Irina Rish

Mila > À propos de Mila > Équipe > Irina Rish
Membre Académique Principal
Irina Rish
Professeure agrégée, Université de Montréal
Irina Rish

Irina Rish est professeure agrégée au Département d’informatique et de recherche opérationnelle de l’Université de Montréal (UdeM) et membre clé de Mila – Institut québécois d’intelligence artificielle. Elle est titulaire de la Chaire en IA CIFAR-Canada et de la Chaire d’excellence en recherche du Canada en IA autonome. Elle est titulaire d’une maîtrise et d’un doctorat en IA de l’Université de Californie, Irvine, et d’une maîtrise en mathématiques appliquées de l’Institut Gubkin de Moscou. Ses recherches portent sur l’apprentissage machine, l’analyse des données neurales et l’IA inspirée des neurosciences.

Ses recherches actuelles portent sur l’apprentissage continu, les algorithmes d’optimisation pour les réseaux neuronaux profonds, la modélisation épars et l’inférence probabiliste, la génération de dialogues, l’apprentissage par renforcement biologiquement plausible et les approches systémiques dynamiques de l’analyse de l’imagerie cérébrale. Avant de rejoindre l’UdeM et Mila en 2019, elle était chercheuse au Centre de recherche T. J. Watson d’IBM, où elle a travaillé sur divers projets à l’intersection des neurosciences et de l’IA, et a dirigé le défi Neuro-AI. Irina Rish détient 64 brevets, a publié plus de 80 articles de recherche, plusieurs chapitres de livres, trois ouvrages édités et une monographie sur la modélisation épars.

Pour voir le CV complet d’Irina Rish, cliquez ici.

Publications

2021-08

Approximate Bayesian Optimisation for Neural Networks
Nadhir Hassen and Irina Rish
arXiv preprint arXiv:2108.12461
(2021-08-27)
128.84.4.18PDF
Sequoia: A Software Framework to Unify Continual Learning Research
Fabrice Normandin, Florian Golemo, Oleksiy Ostapenko, Pau Rodríguez, Matthew D. Riemer, Julio Hurtado, Khimya Khetarpal, Dominic Zhao, Ryan Lindeborg, Timothée Lesort, Laurent Charlin, Irina Rish and Massimo Caccia
arXiv preprint arXiv:2108.01005
(2021-08-02)
dblp.uni-trier.dePDF

2021-07

Parametric Scattering Networks.
Shanel Gauthier, Benjamin Thérien, Laurent Alsène-Racicot, Irina Rish, Eugene Belilovsky, Michael Eickenberg and Guy Wolf
arXiv preprint arXiv:2107.09539
(2021-07-20)
ui.adsabs.harvard.eduPDF

2021-06

Invariance Principle Meets Information Bottleneck for Out-of-Distribution Generalization
Kartik Ahuja, Ethan Caballero, Dinghuai Zhang, Yoshua Bengio, Ioannis Mitliagkas and Irina Rish
arXiv: Learning
(2021-06-11)
ui.adsabs.harvard.eduPDF
Toward Skills Dialog Orchestration with Online Learning.
Djallel Bouneffouf, Raphael Feraud, Sohini Upadhyay, Mayank Agarwal, Yasaman Khazaeni and Irina Rish
ICASSP 2021
(2021-06-06)
ieeexplore.ieee.org
Double-Linear Thompson Sampling for Context-Attentive Bandits
Djallel Bouneffouf, Raphael Feraud, Sohini Upadhyay, Yasaman Khazaeni and Irina Rish
SAND-mask: An Enhanced Gradient Masking Strategy for the Discovery of Invariances in Domain Generalization
Soroosh Shahtalebi, Jean-Christophe Gagnon-Audet, Touraj Laleh, Mojtaba Faramarzi, Kartik Ahuja and Irina Rish
arXiv preprint arXiv:2106.02266
(2021-06-04)
ui.adsabs.harvard.eduPDF
Continual Learning in Deep Networks: an Analysis of the Last Layer
Timothée Lesort, Thomas George and Irina Rish
arXiv preprint arXiv:2106.01834
(2021-06-03)
ui.adsabs.harvard.eduPDF

2021-04

Gradient Masked Federated Optimization.
Irene Tenison, Sreya Francis and Irina Rish
arXiv preprint arXiv:2104.10322
(2021-04-21)
ui.adsabs.harvard.eduPDF
Towards Causal Federated Learning For Enhanced Robustness and Privacy.
Sreya Francis, Irene Tenison and Irina Rish
arXiv preprint arXiv:2104.06557
(2021-04-14)
ui.adsabs.harvard.eduPDF
Understanding Continual Learning Settings with Data Distribution Drift Analysis.
Timothée Lesort, Massimo Caccia and Irina Rish
arXiv preprint arXiv:2104.01678
(2021-04-04)
ui.adsabs.harvard.eduPDF

2021-01

Models of Human Behavioral Agents in Bandits, Contextual Bandits and RL
Baihan Lin, Guillermo Cecchi, Djallel Bouneffouf, Jenna Reinen and Irina Rish
International Workshop on Human Brain and Artificial Intelligence
(2021-01-07)
link.springer.com

