Réseaux neuronaux et systèmes flous

MLP Live session | Week 3 Session 2

Session live MLP | Semaine 3 Session 2

[Generative AI in Urdu/Hindi] Lecture 15: Methods of computing attention

[IA générative en ourdou/hindi] Conférence 15 : Méthodes de calcul de l'attention

Beyond the Buzzwords: How Neural Networks Actually Learn

Au-delà des mots à la mode : comment les réseaux de neurones apprennent réellement

[ИАД, весна 2026] Введение в машинное обучение. Лекция 3: Нейронные сети

[ИАД, весна 2026] Introduction à l'apprentissage automatique. Leçon 3 : Réseaux de neurones

Renier Mendoza: Image reconstruction in electrical impedance tomography using deep neural networks

Renier Mendoza: Reconstruction d'images en tomographie d'impédance électrique à l'aide de réseaux de neurones profonds

Pantelis Vlachas: Hypernetworks for Adaptive and Generalizable Forecasting in Dynamical Systems

Pantelis Vlachas : Hyperréseaux pour la prévision adaptative et généralisable dans les systèmes dynamiques

Masanobu Horie: Structure-Preserving Graph Neural Networks: Enforcing Symmetry and Conservation Laws

Masanobu Horie: Réseaux de neurones de graphes préservant la structure : Application de la symétrie et des lois de conservation

Luca Galimberti: Infinite-dimensional Deep Learning methods for Finance

Luca Galimberti : Méthodes d’apprentissage profond de dimension infinie pour la finance

Krishnan Raghavan: The role of architecture in learning a continuum of task

Krishnan Raghavan : Le rôle de l'architecture dans l'apprentissage d'un continuum de tâches

Florian Rossmannek: Echo states and fading memory in state-space systems

Florian Rossmannek : États d'écho et mémoire défaillante dans les systèmes d'espace d'état

Deepseek Sparse Attention

Attention éparse de Deepseek

Wei Kang: Deep Learning for Data Assimilation

Wei Kang : Apprentissage profond pour l'assimilation de données

MLP Live session | Week 3

Session MLP en direct | Semaine 3

Benjamin Charles Walker: Linear Neural Controlled Differential Equations

Benjamin Charles Walker : Équations différentielles linéaires contrôlées par les neurones

Masanobu Inubushi: Reservoir computing with generalized readout based on generalized synchronization

Masanobu Inubushi: Calcul de réservoir avec lecture généralisée basée sur la synchronisation généralisée

Grok 4.2 est intelligent … mais genre SUPER INTELLIGENT !

MLP Live session | Week 2

Session en direct MLP | Semaine 2

Graph Sample and Aggregate: GraphSAGE

Exemple et agrégation de graphiques : GraphSAGE

Graph Neural Networks: what are they?

Réseaux neuronaux graphiques : qu’est-ce que c’est ?

Graph Neural Networks: message passing

Réseaux neuronaux graphiques : transmission de messages

Graph Convolutional Networks

Réseaux de convolution de graphes

Graph Attention Networks (GAT)

Réseaux d'attention graphique (GAT)

[Generative AI in Urdu/Hindi] Lecture 13: LSTMs, bi-directional, multi-layer, teacher forcing.

[IA générative en ourdou/hindi] Leçon 13 : LSTM, bidirectionnel, multicouche, forçage par enseignant.

MLP Live session | Week 2

MLP Live session | Semaine 2

[Generative AI in Urdu/Hindi] Lecture 12: RNN variations, its issues, possible solutions. LSTMs.

[IA générative en ourdou/hindi] Leçon 12 : Variations de RNN, ses problèmes, solutions possibles. LSTM.

Randomized Greedy Algorithms for Neural Network Optimization || Feb 13, 2026

Algorithmes gloutons randomisés pour l'optimisation des réseaux de neurones || 13 février 2026

MLP Project Orientation | 26T1

Orientation du projet MLP | 26T1

[Generative AI in Urdu/Hindi] Lecture 11: RNNs training, derivations, applications and more!

[IA générative en ourdou/hindi] Leçon 11 : Entraînement des RNN, dérivations, applications et plus !

PyTorch Tutorial

Tutoriel PyTorch

Lec 09. Hacker's Guide to Deep Learning

Leçon 09. Guide du hacker pour l'apprentissage profond

Lec 08. Architectures: Transformers

Leçon 08. Architectures : Transformateurs

Lec 05. Architectures: Graphs

Cours 05. Architectures : Graphes

Lec 04. Architectures: Grids

Cours 04. Architectures : Grilles

Lec 03. Approximation Theory

Leçon 03. Théorie de l'approximation

Lec 02. How to Train a Neural Net

Leçon 02. Comment entraîner un réseau de neurones

Lec 01. Introduction to Deep Learning

Leçon 01. Introduction à l'apprentissage profond

[Generative AI in Urdu/Hindi] Lecture 10: Feed-forward NNs, pooling layer, sequence modelling, RNNs

[IA générative en ourdou/hindi] Leçon 10 : Réseaux de neurones feed-forward, couche de pooling, modélisation de séquences, RNN

Manifold Constrained HyperConnections

Hyperconnexions contraintes par variétés

Lec 14: Convolutional Neural Network - I

Lec 14: Réseau de neurones convolutif - I

[Generative AI in Urdu/Hindi] Lecture 9: Developing a complete feed-forward neural network

[IA générative en ourdou/hindi] Leçon 9 : Développer un réseau neuronal feed-forward complet