|
|
Active by Milestone
No Milestone
| # |
Summary |
Assigned to |
Status |
| 46 | Garder avec jobman la version des modules utiliser(theano, pylearn, ift6266,...) | nouiz | New |
Créer résultats baseline avec algos d'apprentissage classiques
| # |
Summary |
Assigned to |
Status |
| 7 | Baseline régression logistique sur NIST | mcote | Accepted |
| 8 | Baseline MLP ordinaire NIST | XavierMuller | Test |
| 9 | Optimiser le temps d'entraînement des MLPs | pascanur | New |
| 10 | Étendre le code mlp.py du tutoriel à un nombre de couches variable | humel | Test |
| 18 | Entraîner un réseau à convolution de type lenet5 | jeremyE | Test |
| 49 | entraîner séparément le MLP sur les chiffres, majuscules, minuscules | XavierMuller | Test |
| 50 | entraîner séparément le SDA sur les chiffres, majuscules, minuscules | fsavard | New |
| 52 | Entraîner différentes variantes de RBMs sur NIST, PNIST, P07 | goldfinger | Accepted |
Transformations synthétiques des données
| # |
Summary |
Assigned to |
Status |
| 40 | Créer versions des données restreintes à sous-classes chiffres ou lettres | jeremyE | Accepted |
Créer résultats avec algos d'apprentissage architectures profondes
| # |
Summary |
Assigned to |
Status |
| 33 | Entraîner un auto-encodeur débruitant sur NIST | youssouf | Accepted |
| 34 | Entraîner une pile d'auto-encodeurs débruitants, avec ajustement supervisé | fsavard | Test |
| 35 | Écrire le code pour un auto-encoder débruitant convolutionnel, et leur empilement | humel | Test |
| 36 | Explorer les hyper-paramètres pour un empilement d'auto-encodeurs débruitants à convolution | abergeron | Accepted |
| 26 | Ordonner les exemples par complexité croissante et entraîner selon le principe du "curriculum learning" | XaGlo | Accepted |
Exploration de l'effet de l'utilisation des données d'entraînement
| # |
Summary |
Assigned to |
Status |
| 39 | Effet de l'ajustement supervisé sur données cible | SylvainPL | Accepted |
Animations pour démo
| # |
Summary |
Assigned to |
Status |
| 53 | Créer infrastructure et pipelines pour démo par animations | boulanni | Accepted |
| 54 | Entraîner avec des sigmoides pour la dernière couche | youssouf | Accepted |
| 55 | Explorer solutions pour réduire la sensibilité aux variations de position et échelle | abergeron | New |
| 56 | Créer des animations à partir des données perturbées | | New |
| 68 | créer page web jolie pour publiciser le rapport technique, la démo, et le code | doomie | New |
| 69 | Version française de la page web | mcote | New |
Écriture d'un article résumant les résultats les plus intéressants
| # |
Summary |
Assigned to |
Status |
| 37 | Énumérer et prioriser les questions à tester expérimentalement pour un article | yoshua.bengio | Accepted |
| 41 | Autre travail de fouille de la littérature scientifique | mcote | Accepted |
| 47 | Documentation publique pour les données générées | | New |
| 57 | rapport technique, écriture introduction | yoshua.bengio | Accepted |
| 59 | rapport technique, décrire perturbations - partie 2 | fsavard | New |
| 60 | rapport technique, écriture section 3 (algorithmes) | abergeron | Accepted |
| 61 | rapport technique, décrire datasets (sec. 4.1) | XaGlo | New |
| 62 | rapport technique, décrire setup expérimental des modèles et hyper-params (sec. 4.2) | abergeron | Accepted |
| 63 | rapport technique, décrire résultats SDA vs MLPs (sec. 5.1) | | New |
| 64 | rapport technique, décrire résultats effet perturbations (sec. 5.2) | | New |
| 65 | rapport technique, décrire résultats effet des catégories (sec. 5.3) | guitch | Accepted |
| 66 | rapport technique, écrire conclusion | | New |
|