2018-04-05 Ajout de références modules#
Dans Traduction automatique :
Dans l-ml2a-object-detection :
Dans l-ml2a-reconstruction-image :
Dans Multi Agent Reinforcement Learning (MARL) :
Dans Communautés :
Dans Auto-Learning (metalearning):
Dans Projections, Réduction des dimensions :
Dans De la théorie à la pratique :
Gradient Boosting With Piece-Wise Linear Regression Trees, ils affirment être meilleur que xgboost et lightgbm (implémentation GBDT-PL)
Dans Graphe et embedding :
Dans Apprentissage non supervisé :
A ten-minute introduction to sequence-to-sequence learning in Keras
Translation with a Sequence to Sequence Network and Attention
Dans Tests A/B :
Dans Reinforcement Learning :
Renewal Monte Carlo: Renewal theory based reinforcement learning
Universal Planning Networks : utilisation de l’apprentissage par renforcement pour caler la progression du bras d’un robot vers la saisie d’une pièce lorsque le chemin est obstrué.
Dans Sélection de variables :
Variable selection using pseudo-variables : l’article utilise la pénalisation pour classer les variables par importance, plus le modèle est pénalisé (type Lasso), plus il réduit le nombre de variables.
Dans Interprétabilité des modèles :
Dans l-ml2a-resolu-detobj3d :
Inclassables :
Near-Optimality Recovery of Linear and N-Convex Functions on Unions of Convex Sets
Minimax Filter: Learning to Preserve Privacy from Inference Attacks : l’article se pose la question de savoir comment empêcher qu’un modèle complexe soit utilisée pour une autre tâche. L’exemple choisi est celui d’un modèle de reconnaissance d’émotions dans un visable, comment éviter que celui-ci ne soit utilisé à l’identification des visages ?
Knowledge Graph Completion via Complex Tensor Factorization : l’article s’intéresse aux graphes, sociaux, savoir. Comment classer une relation en relation hiérarchique ?
Un module :
Et d’autres que je n’ai pas encore triés :