Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Cartes cognitives chez les rats et les hommes

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (34)

Deep Learning pour le NLP Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'apprentissage profond pour la PNL, en couvrant les insertions de mots, les représentations contextuelles, les techniques d'apprentissage et les défis tels que les gradients de disparition et les considérations éthiques.

BERT: Préformation et Applications Connectez-vous à Mediaspace pour regarder cette vidéo

Se penche sur la préformation BERT pour les transformateurs, discutant de ses applications dans les tâches de PNL.

Transformers : l’auto-attention et le MLP Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les transformateurs, en mettant l'accent sur l'auto-attention et les mécanismes MLP pour un traitement de séquence efficace.

Modèles de génération profonde: Partie 2 Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles générateurs profonds, y compris les mélanges de multinômes, PCA, autoencodeurs profonds, autoencodeurs convolutionnels, et GANs.

Fondements de l'apprentissage profond: Aperçu de l'architecture transformatrice Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les concepts fondamentaux de l'apprentissage profond et de l'architecture Transformer, en se concentrant sur les réseaux neuronaux, les mécanismes d'attention et leurs applications dans les tâches de modélisation de séquence.

Prédiction de réaction chimique : Transformateur moléculaire Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la prédiction des réactions chimiques à l'aide de modèles générateurs et de transformateurs moléculaires, soulignant l'importance du traitement du langage moléculaire et de la stéréochimie.

Transformateurs dans la vision Connectez-vous à Mediaspace pour regarder cette vidéo

Explore Transformers dans la vision informatique, se concentrant sur l'architecture 'Attention est tout ce dont vous avez besoin' et ses applications dans les tâches visuelles.

Pré-entraînement : BiLSTM et Transformateur Connectez-vous à Mediaspace pour regarder cette vidéo

Plongez dans les modèles BiLSTM et Transformer de pré-formation pour les tâches NLP, en démontrant leur efficacité et leurs applications.

La modélisation perceptuelle : comprendre la pensée spatiale et la vision Connectez-vous à Mediaspace pour regarder cette vidéo

Examine la modélisation perceptuelle et la pensée spatiale dans l'intelligence visuelle, explorant les théories, les cartes cognitives et l'interaction entre le traitement ascendant et descendant.

Réactions chimiques : Architecture des transformateurs Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la cartographie des atomes dans les réactions chimiques et la transition vers la grammaire réactionnelle à l'aide de l'architecture du transformateur.

Modèles de génération profonde Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles génératifs profonds, y compris les auto-encodeurs variationnels, les GAN et les GAN convolutifs profonds.

Architecture de l'information Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'architecture de l'information, la psychologie cognitive, l'optimisation de la findability et les outils de conception de l'expérience utilisateur.

Indexation sémantique latente : concepts et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'indexation sémantique latente, une technique de cartographie des documents dans un espace conceptuel pour la recherche et la classification.

Architectures de transformateurs : mécanismes d'attention subquadratiques Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'architecture des transformateurs et les mécanismes d'attention subquadratiques, en se concentrant sur les approximations efficaces et leurs applications dans l'apprentissage automatique.

Page 2 sur 2