Réseaux neuronaux et systèmes flous

Geoffrey E. Hinton: Deep learning with multiplicative interactions

Geoffrey E. Hinton : Apprentissage profond avec interactions multiplicatives

Yann LeCun: Learning Hierarchies of Features

Yann LeCun: Apprendre des hiérarchies de caractéristiques

Tara Sainath: The Latest in DNN Research at IBM: DNN-based features, Low-Rank Matrices for Hybrid...

Tara Sainath: Le plus récent en recherche DNN chez IBM : caractéristiques basées sur DNN, matrices de faible rang pour hybrides...

Francesco Martinuzzi: Learning Single and Multiple Chaotic Systems with Minimal Reservoir Computing

Francesco Martinuzzi: Apprentissage de systèmes chaotiques simples et multiples avec un calcul par réservoir minimal

[ИАД, осень 2025] Методы глубокого обучения. Лекция 12: Multimodality, CLIP, BLIP, LLaVA

[IAD, automne 2025] Méthodes d'apprentissage profond. Leçon 12 : Multimodality, CLIP, BLIP, LLaVA

Live from NeurIPS: Meet the Researchers | Nemotron Labs

En direct de NeurIPS : Rencontrez les chercheurs | Nemotron Labs

Become an AI Researcher Course – LLM, Math, PyTorch, Neural Networks, Transformers

Devenez chercheur en IA Cours – LLM, Mathématiques, PyTorch, Réseaux de neurones, Transformers

Google quiere cambiar la IA para siempre (Nested Learning)

Google veut changer l'IA pour toujours (Nested Learning)

Mohammad Tabish: Data-driven operator learning: Dictionary optimization and randomized neural nets

Mohammad Tabish: Apprentissage d'opérateurs basé sur les données : Optimisation de dictionnaires et réseaux neuronaux aléatoires

Deep Learning for intrusion detection in emerging technologies with Dr. Euclides Neto

Deep Learning pour la détection d'intrusions dans les technologies émergentes avec Dr. Euclides Neto

He Co-Invented the Transformer. Now: Continuous Thought Machines [Llion Jones / Luke Darlow]

Il a co-inventé le Transformer. Maintenant : Machines à Pensée Continue [Llion Jones / Luke Darlow]

Why you should see the world like a large language model | Dan Shipper: Full Interview

Pourquoi il faut voir le monde comme un vaste modèle de langage | Interview complète de Dan Shipper

Recursive Reasoning with Tiny Networks

Raisonnement récursif avec de minuscules réseaux

Dana Angluin: Trying to Understand Transformers

Dana Angluin: Essayer de comprendre les Transformers

Understanding PINN’s Failure Modes || Progressive Sharpening from Jacobian Alignment|| Nov 14, 2025

Comprendre les modes de défaillance de PINN || Affûtage progressif à partir de l'alignement jacobien || 14 novembre 2025

MLP Live session 25T3 Week8

MLP Live session 25T3 Semaine8

[M2L 2025] 4.2 A Broad Introduction to Topological Deep Learning - Mathilde Papillon

[M2L 2025] 4.2 Une introduction générale à l'apprentissage profond topologique - Mathilde Papillon

De vidrios de espín a redes neuronales de grafos: lo que a física le enseñó inteligencia artificial

Des verres de spin aux réseaux de neurones sur graphes : ce que l’intelligence artificielle a appris à la physique

AI Physics Deep Dive | Industrial Engineering Live Stream Series

Immersion dans la physique de l'IA | Série de live streams sur l'ingénierie industrielle

[M2L 2025] 1.2 Modularity and Compositionality for Collaborative, Efficient ... - Ivan Vulić

[M2L 2025] 1.2 Modularité et compositionnalité pour une collaboration et une efficacité ... - Ivan Vulić

[M2L 2025] 1.1 Introduction to Deep Learning and Transformers - Skanda Koppula

[M2L 2025] 1.1 Introduction au Deep Learning et aux Transformers - Skanda Koppula

Alphafold2 principios capacidades y limitaciones

Alphafold2 principes capacités et limites

Weight Initialization | Xavier | He | Zero | Symmetry Problem | Deep Learning Part 7

Initialisation des poids | Xavier | He | Zéro | Problème de symétrie | Deep Learning Partie 7

Geordie Williamson: Neural Networks for Mathematical Discovery (October 29, 2025)

Geordie Williamson: Réseaux de neurones pour la découverte mathématique (29 octobre 2025)

Hands-on Machine Learning -- Introduction to Artificial Neural Networks

Hands-on Machine Learning -- Introduction aux réseaux de neurones artificiels

[Paper Analysis] The Free Transformer (and some Variational Autoencoder stuff)

[Analyse d'article] Le transformateur libre (et quelques notions d'auto-encodeur variationnel)

MLP Live session Week 6

Session live MLP Semaine 6

Differential Equations as Neural Network Representations || Oct 31, 2025

Représentation des équations différentielles par les réseaux de neurones || 31 oct. 2025

MLP 25 T3 Week6

MLP 25 T3 Semaine 6

Mystères mathématiques d’intelligences pas si artificielles - Stéphane Mallat

MLP_Week5_LiveSession

Session en direct de la semaine 5 de MLP

Séminaire DIC-ISC-CRIA - 23 octobre 2025 par Terry SEJNOWSKI

[ИАД, осень 2025] Foundation models for spatial-time series. Занятие 5

[ИАД, automne 2025] Foundation models for spatial-time series. Занятие 5

Bin Yu — Understanding Deep Learning Models via Interaction Importance (Sept. 25, 2025)

Bin Yu — Comprendre les modèles d'apprentissage profond via l'importance des interactions (25 sept. 2025)

Alejandro Ribeiro — Spectral Analyses of Graph Neural Networks (Sept. 26, 2025)

Alejandro Ribeiro — Analyses spectrales de réseaux neuronaux graphiques (26 septembre 2025)

Stanford CS230 | Autumn 2025 | Lecture 4: Adversarial Robustness and Generative Models

Stanford CS230 | Automne 2025 | Cours 4 : Robustesse adversariale et modèles génératifs

Stanford CME295 Transformers & LLMs | Autumn 2025 | Lecture 2 - Transformer-Based Models & Tricks

Stanford CME295 Transformers et LLMs | Automne 2025 | Conférence 2 - Modèles basés sur les Transformers et astuces

Stanford CME295 Transformers & LLMs | Autumn 2025 | Lecture 1 - Transformer

Stanford CME295 Transformers & LLMs | Automne 2025 | Cours 1 - Transformer

Stabilizing PDE-ML system || How Does Neural Network Training Work || Oct 17, 2025

Stabilisation du système PDE-ML || Comment fonctionne l'entraînement des réseaux de neurones || 17 octobre 2025

Regularization | L1 & L2 | Dropout | Data Augmentation | Early Stopping | Deep Learning Part 4

Régularisation | L1 et L2 | Dropout | Augmentation de données | Arrêt précoce | Apprentissage profond Partie 4