Parcourir Faculté des arts et des sciences – Département d'informatique et de recherche opérationnelle - Thèses et mémoires par sujet "machine learning"
Voici les éléments 1-17 de 17
-
Advances in uncertainty modelling : from epistemic uncertainty estimation to generalized generative flow networks
(2024-01-31)Les problèmes de prise de décision se produisent souvent dans des situations d'incertitude, englobant à la fois l'incertitude aléatoire due à la présence de processus inhérents aléatoires et l'incertitude épistémique liée aux connaissances limitées. ... -
AI alignment and generalization in deep learning
(2023-09-13)This thesis covers a number of works in deep learning aimed at understanding and improving generalization abilities of deep neural networks (DNNs). DNNs achieve unrivaled performance in a growing range of tasks and domains, yet their behavior during ... -
Apprentissage d'atlas cellulaires par la méthode de Factorized embeddings
(2022-10-26)Le corps humain contient plus de 3.72X10^13 cellules qui se distinguent par leur morphologie, fonction et état. Leur catalogage en atlas cellulaires c'est entamé il y a plus de 150 ans, avec l'invention des colorants cellulaires en microscopie. Notre ... -
Apprentissage de circuits quantiques par descente de gradient classique
(2020-12-16)Nous présentons un nouvel algorithme d’apprentissage de circuits quantiques basé sur la descente de gradient classique. Comme ce sujet unifie deux disciplines, nous expliquons les deux domaines aux gens de l’autre discipline. Conséquemment, nous débutons ... -
Apprentissage de modèles causaux par réseaux de neurones artificiels
(2021-03-24)Dans ce mémoire par articles, nous nous intéressons à l’apprentissage de modèles causaux à partir de données. L’intérêt de cette entreprise est d’obtenir une meilleure compréhension des données et de pouvoir prédire l’effet qu’aura un changement sur ... -
Compression in Sequence to Sequence Learning for Natural Language Processing
(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 ... -
A deep learning theory for neural networks grounded in physics
(2021-07-14)Au cours de la dernière décennie, l'apprentissage profond est devenu une composante majeure de l'intelligence artificielle, ayant mené à une série d'avancées capitales dans une variété de domaines. L'un des piliers de l'apprentissage profond est ... -
Fear prediction for training robust RL agents
(2023-05-03)Les algorithmes d’apprentissage par renforcement conditionné par les buts apprennent à accomplir des tâches en interagissant avec leur environnement. Ce faisant, ils apprennent à propos du monde qui les entourent de façon graduelle et adaptive. Parmi ... -
Inductive biases for efficient information transfer in artificial networks
(2023-03-22)Malgré des progrès remarquables dans une grande variété de sujets, les réseaux de neurones éprouvent toujours des difficultés à exécuter certaines tâches simples pour lesquelles les humains excellent. Comme indiqué dans des travaux récents, nous émettons ... -
Neural approaches to dialog modeling
(2020-12-16)Cette thèse par article se compose de quatre articles qui contribuent au domaine de l’apprentissage profond, en particulier dans la compréhension et l’apprentissage des ap- proches neuronales des systèmes de dialogue. Le premier article fait un pas ... -
Personal information prediction from written texts
(2020-06-04)La détection de la paternité textuelle est un domaine de recherche qui existe depuis les années 1960. Il consiste à prédire l’auteur d’un texte en se basant sur d’autres textes dont les auteurs sont connus. Pour faire cela, plusieurs traits sur le style ... -
Self-supervision for data interpretability in image classification and sample efficiency in reinforcement learning
(2021-10-21)L'apprentissage auto-surveillé (AAS), c'est-à-dire l'apprentissage de connaissances en exploitant la structure intrinsèque présente dans un ensemble de données non étiquettées, a beaucoup fait progresser l'apprentissage automatique dans la dernière ... -
Some phenomenological investigations in deep learning
(2022-10-26)Les remarquables performances des réseaux de neurones profonds dans de nombreux domaines de l'apprentissage automatique au cours de la dernière décennie soulèvent un certain nombre de questions théoriques. Par exemple, quels mecanismes permettent ... -
Steepest descent as Linear Quadratic Regulation
(2022-03-16)Concorder un modèle à certaines observations, voilà qui résume assez bien ce que l’apprentissage machine cherche à accomplir. Ce concept est maintenant omniprésent dans nos vies, entre autre grâce aux percées récentes en apprentissage profond. La ... -
Toward trustworthy deep learning : out-of-distribution generalization and few-shot learning
(2023-11-01)L'intelligence artificielle est un domaine en pleine évolution. Au premier plan des percées récentes se retrouve des approches connues sous le nom d'apprentissage automatique. Cependant, bien que l'apprentissage automatique ait montré des performances ... -
Towards computationally efficient neural networks with adaptive and dynamic computations
(2021-10-21)Ces dernières années, l'intelligence artificielle a été considérablement avancée et l'apprentissage en profondeur, où des réseaux de neurones profonds sont utilisés pour tenter d'imiter vaguement le cerveau humain, y a contribué de manière significative. ... -
Utilisation du plongement du domaine pour l’adaptation non supervisée en traduction automatique
(2022-03-16)L'industrie de la traduction utilise de plus en plus des modèles de traduction automatique. Des modèles dits « universels » sont capables d'obtenir de bonnes performances lorsqu'évalués sur un large ensemble de domaines, mais leurs performances sont ...
