Séminaire (Organisé par l’Equipe de recherche DI)

Pascal VINCENT

Département d’Informatique et Recherche Opérationnelle, Université de Montréal


Apprentissage de représentations à l’aide d’autoencodeurs : un bref survol et quelques perspectives nouvelles


Mercredi 19 novembre 2014 à 14h en salle A108


Résumé :

La notion de représentation est au coeur des capacités de perception et de prise de décisions intelligentes. Les données sensorielles brutes sont généralement reçues, en premier lieu, sous forme d’une représentation de bas niveau en haute dimension, au sein de laquelle le sens et les régularités statistiques importantes demeurent implicites et cachées. Au cours des dernières années, les recherches portant sur de nouveaux principes et algorithmes pour l’apprentissage non-supervisé de représentations utiles de plus haut niveau a permis des progrès importants en apprentissage automatique. Des techniques inspirées de ces recherches sont à présent utilisées de manière routinières pour entrainer de gros réseaux profonds qui battent des records de précision sur des tâches supervisées difficiles.

Parmi les divers paradigmes proposés pour l’apprentissage non-supervisé de représentations, je vais dans cette présentation me concentrer sur les autoencodeurs. J’effectuerai un bref survol de plusieurs variantes d’autoencodeurs que j’ai contribué à développer, et expliquerai leur lien avec d’autres paradigmes tels que les modèles graphiques probabilistes et la modélisation de variétés. Ce survol me permettra de mettre en évidence en quoi cette avenue de recherche a gagné en maturité, ce que nous avons appris en chemin, et comment ma vision de apprentissage de représentation a en conséquence changé. Je présenterai également quelques perspectives nouvelles, telles que des autoencodeurs sans décodeurs, ainsi que d’autres directions possibles et questions ouvertes qui, je pense, mériteraient d’être creusées dans notre quête de systèmes capables de découvrir de manière autonome des représentations bien meilleures, davantage utiles et porteuses de sens.



Actualités
Vidéothèque
Téléchargements
Annuaire



FR SHIC 3272

Collegium UTC/CNRS