Loading...
Bienvenue sur la collection des archives ouvertes HAL du PaRis AI Research InstitutE
Le plan 3AI
Le Prairie Institute (PaRis AI Research InstitutE) est l'un des quatre instituts français d'intelligence artificielle, créés dans le cadre de l'initiative nationale française sur l'IA annoncée par le président Emmanuel Macron le 29 mai 2018.
La création d’un petit nombre d’instituts de recherche interdisciplinaires en IA (ou «3IA» pour «Instituts Interdisciplinaires d’Intelligence Artificielle») a constitué une part importante de ce plan ambitieux, doté d’un budget total d’un milliard d’euros. Après un appel à participation ouvert en juillet 2018 et deux tours d'examen par un comité scientifique international, les projets de Grenoble, Nice, Paris et Toulouse ont officiellement reçu le label 3IA le 24 avril 2019, pour un budget total de 75 millions d'euros.
Pour en savoir plus sur PaRis AI Research InstitutE, consultez son site web.
Le Prairie Institute (PaRis AI Research InstitutE) est l'un des quatre instituts français d'intelligence artificielle, créés dans le cadre de l'initiative nationale française sur l'IA annoncée par le président Emmanuel Macron le 29 mai 2018.
La création d’un petit nombre d’instituts de recherche interdisciplinaires en IA (ou «3IA» pour «Instituts Interdisciplinaires d’Intelligence Artificielle») a constitué une part importante de ce plan ambitieux, doté d’un budget total d’un milliard d’euros. Après un appel à participation ouvert en juillet 2018 et deux tours d'examen par un comité scientifique international, les projets de Grenoble, Nice, Paris et Toulouse ont officiellement reçu le label 3IA le 24 avril 2019, pour un budget total de 75 millions d'euros.
Pour en savoir plus sur PaRis AI Research InstitutE, consultez son site web.
Nombre de dépôts en texte intégral
698
Nombre de notices
698
Derniers dépôts
-
Niyati Bafna, Cristina España-Bonet, Josef van Genabith, Benoît Sagot, Rachel Bawden. When your Cousin has the Right Connections: Unsupervised Bilingual Lexicon Induction for Related Data-Imbalanced Languages. LREC-Coling 2024 - Joint International Conference on Computational Linguistics, Language Resources and Evaluation, May 2024, Torino, Italy. ⟨hal-04523029⟩
-
Sophie Loizillon, Simona Bottani, Aurélien Maire, Sebastian Ströer, Didier Dormont, et al.. Automatic motion artefact detection in brain T1-weighted magnetic resonance images from a clinical data warehouse using synthetic data. Medical Image Analysis, 2024, 93, pp.103073. ⟨10.1016/j.media.2023.103073⟩. ⟨hal-03910451v2⟩
Mots clés
ASPM
Functional connectivity
Fluorescence microscopy
Genomics
MRI
Ensemble learning
Longitudinal data
Brain MRI
Medical imaging
Portraits
Self-supervised learning
Microscopy
Poetry generation
Brain
Computer vision
BERT
Variational autoencoder
Inverse problems
Magnetic resonance imaging
Exoplanet detection
Language Model
Cross-validation
Adaptation
Human-in-the-loop
Weakly-supervised learning
Bias
Huntington's disease
Reinforcement learning
Classification
Alzheimer's disease
Kernel methods
PET
Curvature penalization
Electronic health records
Mixture models
Disease progression modeling
Computational modeling
Action recognition
Object detection
Neural networks
First-order methods
Variational inference
Evaluation
Optimization
Riemannian geometry
Alzheimer's Disease
Machine learning
French
Hippocampus
Reproducibility
Alzheimer’s disease
Robustness
Prediction
Computational pathology
Multiple sclerosis
Dementia
Machine translation
Language acquisition
Deep Learning
Computer Vision
PQA
ADNI
Cancer
Deep learning
Robotics
Data imputation
Zero-Shot Learning
Longitudinal study
Computational Pathology
Optimization and Control mathOC
Stochastic optimization
Artificial intelligence
Literature
Kalman filter
Dimensionality reduction
FOS Mathematics
Loss function
Machine Learning
Portrait quality assessment
Graph alignment
Clustering
Whole slide images
Interpretability
Breast cancer
Image quality assessment
Data visualization
Large language models
Image synthesis
HIV
Validation
Online learning
Natural language processing
Direct access
Image processing
Segmentation
Deep generative models
Neuroimaging
Representation learning
Wavelets
Multiple Sclerosis