February 2008 - Lisa_seminaires - mailman.iro.umontreal.ca

UdeM-McGill-MITACS machine learning seminar Tues March 4th, 10:00am, MC437
by Hugo Larochelle 29 Feb '08

29 Feb '08

Next week's seminar (see http://www.iro.umontreal.ca/article.php3? id_article=107&lang=en): A Stochastic Algorithm for Partially Observable Markov Decision Processes (POMDPs) by Francois Laviolette, Département d’Informatique Université Laval Location: McConnell Engineering Building (McGill), room 437 Time: March 4th 2008, 10h00 We introduce a new backup operator for point-based POMDP’s algorithms which performs a look-ahead search at depth greater than one. We apply this operator into a new algorithm, called Stochastic Search Value Iteration (SSVI). This new algorithm relies on stochastic explo- ration of the environment in order to update the value function. The un- derlying ideas are very similar to temporal difference learning algorithms for MDPs. In particular, SSVI takes advantage of a soft-max actions se- lection function and of the random character of the environment itself. This is in opposition with existing POMDP’s point-based algorithms. Empirical results show that our algorithm is very competitive on usual benchmark problems. This suggests that stochastic algorithms are an alternative for solving large POMDPs.

1 0

[Fwd: �cole d'�t� 2008 du GERAD
by Yoshua Bengio 25 Feb '08

25 Feb '08

-------- Original Message -------- Subject: École d'été 2008 du GERAD / GERAD 2008 Summer School Date: Mon, 25 Feb 2008 15:01:51 -0500 From: Marilyne Lavoie <marilyne.lavoie(a)gerad.ca> To: liste(a)gerad.ca *English follows* Bonjour à tous, Vous êtes invité à participer à l*'École d'été 2008 du GERAD sur les progrès de l'exploitation de données*, qui aura lieu à HEC Montréal du 5 au 8 mai 2008. Veuillez visiter la page Internet de l'école au http://www.gerad.ca/colloques/EcoleEte2008/ pour connaître les dates limites, les frais d'inscription, et toute autre information utile. En espérant vous compter à nouveau parmi nous à Montréal. Meilleurs voeux, Gilles Caporossi, Pierre Hansen & Denis Larocque Organisateurs ---------- Dear all: You are kindly invited to participate in the *GERAD 2008 Summer School on Advances in Data Mining*, to be held at HEC Montréal on May 5-8, 2008. Please visit the Web page of the workshop at http://www.gerad.ca/colloques/EcoleEte2008/ for deadlines, registration fees, and other usefull information. We look forward to welcome you in Montréal. Best wishes, Gilles Caporossi, Pierre Hansen & Denis Larocque Organizers -- Yoshua Bengio

1 0

Fwd: Colloque DIRO, Yoshua Bengio Jeudi 28
by Yoshua Bengio 25 Feb '08

25 Feb '08

Begin forwarded message: From: Pierre McKenzie <mckenzie(a)iro.umontreal.ca> Date: February 22, 2008 9:52:48 AM EST (CA) To: Pierre McKenzie <mckenzie(a)IRO.UMontreal.CA> Cc: "Seminaires" <seminaires(a)iro.umontreal.ca> Subject: Colloque DIRO, Yoshua Bengio JE 28 Date : le jeudi 28 février 2008 Lieu : salle (habituelle) 6214, P. Aisenstadt, U de Montréal Heure : 15 h 30 Présentateur : Yoshua Bengio, DIRO, U de Montréal Titre : Bébé IA: de l'humain à la machine Résumé : Quels sont les principes de traitement de l'information qui permettent aux humains d'agir de façon intelligente? Est-ce que ces principes peuvent être utilisés pour faire avancer la recherche en intelligence artificielle (IA)? Malgré plus d'un demi-siècle d'efforts, l'IA semble encore bien loin, pourquoi? La capacité de comprendre la réalité qui nous entoure à partir de notre expérience individuelle serait une des clés de l'intelligence humaine et animale. Cette clé passe par la capacité à s'adapter et à généraliser à de nouvelles situations, par opposition à l'apprentissage par coeur. La recherche en apprentissage machine a beaucoup progressé dans la compréhension mathématique de la notion de généralisation, et a donné lieu à de nouvelles technologies d'analyse statistique dont les applications industrielles et scientifiques sont multiples. Mais d'autres problèmes fondamentaux de nature informatique et mathématique continuent à nous narguer. Nous parlerons de travaux en IA s'inspirant de la manière dont les humains réussissent peut-être à contourner ces difficultés. Nous esquisserons ainsi certains principes qui émergent de recherches récentes et aussi plus anciennes et qui nous semblent essentiels, tels que les représentations distribuées et la profondeur de circuit pour obtenir la compositionalité et empêcher l'explosion combinatoire du fléau de la dimensionalité. Nous parlerons aussi des recherches en cours pour faire face à un problème d'optimisation fondamentalement difficile, pour entraîner des architectures profondes ayant le potentiel de représenter efficacement des abstractions de haut niveau. Pour y arriver nous voulons entraîner un bébé IA à comprendre d'abord des concepts simples avant de s'attaquer à des concepts plus complexes qui sont construits par dessus les concepts plus simples. ------------------------------------------------------------------------ --- Cette conférence s'inscrit dans le cadre des séminaires du département d'informatique et de recherche opérationnelle (DIRO) de l'U de M, pour détails voir http://www.iro.umontreal.ca/~mckenzie/ ColloquesDIRO/H2008 Venez nombreux! >

