Search
Now showing items 1-10 of 13
Small batch deep reinforcement learning
(2023-12-20)
Dans l'apprentissage par renforcement profond basé sur la valeur avec des mémoires de relecture, le paramètre de taille de lot joue un rôle crucial en déterminant le nombre de transitions échantillonnées pour chaque mise ...
Advances in generative models for dynamic scenes
(2022-10-26)
Les réseaux de neurones sont un type de modèle d'apprentissage automatique (ML) qui résolvent des tâches complexes d'intelligence artificielle (AI) sans nécessiter de représentations de données élaborées manuellement.
Bien ...
Vers la mitigation des biais en traitement neuronal des langues
(2023-09-13)
Il est de notoriété que les modèles d'apprentissage profond sont sensibles aux biais qui peuvent être présents dans les données utilisées pour l'apprentissage. Ces biais qui peuvent être définis comme de l'information ...
Sequential decision modeling in uncertain conditions
(2024-01-31)
Cette thèse consiste en une série d’approches pour la modélisation de décision structurée - c’est-à-dire qu’elle propose des solutions utilisant des modèles génératifs pour des tâches intégrant plusieurs entrées et sorties, ...
Towards a unified model for speech and language processing
(2024-01-31)
Ce travail de recherche explore les méthodes d’apprentissage profond de la parole et du
langage, y inclus la reconnaissance et la synthèse de la parole, la conversion des graphèmes en
phonèmes et vice-versa, les modèles ...
Apprentissage de stratégies de calcul adaptatives pour les réseaux neuronaux profonds
(2023-11-01)
La théorie du processus dual stipule que la cognition humaine fonctionne selon deux modes distincts : l’un pour le traitement rapide, habituel et associatif, appelé communément "système 1" et le second, ayant un traitement ...
Sur l'élaboration de meilleures techniques pour l'apprentissage auto-supervisé des représentations du code
(2023-11-01)
Les représentations du code apprises par les modèles d’apprentissage profond sont une composante cruciale pour certaines applications en génie logiciel telles que la recherche de code ou la détection de clones. Les ...
Taxonomy of datasets in graph learning : a data-driven approach to improve GNN benchmarking
(2023-02-22)
L'apprentissage profond sur les graphes a atteint des niveaux de succès sans précédent ces dernières années grâce aux réseaux de neurones de graphes (GNN), des architectures de réseaux de neurones spécialisées qui ont sans ...
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 ...
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 ...