Hugo Larochelle, Ph. D.

Hugo LarochelleChercheur
Axe Imagerie médicale
Centre de recherche du CHUS

Professeur adjoint
Département d’informatique
Faculté des sciences
Université de Sherbrooke

Coordonnées
Téléphone | 819 346-1110 poste 66121

Courriel | Hugo.Larochelle@USherbrooke.ca

       

Importance de la recherche

Les travaux de recherche du docteur Hugo Larochelle se concentrent sur le développement d'algorithmes d'apprentissage pour l'entraînement de réseaux de neurones profonds (deep learning). L'objectif est de découvrir des procédures permettant à un réseau de neurones artificiel d'apprendre, et ce à partir d'exemples illustrant un comportement humain à reproduire. Il s'intéresse particulièrement aux réseaux profonds qui, à l'image du cerveau humain, contiennent plusieurs couches de neurones interagissant ensemble de façon complexe.

Les réseaux de neurones profonds peuvent être appliqués à plusieurs problèmes d'intelligence artificielle telle la vision par ordinateur ainsi que le traitement automatique des langues naturelles.

                   

Vers le haut

Réalisations représentatives     

  • Hugo Larochelle, Iain Murray. The Neural Autoregressive Distribution Estimator. Proceedings of the Fourteenth International Conference on Artificial Intelligence and Statistics, 2011
  • Hugo Larochelle, Geoffrey Hinton. Learning to Combine Foveal Glimpses with a Third-order Boltzmann Machine. Advances in Neural Information Processing Systems 23, Pages 1243-1251, 2010
  • Hugo Larochelle, Yoshua Bengio, Jérôme Louradour, Pascal Lamblin. Exploring Strategies for Training Deep Neural Networks. Journal of Machine Learning Research, Volume 10, Pages 1-40, 2009
  • Yoshua Bengio, Pascal Lamblin, Dan Popovici, Hugo Larochelle. Greedy Layer-Wise Training of Deep Networks. Advances in Neural Information Processing Systems 19, Pages 153-160, 2007

                  

Savoir-faire

  • Apprentissage automatique
  • Réseaux de neurones artificiels
  • Modélisation probabiliste
  • Vision par ordinateur

               

Vers le haut