Travaux et mémoires du Bureau international des poids et mesures. T. XIV / publiés sous les auspices du Comité international par le directeur du Bureau

Comprend : Détermination du volume du kilogramme d'eau / par M. Ch.- Éd. Guillaume ; Détermination du volume du kilogramme d'eau / par M. P. Chappuis ; Détermination du volume du kilogramme d'eau / par MM. J. Macé de Lépinay, H. Buisson et J.-René Benoît ; Résumé et conclusions générales des travaux relatifs au volume du kilogramme d'eau / par M. J.-René Benoît ; Étude sur l'influence de l'air dissous sur la densité de l'eau / par M. P. Chappuis

Précis historique sur l'uniformité des poids et mesures ; suivi de Deux projets de décrets et de quinze tables propres à faciliter l'application du système décimal, aux poids, aux mesures, aux monnoies et au temps ([Reprod.]) / présenté, au nom du Comité des assignats et monnoies ; par Frécine,... et par Loysel,... ; impr. par ordre de la Convention nationale

Collection : Les archives de la Révolution française ; 12.814

Apprentissage des réseaux de neurones profonds et applications en traitement automatique de la langue naturelle

En apprentissage automatique, domaine qui consiste à utiliser des données pour apprendre une solution aux problèmes que nous voulons confier à la machine, le modèle des Réseaux de Neurones Artificiels (ANN) est un outil précieux. Il a été inventé voilà maintenant près de soixante ans, et pourtant, il est encore de nos jours le sujet d'une recherche active. Récemment, avec l'apprentissage profond, il a en effet permis d'améliorer l'état de l'art dans de nombreux champs d'applications comme la vision par ordinateur, le traitement de la parole et le traitement des langues naturelles. La quantité toujours grandissante de données disponibles et les améliorations du matériel informatique ont permis de faciliter l'apprentissage de modèles à haute capacité comme les ANNs profonds. Cependant, des difficultés inhérentes à l'entraînement de tels modèles, comme les minima locaux, ont encore un impact important. L'apprentissage profond vise donc à trouver des solutions, en régularisant ou en facilitant l'optimisation. Le pré-entraînnement non-supervisé, ou la technique du ``Dropout'', en sont des exemples. Les deux premiers travaux présentés dans cette thèse suivent cette ligne de recherche. Le premier étudie les problèmes de gradients diminuants/explosants dans les architectures profondes. Il montre que des choix simples, comme la fonction d'activation ou l'initialisation des poids du réseaux, ont une grande influence. Nous proposons l'initialisation normalisée pour faciliter l'apprentissage. Le second se focalise sur le choix de la fonction d'activation et présente le rectifieur, ou unité rectificatrice linéaire. Cette étude a été la première à mettre l'accent sur les fonctions d'activations linéaires par morceaux pour les réseaux de neurones profonds en apprentissage supervisé. Aujourd'hui, ce type de fonction d'activation est une composante essentielle des réseaux de neurones profonds. Les deux derniers travaux présentés se concentrent sur les applications des ANNs en traitement des langues naturelles. Le premier aborde le sujet de l'adaptation de domaine pour l'analyse de sentiment, en utilisant des Auto-Encodeurs Débruitants. Celui-ci est encore l'état de l'art de nos jours. Le second traite de l'apprentissage de données multi-relationnelles avec un modèle à base d'énergie, pouvant être utilisé pour la tâche de désambiguation de sens.

The Bureau International des Poids et Mesures: establishing standards in the physical sciences

In a vault on the outskirts of Paris, a cylinder of platinum-iridium sits in a safe under three layers of glass. It is the kilogram, kept by the Bureau International des Poids et Mesures (BIPM), which is the international home of metrology. Metrology is the science of measurement, and it is of fundamental importance to us all. It is essential for trade, commerce, navigation, transport, communication, surveying, engineering, and construction. It is essential for medical diagnosis and treatment, health and safety, food and consumer protection, and for preserving the environment—e.g., measuring ozone in the atmosphere. Many of these applications are of particular relevance to chemistry and thus to IUPAC. In all these activities we need to make measurements reliably—to an appropriate and known level of uncertainty. The financial implications of metrology are enormous. In the United States, for example, some 15% of the gross domestic product is spent on healthcare, involving reliable quantitative measurements for both diagnosis and treatment.

Travaux et mémoires du Bureau international des poids et mesures /

Mode of access: Internet.

Dictionnaire universel des poids et mesures anciens et modernes : contenant des tables de monnaies de tous les pays /

Mode of access: Internet.

Recherches sur les rapports réciproques des poids atomiques /

Mode of access: Internet.

Introduction a l'étude de la chimie : contenant les principes généraux de cette science, les proportions chimiques, la théorie atomique, le rapport des poids atomiques avec le volume des corps, l'isomorphisme, les usages des poids atomiques et des formules chimiques, les combinaisons isomériques, les corps catalytiques, etc. /

Mode of access: Internet.

第二十七次度量衡統計要覧 Resume statistique des poids et mesures 27 Serie(1932)

Mode of access: Internet.

Nouveau système des poids et mesures ... /

Goldsmiths'-Kress no. 20637.16.

Understanding deep architectures and the effect of unsupervised pre-training

Cette thèse porte sur une classe d'algorithmes d'apprentissage appelés architectures profondes. Il existe des résultats qui indiquent que les représentations peu profondes et locales ne sont pas suffisantes pour la modélisation des fonctions comportant plusieurs facteurs de variation. Nous sommes particulièrement intéressés par ce genre de données car nous espérons qu'un agent intelligent sera en mesure d'apprendre à les modéliser automatiquement; l'hypothèse est que les architectures profondes sont mieux adaptées pour les modéliser. Les travaux de Hinton (2006) furent une véritable percée, car l'idée d'utiliser un algorithme d'apprentissage non-supervisé, les machines de Boltzmann restreintes, pour l'initialisation des poids d'un réseau de neurones supervisé a été cruciale pour entraîner l'architecture profonde la plus populaire, soit les réseaux de neurones artificiels avec des poids totalement connectés. Cette idée a été reprise et reproduite avec succès dans plusieurs contextes et avec une variété de modèles. Dans le cadre de cette thèse, nous considérons les architectures profondes comme des biais inductifs. Ces biais sont représentés non seulement par les modèles eux-mêmes, mais aussi par les méthodes d'entraînement qui sont souvent utilisés en conjonction avec ceux-ci. Nous désirons définir les raisons pour lesquelles cette classe de fonctions généralise bien, les situations auxquelles ces fonctions pourront être appliquées, ainsi que les descriptions qualitatives de telles fonctions. L'objectif de cette thèse est d'obtenir une meilleure compréhension du succès des architectures profondes. Dans le premier article, nous testons la concordance entre nos intuitions---que les réseaux profonds sont nécessaires pour mieux apprendre avec des données comportant plusieurs facteurs de variation---et les résultats empiriques. Le second article est une étude approfondie de la question: pourquoi l'apprentissage non-supervisé aide à mieux généraliser dans un réseau profond? Nous explorons et évaluons plusieurs hypothèses tentant d'élucider le fonctionnement de ces modèles. Finalement, le troisième article cherche à définir de façon qualitative les fonctions modélisées par un réseau profond. Ces visualisations facilitent l'interprétation des représentations et invariances modélisées par une architecture profonde.