Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Université de Toulouse
- TensorFlow
- Ce projet vise à comparer les performances de plusieurs modèles Keras pour la classification d'IRM cérébrales 3D, permettant de distinguer des états comateux et non-comateux. Il intègre des techniques d'apprentissage par transfert et des scripts automatisés pour entraîner, affiner et tester des réseaux de neurones convolutifs 3D. Les résultats sont organisés pour faciliter l'analyse comparative des architectures et des configurations.
- Ce projet permet d'évaluer et de comparer différentes méthodes d'apprentissage fédéré en utilisant des techniques de clustering pour optimiser les performances des modèles distribués. Il génère des métriques et des visualisations pour analyser l'efficacité des approches proposées, notamment sur des jeux de données comme MNIST, Fashion-MNIST et CIFAR-10. Les résultats sont exportés sous forme de fichiers CSV et de graphiques pour faciliter l'interprétation.
- Ce projet est une implémentation Python dédiée à la construction automatique de Proof Nets à partir de phrases en français. Il utilise des données issues de TLGbank pour établir des liens logiques entre les éléments d'une phrase, facilitant ainsi l'analyse syntaxique et sémantique. L'outil s'intègre avec un modèle de supertagging pour améliorer la précision des prédictions. Il est principalement destiné à des chercheurs ou professionnels en linguistique computationnelle et en traitement automatique des langues.
- Ce projet est une implémentation Python d'un réseau de preuve neuronal conçu pour analyser des phrases en français et en extraire des structures logiques complexes. Il s'appuie sur des données linguistiques structurées (TLGbank) pour entraîner des modèles capables de prédire des étiquettes syntaxiques avancées (supertags) et des liens entre ces étiquettes, facilitant ainsi la compréhension automatique du langage et la vérification de preuves formelles.
- Outil d'annotation et de segmentation de discours multilingue conçu pour faciliter l'analyse linguistique. Il permet aux utilisateurs, avec ou sans connaissances techniques, de segmenter des textes en unités discursives (EDU), d'évaluer des modèles de segmentation, ou de créer et affiner des modèles personnalisés à partir de jeux de données spécifiques. Utilisé dans le cadre de recherches académiques et de projets linguistiques.
- Ce projet vise à automatiser l'extraction et l'analyse d'entités juridiques dans des textes réglementaires ou contractuels. Il permet d'identifier et de structurer des informations clés comme les acteurs, les sanctions, les références légales ou les modalités, facilitant ainsi la compréhension et le traitement automatisé de documents juridiques complexes.
- Ce projet est un tutoriel pratique dédié à la segmentation discursive dans les textes, notamment pour l'analyse de la cohérence et de la cohésion. Il permet aux utilisateurs d'explorer des modèles avancés de traitement automatique du langage (NLP) pour segmenter des documents en relations discursives, d'évaluer leurs performances et de les affiner via des annotations manuelles. Les données traitées proviennent de corpus académiques et de campagnes de référence comme DISRPT.
- Ce projet étudie la saisonnalité des demandes utilisateurs et de l'utilisation des systèmes informatiques dans les datacenters. Il analyse des séries temporelles issues de charges de travail HPC et de données Wikipedia pour identifier des motifs saisonniers, comparer des méthodes de prévision (LSTM, SVR, Prophet, TBATS) et caractériser les pics saisonniers. Les résultats sont visualisés sous forme de graphiques et de rapports pour faciliter l'interprétation des données.
8 initiatives
10