Designing Regularizers and Architectures for Recurrent Neural Networks

Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.

Hydroxyamidinates et polymères de coordination : suspicions et valences mixtes

Dans un contexte où l’énergie représente un enjeu majeur pour les pays et organisations à économies émergentes et développées, la recherche de nouvelles sources renouvelables et la démocratisation des vecteurs énergétiques permettant l’approvisionnement mondial de façon durable constitue un devoir pour la communauté scientifique internationale. D’ailleurs, il serait essentiel que les nombreuses disciplines de la chimie concertent leurs efforts. Plus particulièrement, la croissance de la recherche en chimie de coordination orientée vers la photosynthèse artificielle ainsi que le développement de matériaux fonctionnels démontre l’importance indéniable de ce champ de recherche. Ce travail présente dans un premier temps l’étude des différentes voies de synthèse d’hydroxyamidines, un ligand chélatant aux propriétés de coordination prometteuses ne recevant que très peu d’attention de la part de la communauté scientifique. Dans un deuxième temps, nous présenterons le développement d’une stratégie d’assemblage de leurs complexes supramoléculaires impliquant des métaux de transition abondants et peu dispendieux de la première rangée. Dans un troisième temps, il sera question de l’investigation de leurs propriétés photophysiques et électrochimiques à des fins d’applications au sein de matériaux fonctionnels. Pour ce faire, les différentes voies de synthèse des hydroxyamidines et de leurs amidines correspondantes qui ont précédemment été étudiées par les membres du groupe seront tout d’abord perfectionnées, puis investiguées afin de déterminer leur versatilité. Ensuite, les propriétés de complexation des amox résultantes comportant des motifs sélectionnés seront déterminées pour enfin étudier les propriétés photophysiques et électrochimiques d’une série de complexes de métaux de transition de la première rangée. En somme, plusieurs designs qu’offrent les amox et bis-amox sont étudiés et les propriétés des architectures résultantes de leur auto-assemblage sont déterminées.