy, Simon (2020-03-25)
    Dans ce mémoire, nous étudions la généralisation des réseaux de neurones dans le contexte du méta-apprentissage, en analysant divers propriétés des surface leurs fonctions objectifs. La recherche en apprentissage automatique portant sur les surfaces ...

View more