Liens externes
  • Directories
  • Faculties
  • Libraries
  • Campus maps
  • Sites A to Z
  • My UdeM
    • Mon portail UdeM
    • My email
    • StudiUM
Dessin du pavillon Roger Gaudry/Sketch of Roger Gaudry Building
University Home pageUniversity Home pageUniversity Home page
Papyrus : Institutional Repository
Papyrus
Institutional Repository
Papyrus
    • français
    • English
  • English 
    • français
    • English
  • Login
  • English 
    • français
    • English
  • Login
View Item 
  •   Home
  • Faculté des arts et des sciences
  • FAS - Département d'informatique et de recherche opérationnelle
  • FAS - Département d'informatique et de recherche opérationnelle - Thèses et mémoires
  • View Item
  •   Home
  • Faculté des arts et des sciences
  • FAS - Département d'informatique et de recherche opérationnelle
  • FAS - Département d'informatique et de recherche opérationnelle - Thèses et mémoires
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

My Account

To submit an item or subscribe to email alerts.
Login
New user?

Browse

All of PapyrusCommunities and CollectionsTitlesIssue DatesAuthorsAdvisorsSubjectsDisciplinesAffiliationTitles indexThis CollectionTitlesIssue DatesAuthorsAdvisorsSubjectsDisciplinesAffiliationTitles index

Statistics

View Usage Statistics
Show metadata
Permalink: http://hdl.handle.net/1866/6435

Étude de techniques d'apprentissage non-supervisé pour l'amélioration de l'entraînement supervisé de modèles connexionnistes

Thesis or Dissertation
Thumbnail
Larochelle_Hugo_2009_these.pdf (5.179Mb)
2008 (degree granted: 2009-04-16)
Author(s)
Larochelle, Hugo
Advisor(s)
Bengio, Yoshua
Level
Doctoral
Discipline
Informatique
Keywords
  • Apprentissage non-supervisé
  • Réseau de neurones artificiel
  • Machine de Boltzmann restreinte
  • Autoassociateur
  • Autoencodeur
  • Architecture profonde
  • Unsupervised learning
  • Neural network
  • Restricted Boltzmann machine
  • Autoassociator
  • Autoencoder
  • Deep architecture
  • Deep learning
Note(s)
Thèse numérisée par la Division de la gestion de documents et des archives de l'Université de Montréal.
Collections
  • Thèses et mémoires électroniques de l’Université de Montréal [15031]
  • FAS - Département d'informatique et de recherche opérationnelle - Thèses et mémoires [629]

DSpace software [version 5.8 XMLUI], copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Certificat SSL / SSL Certificate
les bibliothéques/UdeM
  • Emergency
  • Private life
  • Careers
  • My email
  • StudiUM
  • iTunes U
  • Contact us
  • Facebook
  • YouTube
  • Twitter
  • University RSS
 

 


DSpace software [version 5.8 XMLUI], copyright © 2002-2015  DuraSpace
Contact Us | Send Feedback
Certificat SSL / SSL Certificate
les bibliothéques/UdeM
  • Emergency
  • Private life
  • Careers
  • My email
  • StudiUM
  • iTunes U
  • Contact us
  • Facebook
  • YouTube
  • Twitter
  • University RSS