Search
Now showing items 11-20 of 26
Understanding deep architectures and the effect of unsupervised pre-training
(2011-05-05)
Cette thèse porte sur une classe d'algorithmes d'apprentissage appelés architectures profondes. Il existe des résultats qui indiquent que les représentations peu profondes et locales ne sont pas suffisantes pour la ...
Feedforward deep architectures for classification and synthesis
(2018-03-21)
Cette thèse par article présente plusieurs contributions au domaine de l'apprentissage de représentations profondes, avec des applications aux problèmes de classification et de synthèse d'images naturelles. Plus spécifiquement, ...
Apprentissage de représentations musicales à l'aide d'architectures profondes et multiéchelles
(2012-10-11)
L'apprentissage machine (AM) est un outil important dans le domaine de la recherche d'information musicale (Music Information Retrieval ou MIR). De nombreuses tâches de MIR peuvent être résolues en entraînant un classifieur ...
Sequential modeling, generative recurrent neural networks, and their applications to audio
(2017-03-28)
L'apprentissage profond s'est imposé comme étant le cadre de concrétisation d'une intelligence artificielle spécialisée; le chemin rêvé de beaucoup vers un futur où l'IA est omniprésente ou ce qu'on appellerait une ...
Échantillonnage dynamique de champs markoviens
(2010-03-04)
L'un des modèles d'apprentissage non-supervisé générant le plus de recherche active est la machine de Boltzmann --- en particulier la machine de Boltzmann restreinte, ou RBM. Un aspect important de l'entraînement ainsi que ...
Difference target propagation
(2018-10-18)
Backpropagation has been the workhorse of recent successes of deep learning but it relies on infinitesimal effects (partial derivatives) in order to perform credit assignment. This could become a serious issue as one ...
Structured prediction and generative modeling using neural networks
(2017-03-28)
Cette thèse traite de l'usage des Réseaux de Neurones pour modélisation de données séquentielles. La façon dont l'information a été ordonnée et structurée est cruciale pour la plupart des données. Les mots qui composent ...
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 ...
Prédiction et génération de données structurées à l'aide de réseaux de neurones et de décisions discrètes
(2019-03-13)
L’apprentissage profond, une sous-discipline de l’apprentissage automatique, est de plus en
plus utilisé dans une multitude de domaines, dont le traitement du langage naturel. Toutefois,
plusieurs problèmes restent ...
Applications of complex numbers to deep neural networks
(2019-06-19)
Dans la dernière décennie, une heureuse confluence de matériel, de logiciels et de théorie ont permis à l'intelligence artificielle de connaître un renouveau: un "printemps" et qui, contrairement au passé, semblent avoir ...