Now showing items 1-20 of 24

  • Apprentissage de modèles causaux par réseaux de neurones artificiels 

    Brouillard, Philippe (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 

    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 ...
  • A deep learning theory for neural networks grounded in physics 

    Scellier, Benjamin (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 ...
  • Deep networks training and generalization: insights from linearization 

    George, Thomas (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 ...
  • Distributed conditional computation 

    Léonard, Nicholas (2015-04-30)
    L'objectif de cette thèse est de présenter différentes applications du programme de recherche de calcul conditionnel distribué. On espère que ces applications, ainsi que la théorie présentée ici, mènera à une solution générale du problème d'intelligence ...
  • Emerging communication between competitive agents 

    Noukhovitch, Mikhail (2020-06-04)
    Nous utilisons l’apprentissage automatique pour répondre à une question fondamentale: comment les individus peuvent apprendre à communiquer pour partager de l'information et se coordonner même en présence de conflits? Cette th\`ese essaie de corriger ...
  • Improved training of energy-based models 

    Kumar, Rithesh (2019-10-30)
    L'estimation du maximum de vraisemblance des modèles basés sur l'énergie est un problème difficile à résoudre en raison de l'insolubilité du gradient du logarithmique de la vraisemblance. Dans ce travail, nous proposons d'apprendre à la fois la fonction ...
  • Inductive biases for efficient information transfer in artificial networks 

    Kerg, Giancarlo (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 ...
  • Latent variable language models 

    Tan, Shawn (2019-03-13)
    There has been a renewed interest in generative modeling/unsupervised learning for language for downstream natural language understanding tasks. In this thesis, we explore the augmentation of standard language models with latent variables. In the ...
  • Leveraging noisy side information for disentangling of factors of variation in a supervised setting 

    Carrier, Pierre Luc (2015-02-18)
    Ce mémoire est composé de trois articles et présente les résultats de travaux de recherche effectués dans le but d'améliorer les techniques actuelles permettant d'utiliser des données associées à certaines tâches dans le but d'aider à l'entraînement ...
  • Neural approaches to dialog modeling 

    Sankar, Chinnadhurai (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 ...
  • Neural probabilistic path prediction : skipping paths for acceleration 

    Peng, Bowen (2023-02-22)
    La technique de tracé de chemins est la méthode Monte Carlo la plus populaire en infographie pour résoudre le problème de l'illumination globale. Une image produite par tracé de chemins est beaucoup plus photoréaliste que les méthodes standard tel que ...
  • Neurobiologically-inspired models : exploring behaviour prediction, learning algorithms, and reinforcement learning 

    Spinney, Sean (2024-01-31)
    Le développement du domaine de l’apprentissage profond doit une grande part de son avancée aux idées inspirées par la neuroscience et aux études sur l’apprentissage humain. De la découverte de l’algorithme de rétropropagation à la conception ...
  • No Press Diplomacy 

    Paquette, Philip (2019-10-30)
    Ce mémoire présente un article sur un agent pouvant jouer à la version "No-Press" (sans messages) du jeu de société Diplomacy. Diplomacy est un jeu de négociation à 7 joueurs où chacun des joueurs essaie de conquérir la majorité des centres d’approvisionnement ...
  • Optimizing ANN Architectures using Mixed-Integer Programming 

    ElAraby, Mostafa (2020-12-16)
    Over-parameterized networks, where the number of parameters surpass the number of train-ing samples, generalize well on various tasks. However, large networks are computationally expensive in terms of the training and inference time. Furthermore, the ...
  • Personal information prediction from written texts 

    Bibi, Khalil (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 ...
  • 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 ...
  • Recurrent neural models and related problems in natural language processing 

    Zhang, Saizheng (2019-10-30)
    Le réseau de neurones récurrent (RNN) est l’un des plus puissants modèles d’apprentissage automatique spécialis és dans la capture des variations temporelles et des dépendances de données séquentielles. Grâce à la résurgence de l’apprentissage en ...
  • Self-supervision for data interpretability in image classification and sample efficiency in reinforcement learning 

    Rajkumar, Nitarshan (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 ...
  • Steepest descent as Linear Quadratic Regulation 

    Dufort-Labbé, Simon (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 ...