Explore des systèmes d'images basés sur des concepts, basés sur des entités et basés sur des connexions en perspective, en mettant l'accent sur l'analyse des relations graphiques et visuelles entre les images.
Explore le picking automatisé des barres de renforcement dans les données radar pénétrantes au sol à l'aide de techniques d'apprentissage automatique et de traitement du signal.
Explore le transfert de style, la traduction d'images, l'apprentissage auto-supervisé, la prédiction vidéo et la génération de description d'images à l'aide de techniques d'apprentissage en profondeur.
Explore la connexion entre les réseaux neuronaux et la théorie quantique du champ, en se concentrant sur la correspondance entre les espaces de paramètres et de fonctions.
Explore Kernel Principal Component Analysis, une méthode non linéaire utilisant des noyaux pour la résolution linéaire de problèmes et la réduction des dimensions.
Introduit l'analyse de corrélation canonique pour trouver des caractéristiques communes dans des ensembles de données séparés, s'étendant aux données multimodales et aux caractéristiques non linéaires.
Introduit le Support Vector Clustering (SVC) à l'aide d'un noyau gaussien pour la cartographie spatiale des caractéristiques de grande dimension et explique ses contraintes et Lagrangian.
Explore les méthodes du noyau dans l'apprentissage automatique, en mettant l'accent sur leur application dans les tâches de régression et la prévention du surajustement.
Explore le choix des architectures de réseaux graphes neuraux, en évaluant la complexité du modèle et les performances à partir de statistiques de données.
Explore les techniques de délimitation, y compris la transformation de Hough, l'orientation du gradient et la détection de forme, en soulignant l'importance de combiner des techniques basées sur des graphiques et l'apprentissage automatique.
Explore les défis de la validation des électromagnétiques informatiques, en soulignant l'importance des fonctions et des techniques de fiabilité pour la vérification et la validation.
