Search
Now showing items 1-10 of 14
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 ...
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 ...
Representation Learning for Visual Data
(2018-10-18)
Cette thèse par article contribue au domaine de l’apprentissage de représentations profondes, et plus précisément celui des modèles génératifs profonds, par l’entremise de travaux sur les machines de Boltzmann restreintes, ...
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
(2014-09-29)
Cette thèse étudie des modèles de séquences de haute dimension basés sur des réseaux de neurones récurrents (RNN) et leur application à la musique et à la parole. Bien qu'en principe les RNN puissent représenter les ...
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. ...
Optimization tools for non-asymptotic statistics in exponential families
(2022-06-22)
Les familles exponentielles sont une classe de modèles omniprésente en statistique.
D'une part, elle peut modéliser n'importe quel type de données.
En fait la plupart des distributions communes en font partie : Gaussiennes, ...
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, ...
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, ...
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 ...