Fiche de PASCAL Lucas

Titre : Optimization of Deep Multi-Task Networks
Date : 8 novembre 2021
Heure: 14:00
Résumé : L'apprentissage multi-tâches est un paradigme d'apprentissage qui consiste à optimiser des paramètres par rapport à plusieurs tâches simultanément. En apprenant plusieurs tâches liées, un modèle d'apprentissage dispose d'un ensemble d'informations plus complet concernant sur le domaine d'entrée dont les tâches sont issues, lui permettant ainsi de construire un meilleur biais inductif. Cependant, en pratique, les gains de performance obtenus par les réseaux multi-tâches sont loin d'être systématiques. Il arrive au contraire que ces réseaux multi-tâches subissent une perte de performance causée par des interférences inter-tâches. Cette thèse traite du problème d'interférences inter-tâches en apprentissage multi-tâches, afin d'améliorer les capacités de généralisation des réseaux de neuronnes profonds.
Lieu : Eurecom