1 0

REMINDER: UdeM-McGill-MITACS machine learning seminar Tues Feb. 19, 10:00am, PAA 3195
by Hugo Larochelle 18 Feb '08

18 Feb '08

This week's seminar (see http://www.iro.umontreal.ca/article.php3? id_article=107&lang=en): Modelling Image Patches With A Directed Hierarchy Of Markov Random Fields by Simon Osindero, Department of Computer Science University of Toronto Location: Pavillon André-Aisenstadt (UdeM), room 3195 Time: February 19th 2008, 10:00am I will describe an efficient learning procedure for a type of multilayer generative model that combines the best aspects of Markov Random Fields (MRFs) and deep, directed belief nets (DBNs). In particular, I will consider hierarchies in which each hidden layer has its own MRF whose energy function is modulated by the top-down directed connections from the layer above. Our proposed algorithm allows these generative models to be learned one layer at a time, and when learning is complete we are able to use a fast and simple inference procedure for computing a good approximation to the posterior distribution on all of the hidden layers. I will present preliminary results of our approach applied to an image-patch dataset, and will show that this type of model is good at capturing the statistics of patches of natural scenes. This is joint work with Geoff Hinton.

1 0

UdeM-McGill-MITACS machine learning seminar Tues Feb. 19, 10:00am, PAA 3195
by Hugo Larochelle 12 Feb '08

12 Feb '08

Next week's seminar (see http://www.iro.umontreal.ca/article.php3? id_article=107&lang=en): Modelling Image Patches With A Directed Hierarchy Of Markov Random Fields by Simon Osindero, Idilia Location: Pavillon André-Aisenstadt (UdeM), room 3195 Time: February 19th 2008, 10:00am I will describe an efficient learning procedure for a type of multilayer generative model that combines the best aspects of Markov Random Fields (MRF’s) and deep, directed belief nets (DBN’s). In particular, I will consider hierarchies in which each hidden layer has its own MRF whose energy function is modulated by the top-down directed connections from the layer above. Our proposed algorithm allows these generative models to be learned one layer at a time, and when learning is complete we are able to use a fast and simple inference procedure for computing a good approximation to the posterior distribution on all of the hidden layers. I will present preliminary results of our approach applied to an image-patch dataset, and will show that this type of model is good at capturing the statistics of patches of natural scenes. This is joint work with Geoff Hinton.

1 0

Fwd: Séminaire RALI-OLST du 6 février
by Yoshua Bengio 05 Feb '08

05 Feb '08

Peut-être intéressant: Begin forwarded message: > From: Guy Lapalme <lapalme(a)iro.umontreal.ca> > Date: February 4, 2008 4:54:26 PM EST (CA) > To: rali-olst(a)iro.umontreal.ca > Subject: Séminaire RALI-OLST du 6 février > > L'utilisation de méthodes de regroupement pour l'amélioration de la > recherche d'images > Osama El-Demerdash > Computer Science, Concordia > Mercredi 6 février, 11:30, Salle 3195, Pavillon André-Aisenstadt > > Les méthodes de regroupement (clustering) peuvent s'avérer utiles > pour améliorer la recherche d'images. Nous présenterons les > résultats que nous avons obtenus par l'application de ces méthodes > sur une collection de 20 000 images, ainsi qu'avec les réponses > obtenues à partir d'un moteur de recherche. Nous présentons la > collection, les outils de base et les résultats lors de la > compétition ImageCLEF 2007. L'analyse des résultats suggère que la > réussite dans ce domaine passe par un bon fusionnement des données > textuelles et visuelles. > > Guy Lapalme > 514-343-2145

1 0