Improving sampling, optimization and feature extraction in Boltzmann machines

- 15:00 - Yoshua Bengio - Événements

Soutenance de thèse de Guillaume Desjardins, Département d'informatique et de recherche opérationnelle.

Date : jeudi 20 février 2014

Heure : 15 h 00

Endroit : salle Z-245, Pavillon Claire-McNicoll, 2900 boul. Édouard-Montpetit

Résumé :

Despite the current widescale success of deep learning in training large scale hierarchical models through supervised learning, unsupervised learning promises to play a crucial role towards solving general Artificial Intelligence, where agents are expected to learn with little to no supervision. The work presented in this thesis tackles the problem of unsupervised feature learning and density estimation, using a model family at the heart of the deep learning phenomenon: the Boltzmann Machine (BM). We present contributions in the areas of sampling, partition function estimation, optimization and the more general topic of invariant feature learning.

Jury :

  • Président-rapporteur : Jean-Yves Potvin
  • Directeur de recherche : Yoshua Bengio
  • Co-directeur de recherche : Aaron Courville
  • Membre du jury : Roland Memisevic
  • Examinateur externe : Prof. Geoffrey Hinton, University of Toronto, Department of Computer Science
  • Représentante du doyen de la faculté : Mme Andrea Bianchi, professeure agrégée, Département de physique
Partager :
  • Envoyer
  • Imprimer
Mots clés :
  • Boltzmann machines
  • soutenance de thèse
  • deep learning