The Toronto Paper Matching System: An automated paper-reviewer assignment system
Posted on23/06/2013
L’une des tâches les plus importantes des organisateurs de conférence est l’attribution des articles aux réviseurs. L’évaluation des articles par les examinateurs... En savoir plus
Generalized Denoising Auto-Encoders as Generative Models
Posted on29/05/2013
Des travaux récents ont montré comment des auto-encodeurs non liés et contractifs capturent implicitement la structure de la densité générant des données,... En savoir plus
Active Learning for Matching Problems
Posted on23/06/2012
Un apprentissage efficace des préférences de l’utilisateur est essentiel pour alléger le fardeau de l’utilisateur lié à divers types de problèmes d’appariement.... En savoir plus
A Framework for Optimizing Paper Matching
Posted on23/07/2011
Au cœur de nombreuses conférences scientifiques se trouve le problème de la correspondance entre les articles soumis et les examinateurs appropriés. Arriver... En savoir plus
Deep Sparse Rectifier Neural Networks
Posted on01/03/2011
Bien que les neurones logistiques sigmoïdes soient biologiquement plus plausibles que les neurones hyperboliques tangents, ces derniers fonctionnent mieux pour la formation... En savoir plus
Understanding the difficulty of training deep feedforward neural networks
Posted on01/03/2010
Alors qu’avant 2006, il semblait que les réseaux de neurones multicouches profonds n’avaient pas été formés avec succès, plusieurs algorithmes se sont... En savoir plus
Curriculum Learning
Posted on01/03/2009
Les êtres humains et les animaux apprennent beaucoup mieux lorsque les exemples ne sont pas présentés au hasard, mais organisés dans un... En savoir plus
Hierarchical POMDP Controller Optimization by Likelihood Maximization
Posted on23/07/2008
La planification peut souvent être simplifiée en décomposant la tâche en tâches plus petites organisées hiérarchiquement. Charlin et al. [4] ont récemment... En savoir plus
Automated Hierarchy Discovery for Planning in Partially Observable Environments
Posted on23/12/2006
Planning in partially observable domains is a notoriously difficult problem. However, in many real-world scenarios, planning can be simplified by decomposing the... En savoir plus
Learning a synaptic learning rule
Posted on01/03/1991
Cet article présente une approche originale de la modélisation neuronale basée sur l’idée de la recherche avec des méthodes d’apprentissage, pour une... En savoir plus
