Search
Now showing items 51-60 of 82
Deep networks training and generalization: insights from linearization
(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 ...
Investigating intra and inter-subject performance with deep learning for gait on irregular surfaces
(2023-06-19)
La médecine personnalisée promet des soins adaptés à chaque patient. Cependant, l’ap-
prentissage automatique appliqué à cette fin nécessite beaucoup d’améliorations. L’évalua-
tion des modèles est une étape cruciale qui ...
Reinforcement learning applied to the real world : uncertainty, sample efficiency, and multi-agent coordination
(2023-06-19)
L'immense potentiel des approches d'apprentissage par renforcement profond (ARP) pour la conception d'agents autonomes a été démontré à plusieurs reprises au cours de la dernière décennie. Son application à des agents ...
On impact of mixing times in continual reinforcement learning
(2023-05-29)
Le temps de mélange de la chaîne de Markov induite par une politique limite ses performances dans les scénarios réels d'apprentissage continu. Pourtant, l'effet des temps de mélange sur l'apprentissage dans l'apprentissage ...
Emergence of language-like latents in deep neural networks
(2023-11-01)
L'émergence du langage est considérée comme l'une des marques de l'intelligence humaine. Par conséquent, nous émettons l'hypothèse que l'émergence de latences ou de représentations similaires au langage dans un système ...
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 ...
Contributions to generative models and their applications
(2023-02-22)
Generative models are a large class of machine learning models for unsupervised learning. They have various applications in machine learning and artificial intelligence. In this thesis, we discuss many aspects of generative ...
Understanding, improving, and generalizing generative models
(2023-05-29)
Les modèles génératifs servent à générer des échantillons d'une loi de probabilité (ex. : du texte, des images, de la musique, des vidéos, des molécules, et beaucoup plus) à partir d'un jeu de données (ex. : une banque ...
Model-based hyperparameter optimization
(2023-05-29)
The primary goal of this work is to propose a methodology for discovering hyperparameters.
Hyperparameters aid systems in convergence when well-tuned and handcrafted. However,
to this end, poorly chosen hyperparameters ...
Autoencoders for natural language semantics
(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 ...