Pascal Germain
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2019
Pascal Germain est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeur adjoint au département d’informatique et de génie logiciel de l’Université Laval.
Ses domaines de recherche comprennent la théorie statistique de l’apprentissage, dont la théorie PAC-bayésienne, et les algorithmes d’apprentissage.
Publications Pertinentes
- Viallard, P., Germain, P., Habrard, A., & Morvant, E. (2023). « A general framework for the practical disintegration of PAC-Bayesian bounds », Machine Learning, 1-86.
- Diarra Mbacke, S., Clerc, F., & Germain, P. (2023). « Statistical Guarantees for Variational Autoencoders using PAC-Bayesian Theory », NeurIPS
- Diarra Mbacke, S., Clerc, F., & Germain, P. (2023). « PAC-Bayesian Generalization Bounds for Adversarial Generative Models », ICML.
- Fortier-Dubois, L., Leblanc, B., Letarte, G., Laviolette, F., Germain P. (2023). « PAC-Bayesian Learning of Aggregated Binary Activated Neural Networks with Probabilities over Representations », CANAI
- Zantedeschi, V., Viallard, P., Morvant, E., Emonet, R., Habrard, A., Germain, P., Guedj, B. (2021). « Learning Stochastic Majority Votes by Minimizing a PAC-Bayes Generalization Bound ».