Réseaux neuronaux et systèmes flous

Ashok Vardhan: Attention with Markov: A Curious Case of Single-layer Transformers

Ashok Vardhan: Attention avec Markov: Un cas curieux de transformateurs à couche unique

The Big LLM Architecture Comparison - Part 2

La Grande Comparaison des Architectures de LLM - Partie 2

L’algorithme étonnant qui lit dans le futur

Deep Learning 2 [Odd Semester 2025/2026 Telyu] - Multilayer Perceptrons & Neural Network

Deep Learning 2 [Odd Semester 2025/2026 Telyu] - Perceptrons multicouches et réseau neuronal

Deep Learning 1 [Odd Semester 2025/2026 Telyu] - Introduction to Deep Learning

Deep Learning 1 [Odd Semester 2025/2026 Telyu] - Introduction au Deep Learning

Stacked-Residual PINN for State Reconstruction || Sep 26, 2025

PINN à résidus empilés pour la reconstruction d'état || 26 sept. 2025

MLP Project Orientation | T3 25

Orientation du projet MLP | T3 25

The Big LLM Architecture Comparison

La grande comparaison des architectures de LLM

Conferencias- De átomos a algoritmos: la revolución de la IA en Física y Química

Conférences- Des atomes aux algorithmes : la révolution de l'IA en Physique et Chimie

[ИАД, осень 2025] Методы глубокого обучение. Лекция 3: Initialization, Normalization, CNN

[ИАД, automne 2025] Méthodes d'apprentissage profond. Conférence 3 : Initialization, Normalization, CNN

Neural Networks Intuition

Intuition des réseaux de neurones

[ИАД, осень 2025] Методы глубокого обучения. Занятие 2: Optimization, Regularization

[ИАД, automne 2025] Méthodes d'apprentissage profond. Leçon 2 : Optimization, Regularization

[ИАД, осень 2025] Методы глубокого обучения. Занятие 1: Introduction, MLP, Backpropagation

[IAD, automne 2025] Méthodes d'apprentissage profond. Leçon 1 : Introduction, MLP, Backpropagation

Abnormal convergence issue in DeepONet || ML in modeling turbulent mixing || Sep 5, 2025

Problème de convergence anormale dans DeepONet || ML dans la modélisation du mélange turbulent || 5 septembre 2025

Stanford CS231N Deep Learning for Computer Vision | Spring 2025 | Lecture 6: CNN Architectures

Stanford CS231N Deep Learning pour la vision par ordinateur | Printemps 2025 | Cours 6 : Architectures CNN

Stanford CS231N | Spring 2025 | Lecture 8: Attention and Transformers

Stanford CS231N | Printemps 2025 | Cours 8 : Attention et Transformeurs

Stanford CS231N | Spring 2025 | Lecture 7: Recurrent Neural Networks

Stanford CS231N | Printemps 2025 | Cours 7 : Réseaux de neurones récurrents

Stanford CS231N | Spring 2025 | Lecture 5: Image Classification with CNNs

Stanford CS231N | Printemps 2025 | Cours 5 : Classification d'images avec des CNN

Stanford CS231N | Spring 2025 | Lecture 4: Neural Networks and Backpropagation

Stanford CS231N | Spring 2025 | Lecture 4: Réseaux de neurones et rétropropagation

Stanford CS231N | Spring 2025 | Lecture 3: Regularization and Optimization

Stanford CS231N | Printemps 2025 | Cours 3 : Régularisation et optimisation

Prof. Sophie Langer | Keynote Speaker - Statistical Breakthroughs and Novel Perspectives in Deep ...

Prof. Sophie Langer | Conférencière principale - Percées statistiques et nouvelles perspectives en apprentissage profond...

Fredholm Neural Networks || Aug 29, 2025

Réseaux de neurones de Fredholm || 29 août 2025

Dr. Andrea Agazzi | Clustering Dynamics in Mean-Field Models of Transformers

Dr. Andrea Agazzi | Dynamique de regroupement dans les modèles de champ moyen des transformateurs

MLP End Term Revision

Révision de fin de mandat du MLP

Juno Kim: Transformers Provably Solve Parity Efficiently with Chain of Thought

Juno Kim : Transformers résolvent prouvablement la parité efficacement avec Chain of Thought

How to Give GPT-5 External Memory in ChatGPT

Comment ajouter de la mémoire externe GPT-5 dans ChatGPT

Deqing Fu: Algorithmic Perspectives on Understanding Transformers

Deqing Fu: Perspectives algorithmiques sur la compréhension des Transformers

MLP 25T2 Time series

MLP 25T2 Série temporelle

Jiaoda Li: Characterizing the Expressivity of Transformer Language Models

Jiaoda Li : Caractérisation de l'expressivité des modèles de langage Transformer

Chris Köcher: NoPE: The Counting Power of Transformers with No Positional Encodings

Chris Köcher : NoPE : La puissance de comptage des Transformers sans encodage positionnel

Alexandra Butoi: Training Neural Networks as Recognizers of Formal Languages

Alexandra Butoi : Entraîner des réseaux de neurones comme reconnaisseurs de langages formels

Let me explain PyTorch in 7 Concepts

Laissez-moi vous expliquer PyTorch en 7 concepts

The New Computer That Thinks Like a Brain

Le nouvel ordinateur qui pense comme un cerveau

Will AI outsmart human intelligence? - with 'Godfather of AI' Geoffrey Hinton

L'IA surpassera-t-elle l'intelligence humaine ? - avec Geoffrey Hinton, « Parrain de l'IA »

lect 19 naive bayes

Leçon 19 Naive Bayes

33 ml HMM

33 millilitres HMM

23 ml KNN estimate

Estimation KNN de 23 ml

22 ml PNN

22 millilitres PNN

20 ML Non Parametric

20 ML Non Paramétrique

20 ML Non Parametric

20 ML Non paramétrique