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.
Couvre les fondamentaux des réseaux de neurones profonds et des splines, explorant leurs propriétés, leurs implications et leurs applications dans l'apprentissage automatique moderne.
Couvre l'intelligence visuelle, les réseaux de rétroaction, la prédiction basée sur la taxonomie et les réseaux neuronaux récurrents pour la classification des images.
Explore la vision par ordinateur dans l'IA incarnée, couvrant la navigation d'objets et la génération de vidéos à partir d'images uniques, en mettant l'accent sur la robustesse et la précision.
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.
Il s'agit de numériser les documents historiques, de normaliser la structure des documents et d'appliquer les réseaux neuraux à la reconnaissance du texte et à la segmentation de l'image.
Introduit des réseaux neuronaux convolutionnels pour le traitement de l'image, couvrant les composants de base, les architectures et les applications pratiques, y compris la dénouement et la segmentation.
Discute des réseaux neuronaux convolutifs, de leur architecture, des techniques de formation et des défis tels que des exemples contradictoires en apprentissage profond.
