Apprentissage machine non supervisé avec les systèmes complexes
FR |
EN
Auteur / Autrice : | Hugo Cisneros |
Direction : | Josef Sivic |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 01/09/2019 |
Etablissement(s) : | Université Paris sciences et lettres |
Ecole(s) doctorale(s) : | École doctorale Sciences mathématiques de Paris centre (Paris ; 2000-....) |
Partenaire(s) de recherche : | Laboratoire : DIENS - Département d'informatique de l'École normale supérieure |
établissement opérateur d'inscription : École normale supérieure (Paris ; 1985-....) |
Mots clés
FR |
EN
Résumé
FR |
EN
Cette projet de thèse consite à explorer et développer des approches de machine learning qui se reposent moins sur la supervision que les techniques de l'état de l'art actuel, à l'instar des réseaux de neurones entraînés avec une descente de gradient stochastique. Les domaines de recherches qui seront explorés comprennent le reinforcements learning, la vie artificielle, l'évolution, les systèmes complexes et comportement émergents, l'apprentissage continuel, et autres. Des applications possibles de ce projets sont le développement de systèmes de machine learning avec une mémoire complexe ainsi que la communication intelligente d'agents.