Passer au contenu

/ Département d'informatique et de recherche opérationnelle

Je donne

Rechercher

Thèses et mémoires

Des thèses et mémoires de nos étudiants sont conservés et consultables dans Papyrus, le dépôt institutionnel de l'Université de Montréal.

 

 

For a detailed search
Visit Papyrus
Date Sort by date in descending order Title Sort by title in descending order
2023-07 Deep learning on signals : discretization invariance, lossless compression and nonuniform compression
2014-04 Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
2016-08 Structured prediction and generative modeling using neural networks
2016-01 Designing Regularizers and Architectures for Recurrent Neural Networks
2023-06 Learning and planning with noise in optimization and reinforcement learning
2019-09 Natural image processing and synthesis using deep learning
2019-11 On challenges in training recurrent neural networks
2003 Quelques modèles de langage statistiques et graphiques lissés avec WordNet
2020-07 Towards better understanding and improving optimization in recurrent neural networks
2004 Réduction de dimension pour modèles graphiques probabilistes appliqués à la désambiguïsation sémantique
2009-12 Modèle informatique du coapprentissage des ganglions de la base et du cortex : l'apprentissage par renforcement et le développement de représentations
2021-03 Locality and compositionality in representation learning for complex visual tasks
2000 Architecture et programme d'entraînement pour agents qui apprennent par renforcement
2020-05 Méta-enseignement : génération active d’exemples par apprentissage par renforcement
2017-12 Exploring Attention Based Model for Captioning Images
2013-12 Improving sampling, optimization and feature extraction in Boltzmann machines
2014-04 Deep learning of representations and its application to computer vision
2018-09 Representation Learning for Visual Data
2014-08 Leveraging noisy side information for disentangling of factors of variation in a supervised setting
2016-12 Sequential modeling, generative recurrent neural networks, and their applications to audio