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.

 

 

Pour une recherche détaillée
Visiter Papyrus
Date Trier par date en ordre croissant Titre Trier par titre en ordre croissant
2021-11 Contributions à la sonification d’image et à la classification de sons
2021-11 Job dissatisfaction detection through progress note
2021-10 Assessing neural network dynamics under normal and altered states of consciousness with MEG : methodological challenges and proposed solutions for atypical power spectra
2021-10 Better representation learning for TPMS
2021-10 Extraction de comportements reproductibles en avatar virtuel
2021-10 Towards causal federated learning : a federated approach to learning representations using causal invariance
2021-10 Lifelong topological visual navigation
2021-10 Creation of a vocal emotional profile (VEP) and measurement tools
2021-09 Renforcement de la sécurité à travers les réseaux programmables
2021-09 Tools for fluid simulation control in computer graphics
2021-09 Alzheimer prediction from connected speech extracts : assessment of generalisation to new data
2021-08 Mechanical characterization of rigid discrete interlocking materials
2021-08 Towards computationally efficient neural networks with adaptive and dynamic computations
2021-08 On representation learning for generative models of text
2021-08 Étude de modèles neuronaux de questions-réponses
2021-08 Evolving‌ ‌artificial‌ ‌neural‌ ‌networks‌‌ ‌to‌ ‌imitate‌ ‌human‌ ‌behaviour‌‌ ‌in‌ ‌Shinobi‌ ‌III‌ ‌:‌ ‌return‌ ‌of‌ ‌the‌ ‌Ninja‌ ‌master‌
2021-08 Large state spaces and self-supervision in reinforcement learning
2021-08 Méthodologies pour la détection de diachronies sémantiques et leurs impacts
2021-08 Learning neural ordinary differential equations for optimal control
2021-08 Reduced collision fingerprints and pairwise molecular comparisons for explainable property prediction using Deep Learning