Pascal Vincent
- Professeur associé
-
Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle
André-Aisenstadt, room 3251
Profile
Research expertise
My research interests are centered around discovering fundamental computational principles that underlie the extraordinary capabilities to learn from the environment, understand it and adapt to it that characterize intelligence. The development of novel machine learning algorithms based on such principles, and trained on very large data sets, is at the heart of the latest technological breakthroughs in artificial intelligence.
More specifically, I research how higher level representations that carry meaning can be constructed autonomously, starting from streams of raw sensory input (such as images and sounds). Similarly to what our brain's neural networks naturally know how to do, this amounts to intelligently modeling the structure of the observed reality, by discovering and exploiting hidden and complex statistical regularities that it follows.Biography
Le professeur Vincent s’intéresse notamment de près à notre faculté en tant qu’humain, à interpréter des données sensorielles brutes (sons, images) et à les convertir en représentations de haut niveau, nous permettant de donner un sens à notre environnement. Via ses travaux de recherches, Pascal Vincent s’adonne notamment à l’exploitation de régularités statistiques complexes afin de modéliser la réalité, à l’image de ce qu’un réseau de neurones serait capable de faire. Grâce à l’avènement des données massives et de nouvelles techniques d’intelligence artificielle, il devient maintenant possible de générer des algorithmes d’apprentissage, qui, à terme, offriront la possibilité aux machines de capter et d’interpréter le monde qui nous entoure, mais aussi de réagir à des situations particulières en adaptant en conséquence une réaction à un évènement donné.
Chercheur à l'Institut des algorithmes d'apprentissage de Montréal aux côtés du professeur Yoshua Bengio, Pascal Vincent est titulaire d’un doctorat en informatique de l’Université de Montréal depuis 2003. Il est professeur au département d’informatique et de recherche opérationnelle (DIRO) de l’Université de Montréal.
Affiliations and responsabilities
Research affiliations
- Titulaire d'une Chaire en IA CIFAR-Canada
Teaching and supervision
Student supervision
Theses and dissertation supervision (Papyrus Institutional Repository)
Finer grained evaluation methods for better understanding of deep neural network representations
Cycle : Doctoral
Grade : Ph. D.
Deep networks training and generalization: insights from linearization
Cycle : Doctoral
Grade : Ph. D.
Adversarial games in machine learning : challenges and applications
Cycle : Doctoral
Grade : Ph. D.
Accounting for variance and hyperparameter optimization in machine learning benchmarks
Cycle : Doctoral
Grade : Ph. D.
Large state spaces and self-supervision in reinforcement learning
Cycle : Doctoral
Grade : Ph. D.
Advances in parameterisation, optimisation and pruning of neural networks
Cycle : Doctoral
Grade : Ph. D.
Feature extraction on faces : from landmark localization to depth estimation
Cycle : Doctoral
Grade : Ph. D.
Factorized second order methods in neural networks
Cycle : Master's
Grade : M. Sc.
Learning to sample from noise with deep generative models
Cycle : Master's
Grade : M. Sc.
Learning a graph made of boolean function nodes : a new approach in machine learning
Cycle : Master's
Grade : M. Sc.
Détection de mouvements dans des séquences d’images basée sur la dynamique de supraconductivité
Cycle : Master's
Grade : M. Sc.
Modeling High-Dimensional Audio Sequences with Recurrent Neural Networks
Cycle : Doctoral
Grade : Ph. D.
Recognition of Facial Expressions with Autoencoders and Convolutional-Nets
Cycle : Master's
Grade : M. Sc.
Analyse par apprentissage automatique des réponses fMRI du cortex auditif à des modulations spectro-temporelles
Cycle : Master's
Grade : M. Sc.
Modélisation de l'interprétation des pianistes & applications d'auto-encodeurs sur des modèles temporels
Cycle : Master's
Grade : M. Sc.
Apprentissage de représentations sur-complètes par entraînement d’auto-encodeurs
Cycle : Master's
Grade : M. Sc.
Projects
Research projects
Software infrastructure for Deep Learning
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE) / Regroupements stratégiques
Exploitation de Diverses Ressources Sémantiques pour une Traduction Automatique à Granularité Hétérogène
Software infrastructure for Deep Learning
Unsupervised Anomaly detection using Deep Learning
Longitudinal Weak Labeling for Lung Cancer Prognosis and Treatment Response Prediction
Research Support Associate Fellow / Learning in Machines & Brains
Apprentissage non-supervisé d'architectures profondes pour le changement d'expressions faciales
LEVERAGING THE MANIFOLD HYPOTHESIS FOR LEARNING REPRESENTATIONS IN DEPP NEURAL NETWORKS
Highperformance computing environment to leverage deep learning technology for large biomedical and neuroimaging data
Deep Learning for Cognitive Computing
LEARNING REPRESENTATIONS OF PLAYERS EMOTIONS AND STATE FOR NEXT GENERATION GAMING
LARGE-SCALE DEEP LEARNING FOR CONTENT-BASED RECOMMENDATION SYSTEMS
DEEP LEARNING FOR IMAGE UNDERSTANDING
APPRENDRE A MISER DANS DES ENCHÈRES PUBLICITAIRES POUR LA PUBLICITÉ INTERNET
TRAQUER LE BUDGET D'UNE CAMPAGNE PUBLICITAIRE INTERNET AVEC MISES ADAPTATIVES
Outreach
Publications and presentations
Publications
- Les publications de Pascal Vincent sont disponibles ici : http://www-labs.iro.umontreal.ca/~vincentp/publications.html
Disciplines
- Computer Science
- Statistics
Areas of expertise
- Machine learning
- Representation learning
- Deep learning
- Artificial intelligence
- Big data
- Statistical models
- Pattern recognition
- Neural Networks
- Algorithmics
Aide en ligne pour votre profil | Nous joindre
Le Répertoire des professeurs est propulsé par les données du SADVR et est un projet du CENR.