Apprentissage de représentation différenciées dans des modèles d’apprentissage profond : détection de classes inconnues et interprétabilité
Langue Français
Langue Français
Ce document est protégé en vertu du Code de la Propriété Intellectuelle.
Modalités de diffusion de la thèse :
- Thèse consultable sur internet, en texte intégral.
- Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
Auteur : Christoffel, Quentin
Date de soutenance : 15-11-2024
Directeur(s) de thèse : Deruyver, Aline
Président : Steffenel, Luiz Angelo
Rapporteur(s) : Steffenel, Luiz Angelo - Loor, Pierre de
Membre(s) du jury : Frydman, Claudia - Lampert, Thomas
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Date de soutenance : 15-11-2024
Directeur(s) de thèse : Deruyver, Aline
Président : Steffenel, Luiz Angelo
Rapporteur(s) : Steffenel, Luiz Angelo - Loor, Pierre de
Membre(s) du jury : Frydman, Claudia - Lampert, Thomas
Établissement de soutenance : Strasbourg
Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
École doctorale : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Discipline : Informatique
Classification : Informatique
Mots-clés libres : Apprentissage profond, Réseaux de neurones convolutifs, Détection de classes inconnues (Open-Set Recognition), Interprétabilité, Apprentissage de représentation
Mots-clés :
Classification : Informatique
Mots-clés libres : Apprentissage profond, Réseaux de neurones convolutifs, Détection de classes inconnues (Open-Set Recognition), Interprétabilité, Apprentissage de représentation
Mots-clés :
- Apprentissage profond
- Réseaux neuronaux (informatique)
Type de contenu : Text
Format : PDF
Format : PDF
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2024STRAD027
Type de ressource : Thèse
Identifiant : 2024STRAD027
Type de ressource : Thèse