Notice
Memory, Light, Spin Glasses, and Deep Classification
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Marco Leonetti livre une présentation de haut niveau, à la fois riche et inspirante à l'interface de l'apprentissage machine, de la physique statistique et de l'optique ondulatoire en milieu diffusant.
Dans le cadre des Journées Imagerie Optique Non Conventionnelle (JIONC) du GdR IASIS, un front de science consiste en la conception conjointe de l'optique et du capteur pour reconstruire des images de qualité. Dans ce webinaire, la partie optique inclut également des aspects de mémoire qui permettent un traitement tout optique qui va au delà de la seule image. Marco Leonetti livre une présentation de haut niveau, à la fois riche et inspirante à l'interface de l'apprentissage machine, de la physique statistique et de l'optique ondulatoire en milieu diffusant. Il y propose des architectures matérielles de deep learning à base de micro-miroirs adressés DMD (Digital Micro Device) et très efficaces d'un point de vue énergétique.
Intervention / Responsable scientifique
Sur le même thème
-
Machine Learning Regularization via Information Measures
Iñaki EsnaolaL’effet de l’asymétrie de l’entropie relative est analysé dans le contexte de la minimisation du risque empirique (ERM) avec régularisation par entropie relative (ERM-RER).
-
Minimization and Maximization of Empirical Risks: Applications in Data Unlearning and Decentralized…
BermudezYaizaCette présentation propose une nouvelle perspective sur la minimisation et la maximisation des risques empiriques avec régularisation par entropie relative en apprentissage statistique.
-
Rethinking Generalisation: Beyond KL with Geometry and Comparators
GuedjBenjaminIntervention sur la généralisation en apprentissage automatique, les avancées récentes de la théorie PAC-bayésienne, l’usage des distances de Wasserstein, les cadres généraux de comparateurs, ainsi
-
Comment les machines apprennent ?
FerréArnaudANF TDM et IA 2025 | Comment les machines apprennent ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Comment une IA peut-elle faire la conversation ?
FerréArnaudANF TDM et IA 2025 | Comment une IA peut-elle faire la conversation ? avec Arnaud Ferré (MaIAGE, INRAE)
-
Interagir efficacement avec un agent conversationnel
ChifuAdrian-GabrielANF TDM et IA 2025 | Comment interagir efficacement avec un agent conversationnel : prompt engineering et prompt hacking avec Adrian Chifu (LIS, Aix-Marseille Université)
-
Les modèles de langue : usages et enjeux sociétaux
GuigueVincentANF TDM et IA 2025 | Les modèles de langue : usages et enjeux sociétaux avec Vincent Guigue (MIA, AgroParisTech)
-
Déploiement d'IA sécurisées en local appliqué aux données sensibles et open source
SanjuanEricANF TDM et IA 2025 | Retour d’expérience sur le déploiement d'IA sécurisées en local (processus ETLs) appliqué aux données sensibles (santé) et open source (OpenAlex) avec Éric SanJuan (LIA, Avignon
-
Interroger ses documents avec des grands modèles de langage : méthode RAG
PoulainPierreANF TDM et IA 2025 | Interroger ses documents avec des grands modèles de langage : découverte de la méthode RAG avec Pierre Poulain (Laboratoire de Biochimie Théorique, Université Paris Cité)
-
Apprentissage de la dynamique de la fumée à partir d’images avec des Gaussiennes 3D
DenisLouCes travaux ont pour objectif d’inférer la dynamique 3D de la fumée à partir d’images multi-vues...
-
Analysis of deforming 3D shapes
WuhrerStefanieThis talk presents our recent results on data-driven representations and analyses of deforming 3D shapes. Three classes of shapes will be discussed...
-
Une minute avec Pierrick Legrand
LegrandPierrickDe Nantes à Bordeaux en passant par le Mexique, Pierrick Legrand nous partage son parcours guidé par la passion des mathématiques et le plaisir d’apprendre chaque jour.
