Amir DIB : Apprentissage de motifs en grande dimension pour les séries symboliques

ENS Paris-Saclay

Résumé : Bien que l’adoption de l’apprentissage automatique dans de nombreux contextes appliqués ait connu une croissance rapide au cours de la dernière décennie, son utilisation dans certains environnements industriels reste problématique. La raison principale tient au conflit entre les procédures historiques établies et l’incertitude et le manque de transparence du processus de décision d’un […]

Guillaume RICHARD : Transfer Learning for Temporal Data

ENS Paris-Saclay

Résumé : Dans ce travail, nous proposons de nouvelles méthodes d'apprentissage par transfert pour l'analyse des séries temporelles. Motivés par des applications de désagrégation de la consommation d'électricité des ménages (NILM) et de surveillance de systèmes industriels, nous mettons en lumière le besoin de méthodes spécifiques d'apprentissage par transfert pour les séries temporelles. Après avoir […]