Passer au contenu

/ La recherche

Rechercher

Sciences naturelles et génie; Sciences appliquées

Roland Memisevic

Informatique : apprentissage automatique et vision par ordinateur

Professeur associé

Faculté des arts et des sciences - Département d'informatique et de recherche opérationnelle

André-Aisenstadt, local 3349

514 343-6111 #47618

roland.memisevic@umontreal.ca

Autres courriels : roland.memisevic@gmail.com (Personnel) memisevr@iro.umontreal.ca (Travail)

Médias

Roland Memisevic est membre du Laboratoire d’informatique des systèmes adaptatifs (LISA)

Membre du Laboratoire d’informatique des systèmes adaptatifs (LISA). Le LISA travaille à comprendre les principes de l’intelligence et de l’apprentissage, afin de faire progresser les algorithmes d’apprentissage et l’intelligence artificielle. - © Université de Montréal

Membre du Laboratoire d’informatique des systèmes adaptatifs (LISA). Le LISA travaille à comprendre les principes de l’intelligence et de l’apprentissage, afin de faire progresser les algorithmes d’apprentissage et l’intelligence artificielle.

ICLR14 Invited Talk: Roland Memisevic: "Representing Relations"

Portrait

Expertise de recherche

Mes intérêts de recherche portent sur l'apprentissage automatique et la vision par ordinateur. Je développe des algorithmes qui extraient des informations à partir de grandes quantités de données. Je m'intéresse plus particulièrement à l'extraction des traits caracteristiques spatiaux et spatio-temporels d'images et de vidéos. Mes recherches portent aussi sur les modèles bio-inspirés et statistiques d'images et sur les applications à l'analyse automatique des données visuelles. 

Biographie

Roland Memisevic a obtenu son doctorat en informatique de l'Université de Toronto en 2008. Après un premier stage postdoctoral effectué à l’Université de Toronto (2008), il accepte un poste de chercheur au PNYLab LLC de Princeton. Il effectue, par la suite, un second stage postdoctoral à  l'École polytechnique fédérale de Zurich (ETH), avant d’accepter un poste de professeur à l'Université de Francfort (Allemagne). Roland Memisevic enseigne au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal à titre de professeur adjoint depuis 2012.

Formation

  • 2008 — Doctorat — InformatiqueUniversity de Toronto

Affiliations et responsabilités

Affiliations de recherche

  • Membre du Laboratoire d’informatique des systèmes adaptatifs (LISA)

Enseignement et encadrement

Encadrement

Thèses et mémoires dirigés (dépôt institutionnel Papyrus)

2017

Structured prediction and generative modeling using neural networks

Diplômé(e) : Kastner, Kyle
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2016

Designing Regularizers and Architectures for Recurrent Neural Networks

Diplômé(e) : Krueger, David
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
2016

From Word Embeddings to Large Vocabulary Neural Machine Translation

Diplômé(e) : Jean, Sébastien
Cycle : Maîtrise
Diplôme obtenu : M. Sc.

Projets

Projets de recherche

2016 - 2020

Software infrastructure for Deep Learning

Chercheur principal : Yoshua Bengio
Sources de financement : FCI/Fondation canadienne pour l'innovation
Programmes de subvention : PVXXXXXX-Initiative sur la cyberinfrastructure
2015 - 2019

Apprentissage non-supervisé d'architectures profondes pour le changement d'expressions faciales

Chercheur principal : Pascal Vincent
Co-chercheurs : Aaron Courville , Yoshua Bengio , Roland Memisevic
Sources de financement : FRQNT/Fonds de recherche du Québec - Nature et technologies (FQRNT)
Programmes de subvention : PV113724-(PR) Projets de recherche en équipe (et possibilité d'équipement la première année)
2013 - 2019

LEARNING TO REPRESENT IMAGES AND THEIR RELATIONS

Chercheur principal : Roland Memisevic
Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention : PVX20965-(RGP) Programme de subvention à la découverte individuelle ou de groupe
2016 - 2018

Deep Learning for Cognitive Computing

Chercheur principal : Yoshua Bengio
Co-chercheurs : Aaron Courville , Pascal Vincent , Christopher Pal , Roland Memisevic
Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) , IBM Canada Ltée , IBM Canada Ltée
Programmes de subvention : PVX20973-(RDC-CRD) Partenariat de recherche / Subvention de recherche et développement coopérative , ,
2016 - 2018

Highperformance computing environment to leverage deep learning technology for large biomedical and neuroimaging data

Chercheur principal : Yoshua Bengio
Co-chercheurs : Luc Vinet , Karim Jerbi , Aaron Courville , Pascal Vincent , Christopher Pal , Roland Memisevic
Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG)
Programmes de subvention : PVXXXXXX-(OIR) Outils et d'instruments de recherche (OIR) -1 -(de 7 001 $ à 150 000 $)
2015 - 2016

ICRA (Bourse) / CIFAR (Fellow)

Chercheur principal : Roland Memisevic
Sources de financement : CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :
2013 - 2016

LARGE-SCALE DEEP LEARNING FOR CONTENT-BASED RECOMMENDATION SYSTEMS

Chercheur principal : Yoshua Bengio
Co-chercheurs : Aaron Courville , Pascal Vincent , Roland Memisevic
Sources de financement : CRSNG/Conseil de recherches en sciences naturelles et génie du Canada (CRSNG) , Ubi Soft Divertissements Inc.
Programmes de subvention : PVX20967-(SPS/SPG) Subventions de projets stratégiques ,
2015

ICRA (Bourse) / CIFAR (Fellow)

Chercheur principal : Roland Memisevic
Sources de financement : CIFAR - Canadian Institute for Advanced Research/ Institut canadien des recherches avancées
Programmes de subvention :

Rayonnement

Publications et communications

Publications

Disciplines

  • Informatique

Champ d’expertise

  • Apprentissage automatique
  • Apprentissage de représentations
  • Apprentissage profond
  • Extraction de caractéristiques visuelles
  • Informatique bio-inspirée
  • Réseaux de neurones
  • Vision par ordinateur
  • Intelligence artificielle
  • Algorithmique
  • Apprentissage statistique