Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.
0 évaluation0% ont trouvé ce document utile (0 vote)
175 vues2 pages
Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.
Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.
Le document décrit 9 projets d'intelligence artificielle portant sur des sujets tels que les réseaux de neurones artificiels, les réseaux de neurones convolutifs, les réseaux de neurones récurrents, les machines de Boltzmann restreintes et l'apprentissage par renforcement.
Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
Télécharger au format pdf ou txt
Vous êtes sur la page 1/ 2
Université Sidi Mohamed Ben Abdellah Module : Intelligence Artificielle
Ecole Nationale des Sciences Appliquées de Fès Niveau : 2ème année GSEII A.U : 2019-2020 Professeur : Hiba Chougrad
Projets IA
- Travail en équipe : 9 groupes de 4 personnes
- Rapport détaillé+ Présentation de 20 minutes le 02/04/2020 - Si vous avez besoin de plus de puissance de calcul utilisez Colab : https://colab.research.google.com/
1- ANN (Artificial Neural Networks)
Explication de l’architecture d’un ANN Les fonctions d’activation Eviter l’overfitting avec le Dropout Les choix de fonctions loss : mse, binary_crossentropy, categorical_crossentropy La mise à jour des poids par un optimisateur : Stochastic Gradient Descent Vanishing Gradient Problem Application sur Parkinsons Dataset : https://archive.ics.uci.edu/ml/datasets/parkinsons
2- CNN (Convolutional Neural Networks)
Explication de l’architecture d’un CNN Classification d’images Application sur CIFAR-10 Dataset : https://www.cs.toronto.edu/~kriz/cifar.html
3- RNN-LSTM (Recurrent Neural Networks, Long Short-term Memory)
Explication de l’architecture Long Short-term Memory Application : Génération de paroles de chansons de Taylor Swift Dataset : https://www.kaggle.com/PromptCloudHQ/taylor-swift-song-lyrics-from-all- the-albums
Explication de l’Architecture Gated Recurrent Unit Sentiment Analysis : Classification des commentaires des films sur le site IMDb Application sur IMDb Dataset : http://ai.stanford.edu/~amaas/data/sentiment/ 5- RESTICTED BOLTZMANN MACHINE Explication de l’architecture Apprendre une représentation des features de façon non-supervisée depuis les images en utilisant Bernoulli Restricted Boltzmann Machine Utiliser la régression logistique ensuite pour la classification Application sur MNIST Dataset : http://yann.lecun.com/exdb/mnist/
6- Auto-Encoders Explication de l’architecture Application sur MNIST Dataset : http://yann.lecun.com/exdb/mnist/
7- Reinforcement Learning Explication du Q-learning Le Processus de décision markovien Simulation d’un Taxi : s'assurer que le taxi atteint le passager, le récupère et l'amène au lieu de dépôt de la manière la plus rapide possible. Lien : https://www.kaggle.com/angps95/intro-to-reinforcement-learning-with-openai- gym
8- Video classification Explication du processus de la classification des vidéos Utilisation du réseau de neurones convolutionnel Resnet50 Classification des activités sportives Application sur Sports Dataset : https://github.com/anubhavmaity/Sports-Type- Classifier
9- Natural Language Processing : the Skip-gram model
Explication de l’approche semi-supervisée du modèle Skip-gram pour le traitement du langage naturel Application sur Wikipedia Dataset : http://mattmahoney.net/dc/textdata.html Lien : http://www.realworldnlpbook.com/blog/gentle-introduction-to-skipgram- word2vec-model-allennlp-ver.html
