Pascal Vincent
La nomination
Membre auxiliaire
Apprentissage automatique, apprentissage biologique
À Propos
Pascal Vincent est membre auxiliaire au programme Apprentissage automatique, apprentissage biologique du CIFAR et titulaire d’une chaire en IA Canada-CIFAR à Mila. Il est professeur agrégé au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Il s’intéresse au domaine de l’apprentissage automatique statistique, notamment à l’apprentissage des caractéristiques non supervisé, à la modélisation multiple, aux techniques alternatives d’estimation des paramètres de modèles énergétiques, à l’apprentissage semi-supervisé et à l’apprentissage des architectures de réseaux neuronaux profonds. Il se concentre actuellement sur les techniques et principes fondamentaux de l’extraction de représentations réparties significatives de haut niveau à partir d’entrées sensorielles brutes hautement dimensionnelles. Ses travaux sur la régularisation des auto-encodeurs (débruitage et variantes contractives) pour l’apprentissage non supervisé de caractéristiques et de réseaux profonds étaient au cœur de la stratégie qui lui a permis de remporter le 2011 Unsupervised and Transfer Learning Challenge.
Prix
- Prix du meilleur article étudiant, ICML, 2012
- Article exceptionnel d’un étudiant (mention honorable), NeurIPS, 2011
Publications Pertinentes
- Bengio, Y., Courville, A., Vincent, P. (2013). « Representation learning: A review and new perspectives », IEEE Transactions on Pattern Analysis and Machine Intelligence, 35(8):1798-1828.
- Vincent, P., Larochelle, H., Lajoie, I., Bengio, Y., Manzagol, P. A., Bottou, L. (2010). « Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion », Journal of Machine Learning Research, 11(12).
- Erhan, D., Courville, A., Bengio, Y., Vincent, P. (2010). « Why does unsupervised pre-training help deep learning? », Journal of Machine Learning Research, 11(19):625-660.
- Vincent, P., Larochelle, H., Bengio, Y., Manzagol, P. A. (2008). « Extracting and composing robust features with denoising autoencoders », Proceedings of the 25th International Conference on Machine Learning, p. 1096-1103.
- Bengio, Y., Ducharme, R., Vincent, P., Janvin, C. (2003). « A neural probabilistic language model », Journal of Machine Learning Research, 3:1137-1155.
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.