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 ...

Recherche sur les méthodes d’initialisation des poids des machines de Boltzmann restreintes basées sur l’analyse de la mécanique statistique Contexte académique Dans l’apprentissage profond, l’initialisation des poids des réseaux neuronaux a un impact significatif sur l’efficacité de l’entraînement des modèles. En particulier, dans les réseaux neur...

Recherche sur la détection d’interaction humain-objet zéro-shot basée sur l’intégration visuelle et linguistique Contexte académique La détection d’interaction humain-objet (Human-Object Interaction, HOI) est un domaine de recherche important en vision par ordinateur, visant à identifier les interactions entre les humains et les objets dans les ima...

Inférence Privée Efficace dans les Réseaux de Neurones Profonds : Une Étude Révolutionnaire du Cadre PrivCore Introduction Contextuelle Avec le développement rapide des technologies d’apprentissage profond, les réseaux de neurones profonds (Deep Neural Networks, DNNs) sont de plus en plus utilisés dans des domaines tels que la reconnaissance d’imag...

Contexte académique Avec la complexité croissante des modèles d’intelligence artificielle (IA) et les besoins accrus en matière de protection de la vie privée des données, l’apprentissage fédéré (Federated Learning, FL) est devenu un sujet de recherche important en tant que paradigme d’apprentissage automatique distribué. L’apprentissage fédéré per...

Recherche sur la détection d’anomalies au niveau des graphes basée sur l’apprentissage de représentations de graphes à double vue Contexte académique Dans le monde actuel, axé sur les données, les graphes (Graph) sont une structure de données puissante largement utilisée dans des domaines tels que l’analyse des réseaux sociaux, la détection de frau...

Apprentissage continu des représentations visuelles conjuguées via des flux de mouvement d’ordre supérieur : étude du modèle CMOSFET Contexte académique Dans le domaine de l’intelligence artificielle et de la vision par ordinateur, l’apprentissage continu (Continual Learning) à partir de flux de données visuelles continues constitue un défi de long...

Exploitation de la dynamique instance-étiquette via l’apprentissage contrastif ancré réciproque pour l’extraction de relations en peu de coups Contexte académique Dans le domaine du traitement du langage naturel (Natural Language Processing, NLP), l’extraction de relations (Relation Extraction, RE) est une tâche fondamentale visant à identifier et ...

Recherche sur l’édition efficace et fine de scènes 3D basée sur des champs de points neuronaux invariants par rotation Contexte académique Dans le domaine de la vision par ordinateur et de l’infographie, la modélisation et le rendu de nouvelles perspectives de scènes réelles à partir d’images multi-vues constituent un problème central. Les champs d...