Graham Taylor
La nomination
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Titulaire de chaire en IA Canada-CIFAR
Apprentissage automatique, apprentissage biologique
Stratégie pancanadienne en matière d’IA
À Propos
Graham Taylor est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur, membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018 et membre du programme Apprentissage automatique, apprentissage biologique du CIFAR. Il est également professeur agrégé à l’École d’ingénierie de l’Université de Guelph, directeur universitaire de NextAI et directeur de recherche par intérim à l’Institut Vecteur.
Ses recherches, qui visent à découvrir de nouveaux algorithmes et de nouvelles architectures pour l’apprentissage profond, portent sur la construction automatique d’algorithmes hiérarchiques à partir de données non structurées hautement dimensionnelles. Il s’intéresse notamment aux séries temporelles, et ses travaux ont servi à mieux comprendre le comportement humain et animal, les données environnementales (sur le climat ou l’agriculture), les séries temporelles audio (musique ou parole) et financières. Il s’intéresse également au calcul haute performance et explore de meilleures façons d’utiliser l’accélération matérielle pour résoudre les problèmes d’apprentissage automatique à grande échelle. Il coorganise l’École d’été sur l’apprentissage profond et l’apprentissage par renforcement du CIFAR (EEAPAR) et a formé plus d’une cinquantaine d’étudiants et étudiantes et de membres du personnel dans le cadre de projets liés à l’IA.
Prix
- Canada’s Top 40 Under 40, 2018
Publications Pertinentes
- DeVries, T., Taylor, G. W. (2018). « Learning confidence for out-of-distribution detection in neural networks », préimpression arXiv, arXiv:1802.04865.
- Freeman, B. S., Taylor, G., Gharabaghi, B., Thé, J. (2018). « Forecasting air quality time series using deep learning », Journal of the Air & Waste Management Association, 68(8):866-886.
- DeVries, T., Taylor, G. W. (2017). « Improved regularization of convolutional neural networks with cutout », préimpression arXiv, arXiv:1708.04552.
- Zeiler, M. D., Taylor, G. W., Fergus, R. (2011). « Adaptive deconvolutional networks for mid and high level feature learning », International Conference on Computer Vision, p. 2018-2025.
- Zeiler, M. D., Krishnan, D., Taylor, G. W., Fergus, R. (2010). « Deconvolutional networks », IEEE Computer Society Conference on Computer Vision and Pattern Recognition, p. 2528-2535.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.