Search
Now showing items 31-40 of 43
Accounting for variance and hyperparameter optimization in machine learning benchmarks
(2022-10-26)
La récente révolution de l'apprentissage automatique s'est fortement appuyée sur l'utilisation de bancs de test standardisés. Ces derniers sont au centre de la méthodologie scientifique en apprentissage automatique, ...
Adversarial games in machine learning : challenges and applications
(2023-03-22)
L’apprentissage automatique repose pour un bon nombre de problèmes sur la minimisation d’une fonction de coût, pour ce faire il tire parti de la vaste littérature sur l’optimisation qui fournit des algorithmes et des ...
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 ...
Brain decoding of the Human Connectome Project Tasks in a Dense Individual fMRI Dataset
(2023-02-22)
Les études de décodage cérébral visent à entrainer un modèle d'activité cérébrale qui reflète l'état cognitif du participant. Des variations interindividuelles substantielles dans l'organisation fonctionnelle du cerveau ...
Problem hierarchies in continual learning
(2023-06-19)
La recherche en apprentissage automatique peut être vue comme une quête vers l’aboutissement d’algorithmes d’apprentissage de plus en plus généraux, applicable à des problèmes de plus en plus réalistes. Selon cette ...
Accelerated algorithms for temporal difference learning methods
(2023-06-19)
L'idée centrale de cette thèse est de comprendre la notion d'accélération dans les algorithmes d'approximation stochastique. Plus précisément, nous tentons de répondre à la question suivante : Comment l'accélération ...
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 ...
Adaptive learning of tensor network structures
(2023-02-22)
Les réseaux tensoriels offrent un cadre puissant pour représenter efficacement des objets de très haute dimension. Les réseaux tensoriels ont récemment montré leur potentiel pour les applications d’apprentissage automatique ...
Learned interpreters : structural and learned systematicity in neural networks for program execution
(2023-09-13)
Les architectures de réseaux de neurones profonds à usage général ont fait des progrès surprenants dans l'apprentissage automatique pour le code, permettant l’amélioration de la complétion de code, la programmation du ...
Sur l’application de la structure de graphes pour le calcul automatique de nombres de reproduction dans les modèles à compartiments déterministes
(2023-11-01)
En basant l'analyse des modèles épidémiologiques sur leur représentation graphique plutôt que sur leurs équations différentielles, il est possible de mettre en évidence plusieurs concepts importants à l'aide des composantes ...