2020-12

Towards Continual Reinforcement Learning: A Review and Perspectives.
Khimya Khetarpal, Matthew Riemer, Irina Rish and Doina Precup
arXiv preprint arXiv:2012.13490
(2020-12-25)
ui.adsabs.harvard.eduPDF

2020-10

Predicting Infectiousness for Proactive Contact Tracing
Yoshua Bengio, Prateek Gupta, Tegan Maharaj, Nasim Rahaman, Martin Weiss, Tristan Deleu, Eilif Muller, Meng Qu, Victor Schmidt, Pierre-Luc St-Charles, Hannah Alsdurf, Olexa Bilanuik, David Buckeridge, Gáetan Marceau Caron, Pierre-Luc Carrier, Joumana Ghosn, Satya Ortiz-Gagne, Chris Pal, Irina Rish, Bernhard Schölkopf... (3 more)
arXiv preprint arXiv:2010.12536
(2020-10-23)
ui.adsabs.harvard.eduPDF

2020-07

Survey on Applications of Multi-Armed and Contextual Bandits
Djallel Bouneffouf, Irina Rish and Charu Aggarwal
CEC 2020
(2020-07-19)
doi.org

2020-06

Chaotic Continual Learning
Touraj Laleh, Mojtaba Faramarzi, Irina Rish and Sarath Chandar
(venue unknown)
(2020-06-14)
openreview.netPDF

2020-05

COVI White Paper.
Hannah Alsdurf, Yoshua Bengio, Tristan Deleu, Prateek Gupta, Daphne Ippolito, Richard Janda, Max Jarvie, Tyler Kolody, Sekoul Krastev, Tegan Maharaj, Robert Obryk, Dan Pilat, Valerie Pisano, Benjamin Prud'homme, Meng Qu, Nasim Rahaman, Irina Rish, Jean-Franois Rousseau, Abhinav Sharma, Brooke Struck... (3 more)
arXiv preprint arXiv:2005.08502
(2020-05-18)
europepmc.orgPDF
An Empirical Study of Human Behavioral Agents in Bandits, Contextual Bandits and Reinforcement Learning
Baihan Lin, Guillermo Cecchi, Djallel Bouneffouf, Jenna Reinen and Irina Rish
arXiv preprint arXiv:2005.04544
(2020-05-10)
ui.adsabs.harvard.eduPDF
Unified Models of Human Behavioral Agents in Bandits, Contextual Bandits and RL
Baihan Lin, Guillermo A. Cecchi, Djallel Bouneffouf, Jenna M. Reinen and Irina Rish
(venue unknown)
(2020-05-10)
dblp.uni-trier.de
A Story of Two Streams: Reinforcement Learning Models from Human Behavior and Neuropsychiatry
Baihan Lin, Guillermo Cecchi, Djallel Bouneffouf, Jenna Reinen and Irina Rish
AAMAS 2020
(2020-05-05)
dl.acm.org

2020-04

Modeling Dialogues with Hashcode Representations: A Nonparametric Approach
Sahil Garg, Irina Rish, Guillermo A. Cecchi, Palash Goyal, Sarik Ghazarian, Shuyang Gao, Greg Ver Steeg and Aram Galstyan
AAAI 2020
(2020-04-03)
aaai.org

2020-03

Towards Lifelong Self-Supervision For Unpaired Image-to-Image Translation
Victor Schmidt, Makesh Narsimhan Sreedhar, Mostafa ElAraby and Irina Rish
arXiv: Computer Vision and Pattern Recognition
(2020-03-31)
ui.adsabs.harvard.eduPDF
Online Fast Adaptation and Knowledge Accumulation: a New Approach to Continual Learning
Massimo Caccia, Pau Rodriguez, Oleksiy Ostapenko, Fabrice Normandin, Min Lin, Lucas Caccia, Issam Laradji, Irina Rish, Alexandre Lacoste, David Vazquez and Laurent Charlin
arXiv preprint arXiv:2003.05856
(2020-03-12)
arxiv.orgPDF

2020-01

Resting-state connectivity stratifies premanifest Huntington's disease by longitudinal cognitive decline rate.
Pablo Polosecki, Eduardo Castro, Irina Rish, Dorian Pustina, John H. Warner, Andrew Wood, Cristina Sampaio and Guillermo A. Cecchi
Scientific Reports
(2020-01-27)
europepmc.org
Online Fast Adaptation and Knowledge Accumulation (OSAKA): a New Approach to Continual Learning
Massimo Caccia, Pau Rodriguez, Oleksiy Ostapenko, Fabrice Normandin, Min Lin, Lucas Page-Caccia, Issam Hadj Laradji, Irina Rish, Alexandre Lacoste, David Vázquez and Laurent Charlin
NEURIPS 2020
(2020-01-01)
papers.nips.ccPDF

Publications collected and formatted using Paperoni

array(6) { ["_ga"]=> string(26) "GA1.2.912880549.1632134990" ["wordpress_google_apps_login"]=> string(32) "15f3e8da93a79b2424fe94e3cef8c530" ["_icl_visitor_lang_js"]=> string(5) "fr-fr" ["_gid"]=> string(27) "GA1.2.1794371712.1635419957" ["wpml_browser_redirect_test"]=> string(1) "0" ["wp-wpml_current_language"]=> string(2) "fr" }