Show simple document record

dc.contributor.advisorLarochelle, Hugo
dc.contributor.authorLauly, Stanislasfr
dc.date.accessioned2016-08-22T18:49:01Z
dc.date.available2016-08-22T18:49:01Z
dc.date.created2016fr
dc.date.issued2016-08-22
dc.identifier.urihttp://hdl.handle.net/11143/9461
dc.description.abstractDepuis le milieu des années 2000, une nouvelle approche en apprentissage automatique, l'apprentissage de réseaux profonds (deep learning), gagne en popularité. En effet, cette approche a démontré son efficacité pour résoudre divers problèmes en améliorant les résultats obtenus par d'autres techniques qui étaient considérées alors comme étant l'état de l'art. C'est le cas pour le domaine de la reconnaissance d'objets ainsi que pour la reconnaissance de la parole. Sachant cela, l’utilisation des réseaux profonds dans le domaine du Traitement Automatique du Langage Naturel (TALN, Natural Language Processing) est donc une étape logique à suivre. Cette thèse explore différentes structures de réseaux de neurones dans le but de modéliser le texte écrit, se concentrant sur des modèles simples, puissants et rapides à entraîner.fr
dc.language.isofrefr
dc.language.isoengfr
dc.publisherUniversité de Sherbrookefr
dc.rights© Stanislas Laulyfr
dc.subjectDeep learningfr
dc.subjectRéseaux profondsfr
dc.subjectRéseau de neuronesfr
dc.subjectTraitement automatique du langage naturelfr
dc.subjectTALNfr
dc.subjectNatural language processingfr
dc.subjectNLPfr
dc.titleExploration des réseaux de neurones à base d'autoencodeur dans le cadre de la modélisation des données textuellesfr
dc.typeThèsefr
tme.degree.disciplineInformatiquefr
tme.degree.grantorFaculté des sciencesfr
tme.degree.levelDoctoratfr
tme.degree.namePh.D.fr


Files in this document

Thumbnail

This document appears in the following Collection(s)

Show simple document record