
Guillaume Lajoie
- Professeur adjoint
-
Faculté des arts et des sciences - Département de mathématiques et de statistique
André-Aisenstadt, local 4161
Portrait
Expertise de recherche
Sa recherche est centrée à l’intersection de l’IA et des neurosciences où il s’intéresse à des questions reliées à la dynamiques et aux computations de réseaux neuronaux, avec certaines applications à la neuroingénérie. Ses travaux récents comprennent le développement de biais inductifs pour une meilleure propagation d’information dans les réseaux récurrents, ainsi que le développement d’algorithmes pour optimiser les interfaces cerveau-machine bidirectionnelles.
Biographie
Guillaume Lajoie est professeur adjoint au Département de mathématiques et de statistique (DMS) de l’Université de Montréal et membre académique principal de Mila. Il est également titulaire d’une position de chercheur boursier du FRQS. Il était auparavant boursier postdoctoral au Max Planck Institute for Dynamics and Self-Organization et à l’Université de Washington Institute for Neuroengineering et il a obtenu son doctorat au Département de mathématiques appliquées de l’Université de Washington, à Seattle.
Affiliations et responsabilités
Affiliations de recherche
Enseignement et encadrement
Encadrement
Thèses et mémoires dirigés (dépôt institutionnel Papyrus)
Modeling functional brain activity of human working memory using deep recurrent neural networks
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Hierarchical Bayesian optimization of targeted motor outputs with spatiotemporal neurostimulation
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Towards better understanding and improving optimization in recurrent neural networks
Cycle : Maîtrise
Diplôme obtenu : M. Sc.
Projets
Projets de recherche
Canada Research Chair in in Neural Computation and Interfacing
Études de la prise de décision dynamique en milieu naturel et artificiel: Une approche interdisciplinaire et intégrative
Decomposition of information encoded in learned representations of recurrent neural networks
Dynamics of driven networks: computation in recurrent neural circuits
Dynamics of driven networks: computation in recurrent neural circuits
Multiple Faces of Modularity
SPI Orsborn: Using Brain-Machine Interfaces to identify & manipulate computational principles of learning
Union Neurosciences et Intelligence Artificielle Québec (UNIQUE) / Regroupements stratégiques
Identifying and guiding learning dynamics in the brain using brain-machine interfaces
Théorie et applications de la dynamique entraînée de réseaux neuronaux récurrents du cerveau
Théorie et applications de la dynamique entraînée de réseaux neuronaux récurrents du cerveau
Development of an Al-controlled closed-loop neuromodulation system form chronic conditions
Dynamiques de réseaux entraînés: computations dans des circuits neuronaux récurrents
Impact of nonlinear activation functions on learning dynamics of recurrent networks
Programme de stages postdoctoraux - IVADO - Candidat: Maximilian Puelma Touzel / Contrôler le chaos dans l'apprentissage de RNR
Rayonnement
Publications et communications
Disciplines
- Informatique
- Génie informatique et génie logiciel
- Neurosciences
- Mathématiques appliquées
Champ d’expertise
- Modélisation des processus d'apprentissage
- Communication neuronale et neurotransmission
- Modélisation neuronale
- Systèmes neuronaux