Portrait de Cem Subakan

Cem Subakan

Membre académique associé
Professeur adjoint, Université Laval, Département d'informatique et de génie logiciel
Professeur associé, Concordia University, École de génie et d'informatique Gina-Cody
Sujets de recherche
Apprentissage multimodal
Site web
Google Scholar

Biographie

Cem Subakan est professeur adjoint à l'Université Laval, au sein du Département d'informatique et de génie logiciel. Il est également professeur adjoint affilié au Département d'informatique et de génie logiciel de l'Université Concordia, ainsi que membre académique associé à Mila – Institut québécois d'intelligence artificielle. Il a obtenu un doctorat en informatique de l'Université de l'Illinois à Urbana-Champaign (UIUC) et a effectué un postdoctorat à Mila. Il agit en tant que relecteur pour plusieurs conférences, notamment NeurIPS, ICML, ICLR, ICASSP et MLSP, ainsi que pour des revues telles que IEEE Signal Processing Letters (SPL) et IEEE Transactions on Audio, Speech, and Language Processing (TASL). Ses recherches portent principalement sur l'apprentissage automatique appliqué à la parole et à l'audio. Plus précisément, il travaille sur l'apprentissage profond pour la séparation de sources et l'amélioration de la parole dans des conditions réalistes, l'interprétabilité des réseaux neuronaux, l'apprentissage continu et l'apprentissage multimodal. Il a reçu le Prix du meilleur article étudiant lors de la conférence IEEE Machine Learning for Signal Processing (MLSP) en 2017, ainsi que la bourse Sabura Muroga du Département d'informatique de l'UIUC. Il est également un contributeur clé au projet SpeechBrain, où il dirige la partie consacrée à la séparation de la parole.

Étudiants actuels

Jacob Comeau
Maîtrise recherche - Université Laval
Luca Della Libera
Doctorat - Concordia
Superviseur⋅e principal⋅e :
Mirco Ravanelli
Github
Anthony Deschênes
Postdoctorat - Université Laval
Google Scholar
Maab Elrashid Ahmed Mohamed Elrashid Ahmed Mohamed
Doctorat - Concordia
Superviseur⋅e principal⋅e :
Mirco Ravanelli
Github
Shubham Gupta
Doctorat - Université Laval
Co-superviseur⋅e :
Laurent Charlin
Eleonora Mancini
Collaborateur·rice alumni - UdeM
Co-superviseur⋅e :
Mirco Ravanelli
Github
Google Scholar
Francesco Paissan
Visiteur de recherche indépendant
francescopaissan@gmail.com
Site web
Github
Google Scholar
Mathis Rezzouk
Maîtrise recherche - Université Laval

Publications

Continual Learning of New Sound Classes Using Generative Replay
Zhepei Wang
Cem Subakan
Efthymios Tzinis
Paris Smaragdis
Laurent Charlin
Continual learning consists in incrementally training a model on a sequence of datasets and testing on the union of all datasets. In this pa… (voir plus)per, we examine continual learning for the problem of sound classification, in which we wish to refine already trained models to learn new sound classes. In practice one does not want to maintain all past training data and retrain from scratch, but naively updating a model with new data(sets) results in a degradation of already learned tasks, which is referred to as "catastrophic forgetting." We develop a generative replay procedure for generating training audio spectrogram data, in place of keeping older training datasets. We show that by incrementally refining a classifier with generative replay a generator that is 4% of the size of all previous training data matches the performance of refining the classifier keeping 20% of all previous training data. We thus conclude that we can extend a trained sound classifier to learn new classes without having to keep previously used datasets.
2019-10-20
2019 IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA) (publié)
doi.org
arxiv.org