Regularizing RNNs by Stabilizing Activations
Posted on24/11/2015
Nous stabilisons les activations des réseaux de neurones récurrents (RNN) en pénalisant la distance au carré entre les normes d’états cachés successifs.... En savoir plus
Recombinator Networks: Learning Coarse-to-Fine Feature Aggregation
Posted on23/11/2015
Les réseaux neuronaux profonds avec des couches alternées de convolution, de max-pooling et de décimation sont largement utilisés dans les architectures de... En savoir plus
Recurrent Neural Networks for Emotion Recognition in Video
Posted on09/11/2015
Les approches de l’analyse faciale et de l’analyse vidéo, basées sur l’apprentissage profond, ont récemment démontré des performances élevées dans une variété... En savoir plus
Delving Deeper into Convolutional Networks for Learning Video Representations
Posted on04/11/2015
Nous proposons une approche qui vise à apprendre les caractéristiques spatio-temporelles dans les vidéos à partir de représentations visuelles intermédiaires appelées «percepts»... En savoir plus
Modeling User Exposure in Recommendation
Posted on23/10/2015
Le filtrage collaboratif analyse les préférences des utilisateurs pour des éléments (livres, films, restaurants, documents universitaires, etc.) en exploitant les schémas de... En savoir plus
Dynamic Poisson Factorization
Posted on23/09/2015
Les modèles pour les systèmes de recommandation utilisent des facteurs latents pour expliquer les préférences et les comportements des utilisateurs vis-à-vis d’un... En savoir plus
Describing Multimedia Content using Attention-based Encoder–Decoder Networks
Posted on23/09/2015
Alors que les réseaux de neurones profonds étaient principalement utilisés pour les tâches de classification, ils se développent rapidement dans le domaine... En savoir plus
A Recurrent Latent Variable Model for Sequential Data
Posted on07/06/2015
Dans cet article, nous explorons l’inclusion de variables aléatoires dans l’état caché dynamique d’un réseau de neurones récurrent (RNN) en combinant des... En savoir plus
Deep Learning
Posted on28/05/2015
L’apprentissage en profondeur permet aux modèles informatiques composés de plusieurs couches de traitement d’apprendre des représentations de données avec plusieurs niveaux d’abstraction.... En savoir plus
Deep Exponential Families
Posted on23/05/2015
Nous décrivons les familles profondes exponentielles (DEFs), une classe de modèles de variables latentes inspirés par les structures cachées utilisées dans les... En savoir plus