Search
Now showing items 1-6 of 6
Reparametrization in deep learning
(2018-10-18)
L'apprentissage profond est une approche connectioniste à l'apprentissage automatique. Elle a pu exploiter la récente production massive de données numériques et l'explosion de la quantité de ressources computationelles ...
Advances in deep learning methods for speech recognition and understanding
(2020-12-16)
Ce travail expose plusieurs études dans les domaines de
la reconnaissance de la parole et
compréhension du langage parlé.
La compréhension sémantique du langage parlé est un sous-domaine important
de ...
Sequence-to-sequence learning for machine translation and automatic differentiation for machine learning software tools
(2019-05-08)
Cette thèse regroupe des articles d'apprentissage automatique et s'articule autour de deux thématiques complémentaires.
D'une part, les trois premiers articles examinent l'application des réseaux de neurones artificiels ...
Hybrid and data-driven methods for efficient and realistic particle-based liquid simulations
(2022-03-16)
L’approximation de phénomènes physiques, tels qu’une simulation de liquides en informatique graphique, requiert l’utilisation de méthodes complexes nécessitant des temps de calcul et une quantité de mémoire importants. ...
Deep learning algorithms for database-driven peptide search
(2024-06-19)
Modern proteomics – the large-scale analysis of proteins (Graves and Haystead, 2002) – relies heavily on the analysis of complex raw experimental, time series-like data. In a typical shotgun mass spectrometry workflow where ...
Building sample-efficient reinforcement learning
(2024-06-19)
L’efficacité des données est un défi clé pour l’apprentissage par renforcement profond (DRL), limitant souvent son utilisation aux environnements où des quantités illimitées de données simulées sont disponibles. J’envisage ...