Global ETD Search

31	Inférence de réseaux d'interaction protéine-protéine par apprentissage statistique Brouard, Céline 14 February 2013 (has links) (PDF) L'objectif de cette thèse est de développer des outils de prédiction d'interactions entre protéines qui puissent être appliqués en particulier chez l'homme, sur les protéines qui constituent un réseau avec la protéine CFTR. Cette protéine, lorsqu'elle est défectueuse, est impliquée dans la mucoviscidose. Le développement de méthodes de prédiction in silico peut s'avérer utile pour suggérer aux biologistes de nouvelles cibles d'interaction et pour mieux expliquer les fonctions des protéines présentes dans ce réseau. Nous proposons une nouvelle méthode pour le problème de la prédiction de liens dans un réseau. Afin de bénéficier de l'information des données non étiquetées, nous nous plaçons dans le cadre de l'apprentissage semi-supervisé. Nous abordons ce problème de prédiction comme une tâche d'apprentissage d'un noyau de sortie, appelée régression à noyau de sortie. Un noyau de sortie est supposé coder les proximités existantes entre les noeuds du graphe et l'objectif est d'approcher ce noyau à partir de descriptions appropriées en entrée. L'utilisation de l'astuce du noyau dans l'ensemble de sortie permet de réduire le problème d'apprentissage à partir de paires à un problème d'apprentissage d'une fonction d'une seule variable à valeurs dans un espace de Hilbert. En choisissant les fonctions candidates pour la régression dans un espace de Hilbert à noyau reproduisant à valeur opérateur, nous développons, comme dans le cas de fonctions à valeurs scalaires, des outils de régularisation. Nous établissons en particulier des théorèmes de représentation dans le cas supervisé et dans le cas semi-supervisé, que nous utilisons ensuite pour définir de nouveaux modèles de régression pour différentes fonctions de coût, appelés IOKR-ridge et IOKR-margin. Nous avons d'abord testé l'approche développée sur des données artificielles, des problèmes test ainsi que sur un réseau d'interaction protéine-protéine chez la levure S. Cerevisiae et obtenu de très bons résultats. Puis nous l'avons appliquée à la prédiction d'interactions entre protéines dans le cas d'un réseau construit autour de la protéine CFTR. interactions protéine-protéine prédiction de liens méthodes à noyaux apprentissage semi-supervisé noyau à valeur opérateur régression à noyau de sortie sorties structurées
32	Deep learning of representations and its application to computer vision Goodfellow, Ian 04 1900 (has links) No description available. Réseau de neurones Apprentissage profond Apprentissage non supervisé Apprentissage supervisé Apprentissage semi-supervisé Machines de Boltzmann Modèles basés sur l’énergie Inference variationnel Apprentissage variationnel Codage parcimonieux Neural networks Deep learning Unsupervised learning Supervised learning Semi-supervised learning Boltzmann machines Energy-based models Variational inference Variational learning Sparse coding
33	Towards deep semi supervised learning Pezeshki, Mohammad 05 1900 (has links) No description available. Neural networks Machine learning Deep learning Representation learning Unsupervised learning Supervised learning Semi-supervised learning Model regularization Réseaux de neurones Apprentissage automatique Apprentissage de représentations Apprentissage non supervisé Apprentissage supervisé Apprentissage semi-supervisé Régularisation
34	Feature extraction on faces : from landmark localization to depth estimation Honari, Sina 12 1900 (has links) No description available. Neural networks Deep learning Convolutional networks Supervised learning Unsupervised learning Semi-supervised learning Coarse-to-fine architectures Landmark localization Depth estimation Face rotation Face replacement Réseaux neuronaux Apprentissage profond Réseaux neuronaux de convolution Apprentissage supervisé Apprentissage non-supervisé Apprentissage semi-supervisé Architectures grossières à fines Localisation de points clés Estimation de la profondeur Rotation de visage Échange de visage

Page generated in 0.1017 seconds