Mounir A. BOUKADOUM - 19 septembre 2024 à 10h30 au PK-5115
TITRE: Le méta-apprentissage en quelques coups (few-shot learning)
RÉSUMÉ:
Grâce aux progrès réalisés dans l’architecture et l’entraînement des réseaux de neurones artificiels, l’intelligence artificielle a fait des bonds spectaculaires dans la résolution de problèmes complexes de classification, de prédiction et, dans une certaine mesure, de prise de décision. Cependant, cette prouesse impose souvent d’importantes contraintes à satisfaire au préalable, dont de grands ensembles d’entraînement des réseaux neuronaux. Cette condition est difficile à remplir dans de nombreux domaines de la science et de l’ingénierie où l’acquisition de données peut être difficile, coûteuse ou soumise à des règles. La présentation aborde les façons de travailler avec des ensembles de données d’entraînement de petite taille et comment le méta-apprentissage, une forme d’apprentissage par transfert où plusieurs petits modèles sont fédérés, peut conduire à des solutions efficaces. Elle présente l’apprentissage en quelques coups, un exemple de méta-apprentissage basé sur la comparaison, avec deux exemples d’application.
BIOGRAPHIE:
Mounir A. BOUKADOUM est professeur titulaire au Département d’informatique de l’Université du Québec à Montréal (UQÀM). Ses recherches se concentrent principalement sur l’ingénierie microélectronique et bio-inspirée, notamment l’intelligence artificielle et la modélisation de réseaux de neurones pour des fonctions d’apprentissage. Il est directeur du laboratoire MicroPro et du ReSMiQ, ainsi que co-fondateur de la conférence IEEE NEWCAS. Mounir Boukadoum a publié largement dans les domaines des systèmes neuronaux et des technologies bio-inspirées.
RÉFÉRENCES:
Souaker, F., & Boukadoum, M. (2024, February). Light Siamese Neural Network Architecture for Image Comparison. In 2024 IEEE 15th Latin America Symposium on Circuits and Systems (LASCAS) (pp. 1-5). IEEE.
S Tam, M Boukadoum, A Campeau-Lecours, B Gosselin (2022,June).Convolutional neural network and few-shot learning for embedded gesture recognition. In 2022 20th IEEE Interregional NEWCAS Conference (NEWCAS), pp. 114-118