DRTN : Réseau de transformateurs à double relation avec effacement de caractéristiques et apprentissage contrastif pour la classification d'images multi-étiquettes

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 ...

ADAMT : Apprentissage Multi-Tâche Distribué Adaptatif pour la Reconnaissance d'Images Efficace dans les Réseaux Mobiles Ad Hoc

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...

Gradient de politique déterministe profond à double acteur-critique retardé avec mémoire épisodique

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...

Réseau d'auto-encodage de mémoire probabiliste pour la détection de comportements anormaux dans les vidéos de surveillance

Réseau d'auto-encodage de mémoire probabiliste pour la détection de comportements anormaux dans les vidéos de surveillance

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 ...

Initialisation des poids sans jeu de données sur la machine de Boltzmann restreinte

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...

Vers la détection d'interaction humain-objet en zéro-shot via l'intégration vision-langage

Vers la détection d'interaction humain-objet en zéro-shot via l'intégration vision-langage

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...

PrivCore : Co-réduction multiplication-activation pour une inférence privée efficace

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...

Apprendre l’invite globale dans l’espace tensoriel de faible rang pour l’apprentissage fédéré hétérogène

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...

Apprentissage de représentation de graphe à double vue avec transformateur de graphe pour la détection d'anomalies au niveau du graphe

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...

Suivi des connaissances contrôlé par le flux de mémoire en trois étapes

Contexte académique Avec le développement rapide des technologies d’intelligence artificielle (IA), les systèmes de tutorat intelligents (Intelligent Tutoring Systems, ITS) tels que Khan Academy et Coursera ont réalisé des progrès significatifs dans l’apprentissage personnalisé. Le suivi des connaissances (Knowledge Tracing, KT), en tant que techno...