Publications associées à Connexionnisme

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connexionnisme

Graph Chatbot

Chattez avec Graph Search

Learning to Find Good Correspondences

Learning to Find Good Correspondences

Non-intrusive reduced order modeling of nonlinear problems using neural networks

Cross-lingual Adaptation of a CTC-based multilingual Acoustic Model

Unsupervised Learning of Sentence Embeddings using Compositional n-Gram Features

An Investigation of Deep Neural Networks for Multilingual Speech Recognition Training and Adaptation

Question Answering in Conversations: Query Refinement Using Contextual and Semantic Information

Analyzing Volleyball Match Data from the 2014 World Championships Using Machine Learning Techniques

Models of crowding: a comparative study

Improving Object Classification using Pose Information

Non-intrusive reduced order modeling of nonlinear problems using neural networks

Cross-lingual Adaptation of a CTC-based multilingual Acoustic Model

An Investigation of Deep Neural Networks for Multilingual Speech Recognition Training and Adaptation

Question Answering in Conversations: Query Refinement Using Contextual and Semantic Information

Analyzing Volleyball Match Data from the 2014 World Championships Using Machine Learning Techniques

Models of crowding: a comparative study

Improving Object Classification using Pose Information

Learning to Find Good Correspondences

Learning to Find Good Correspondences

Unsupervised Learning of Sentence Embeddings using Compositional n-Gram Features