L’apprentissage profond (Deep Learning), en tant que branche importante de l’intelligence artificielle, a réalisé des progrès significatifs ces dernières années dans des domaines tels que la vision par ordinateur et le traitement du langage naturel. Cependant, le succès de l’apprentissage profond dépend largement du choix des fonctions de perte (Lo...

Rapport de recherche neuroscientifique sur l’« activation générale par domaine » Contexte académique L’activation (Arousal) est un concept central en neurosciences, qui fait référence aux fluctuations de l’état du cerveau et du corps, généralement associées au comportement motivé. Bien que le terme « activation » soit largement utilisé, sa définiti...

Mise en œuvre efficace des fonctions d’activation RNN : percée dans l’algorithme CORDIC et l’accélération matérielle FPGA Contexte et importance de l’étude Ces dernières années, avec le développement rapide des technologies d’apprentissage profond, les réseaux neuronaux récurrents (Recurrent Neural Networks, RNN), en particulier les réseaux à mémoi...

Modèles de Langage Unifiés et Graphes de Connaissance Contexte Ces dernières années, le domaine du traitement automatique du langage naturel et de l’intelligence artificielle a vu émerger de nombreux résultats de recherche, parmi lesquels les modèles de langage de grande taille (Large Language Models, LLMs) tels que ChatGPT et GPT-4 se sont disting...

Identification des déterminants sociaux de la santé dans les dossiers de santé électroniques par les grands modèles linguistiques Contexte et motivation de la recherche Les déterminants sociaux de la santé (DSH) ont une influence significative sur les résultats de santé des patients. Cependant, dans les données structurées des dossiers de santé éle...