Contexte académique La pandémie de COVID-19 a eu un impact considérable sur les systèmes de santé publique mondiaux. Bien que la situation se soit améliorée, les mécanismes immunopathologiques complexes de la maladie, les séquelles à long terme (comme le “COVID long”) et les menaces similaires potentielles continuent de stimuler la recherche. En pa...
Contexte académique La prédiction des interactions médicament-cible (Drug-Target Interaction, DTI) est une étape cruciale dans la découverte de médicaments, permettant de réduire considérablement les coûts et le temps de criblage expérimental. Cependant, bien que les techniques d’apprentissage profond aient amélioré la précision de la prédiction de...
Segmentation des tumeurs mammaires ABVS basée sur CNN et Dilated Sampling Self-Attention Contexte académique Le cancer du sein est le deuxième cancer le plus courant dans le monde, et une détection précoce et précise est essentielle pour améliorer le pronostic des patients et réduire la mortalité. Bien que plusieurs techniques d’imagerie (telles qu...
Contexte académique et introduction du problème Dans le domaine de l’éducation actuelle, l’anxiété de parler en public (Public Speaking Anxiety, PSA) est un phénomène répandu, en particulier chez les apprenants non natifs. Cette anxiété affecte non seulement la capacité d’expression des apprenants, mais peut également entraver leur développement pe...
Contexte académique Dans le domaine de l’apprentissage automatique et des réseaux de neurones, l’apprentissage continu (Continual Learning) est une direction de recherche importante. L’objectif de l’apprentissage continu est de permettre à un modèle d’apprendre continuellement de nouvelles connaissances tout en évitant d’oublier les connaissances d...
Entropie d’erreur minimale quantifiée complexe avec points de référence : théorie et application dans la régression de modèle Contexte académique Dans les domaines de l’apprentissage automatique et du traitement du signal, la présence de bruit non gaussien peut souvent nuire à la performance des modèles. L’erreur quadratique moyenne (Mean Squared E...
Nouvelle avancée dans la classification d’images multi-étiquettes : le réseau Transformer à double relation Contexte académique La classification d’images multi-étiquettes (Multi-Label Image Classification, MLIC) est un problème fondamental mais très complexe dans le domaine de la vision par ordinateur. Contrairement à la classification d’images à ...
Cadre d’apprentissage multitâche distribué adaptatif ADAMT : Reconnaissance d’image efficace dans les réseaux mobiles ad hoc Contexte académique Dans les réseaux mobiles ad hoc (Mobile Ad-hoc Networks, MANETs), l’apprentissage machine distribué fait face à des défis majeurs. Ces défis proviennent principalement des ressources de calcul limitées des...
Contexte académique L’apprentissage par renforcement profond (Deep Reinforcement Learning, DRL) a réalisé des accomplissements remarquables dans divers domaines tels que les jeux, la robotique, la navigation, la vision par ordinateur et la finance. Cependant, les algorithmes DRL existants souffrent généralement d’un problème d’efficacité d’échantil...
Détection des comportements anormaux dans les vidéos de surveillance basée sur un réseau auto-encodeur à mémoire probabiliste Contexte académique Dans les systèmes de surveillance intelligents, la détection des comportements anormaux est une fonction cruciale, largement utilisée dans des domaines tels que la lutte contre le terrorisme, le maintien ...