Now showing items 1-8 of 8

  • Autoencoders for natural language semantics 

    Bosc, Tom (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 ...
  • Deep neural networks for natural language processing and its acceleration 

    Lin, Zhouhan (2020-03-25)
    Cette thèse par article comprend quatre articles qui contribuent au domaine de l'apprentissage profond, en particulier à l'accélération de l’apprentissage par le biais de réseaux à faible précision et à l'application de réseaux de neurones profonds au ...
  • Désambiguisation de sens par modèles de contextes et son application à la Recherche d’Information 

    Brosseau-Villeneuve, Bernard (2011-05-05)
    Il est connu que les problèmes d'ambiguïté de la langue ont un effet néfaste sur les résultats des systèmes de Recherche d'Information (RI). Toutefois, les efforts de recherche visant à intégrer des techniques de Désambiguisation de Sens (DS) à la RI ...
  • DS-Fake : a data stream mining approach for fake news detection 

    Mputu Boleilanga, Henri-Cedric (2022-10-26)
    L’avènement d’internet suivi des réseaux sociaux a permis un accès facile et une diffusion rapide de l’information par toute personne disposant d’une connexion internet. L’une des conséquences néfastes de cela est la propagation de fausses informations ...
  • From specialists to generalists : inductive biases of deep learning for higher level cognition 

    Goyal, Anirudh (2023-05-03)
    Les réseaux de neurones actuels obtiennent des résultats de pointe dans une gamme de domaines problématiques difficiles. Avec suffisamment de données et de calculs, les réseaux de neurones actuels peuvent obtenir des résultats de niveau humain sur ...
  • Latent data augmentation and modular structure for improved generalization 

    Lamb, Alexander (2022-10-26)
    This thesis explores the nature of generalization in deep learning and several settings in which it fails. In particular, deep neural networks can struggle to generalize in settings with limited data, insufficient supervision, challenging long-range ...
  • On representation learning for generative models of text 

    Subramanian, Sandeep (2021-10-21)
    Cette thèse fait des petits pas dans la construction et la compréhension des systèmes d'apprentissage des représentations neuronales et des modèles génératifs pour le traitement du langage naturel. Il est présenté comme une thèse par article qui contient ...
  • Sur la génération d'exemples pour réduire le coût d'annotation 

    Piedboeuf, Frédéric (2024-05-22)
    L'apprentissage machine moderne s'appuie souvent sur l'utilisation de jeux de données massifs, mais il existe de nombreux contextes où l'acquisition et la manipulation de grandes données n'est pas possible, et le développement de techniques d'apprentissage ...