Canal-U

Mon compte

Résultats de recherche

Nombre de programmes trouvés : 14197
Conférences

le (53m48s)

Les rêves dans leurs histoires

Avec Jacqueline Carroy, directrice d’études Présenter par André Grelon, directeur d'étudesDepuis, notamment, les recherches de Jacques Le Goff, plusieurs travaux relevant des sciences sociales au sens large ont montré qu’on pouvait situer les rêves humains dans une ou des histoires en évoquant les cultures et les croyances auxquelles ils ont été liés.Selon les époques, les expèriences oniriques ont pu кtre ainsi des vecteurs de savoirs, de sciences et de pratiques multiformes et mкlйes. Elles ont été investies de façon diverse de sens prophétiques, thérapeutiques, autobiographiques, érotiques, honteux, tristes, ludiques ou politiques… Elles ont été enfin mises en récit ...
Voir la vidéo
Conférences

le (1h32m39s)

#LundisNum - 10/12/18 Dominique Stutzmann : Projet Himanis

Projet Himanis : faire des recherches plein texte dans le Trésor des Chartes avec OCR d'écritures manuscrites grâce au deep learning10 décembre 2018.▬ L’intelligence artificielle (deep learning) a débloqué l’accès au texte des manuscrits médiévaux ! Les partenaires du projet européen HIMANIS ont réalisé, pour la première fois au monde, l’indexation et la recherche en plein texte de dizaines de milliers de pages de manuscrits médiévaux, dont l’écriture est, souvent difficile à lire même pour les historiens chevronnés. Sur les deux cents volumes des « registres du Trésor des chartes », cartulaires et formulaires, contenant les textes produits par la ...
Voir la vidéo
Conférences

le (1h18m1s)

Self-Supervised Visual Learning and Synthesis

Computer vision has made impressive gains through the use of deep learning models, trained with large-scale labeled data. However, labels require expertise and curation and are expensive to collect. Can one discover useful visual representations without the use of explicitly curated labels? In this talk, I will present several case studies exploring the paradigm of self-supervised learning — using raw data as its own supervision. Several ways of defining objective functions in high-dimensional spaces will be discussed, including the use of General Adversarial Networks (GANs) to learn the objective function directly from the data. Applications of self-supervised learning will be ...
Voir la vidéo

 
FMSH
 
Facebook Twitter Google+
Mon Compte