BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Lyon Data Science – Communauté data & IA à Lyon - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:Lyon Data Science – Communauté data & IA à Lyon
X-ORIGINAL-URL:https://lyondatascience.org
X-WR-CALDESC:Évènements pour Lyon Data Science – Communauté data & IA à Lyon
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20200329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20201025T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20210328T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20211031T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20211122T190000
DTEND;TZID=Europe/Paris:20211122T200000
DTSTAMP:20260409T154235
CREATED:20251005T155128Z
LAST-MODIFIED:20251005T155128Z
UID:1490-1637607600-1637611200@lyondatascience.org
SUMMARY:Rendre les réseaux convolutifs à nouveau invariants à la translation
DESCRIPTION:Présentateur : Quentin Barthelemy\nL’événement sera hybride : présentiel et en streaming. Inscrivez-vous si vous désirez être présent physiquement. \nCet exposé propose l’étude d’un article intitulé Making Convolutional Networks Shift-Invariant Again et publié à ICML2019 par Richard Zhang (Adobe Research). Ce titre est provocateur car il laisse penser que\, avant cette publication\, les réseaux convolutifs n’étaient plus vraiment invariants à la translation. \nLa première partie de la présentation aura pour objectif de reprendre rapidement quelques élément de base du traitement du signal\, à savoir la transformée de Fourier\, la théorie du filtrage et la théorie de l’échantillonnage (théorème de Shannon et filtre anti-repliement). \nLa deuxième partie sera une lecture guidée de l’article : les éléments de traitement du signal permettront de comprendre les défauts méthodologiques mis en lumière par l’auteur\, ainsi que leurs implications sur une architecture neuronale convolutive. Les résultats et les applications seront analysés et suivis d’une discussion critique. \nRessources\nPage et vidéo de présentation du papier : Making Convolutional Networks Shift-Invariant Again\nhttps://richzhang.github.io/antialiased-cnns/ \nThéorème d’échantillonnage\nhttps://fr.wikipedia.org/wiki/Th%C3%A9or%C3%A8me_d%27%C3%A9chantillonnage \nShannon Nyquist Sampling Theorem – Vidéo
URL:https://lyondatascience.org/evenements/rendre-les-reseaux-convolutifs-a-nouveau-invariants-a-la-translation-2/
CATEGORIES:Meetup
END:VEVENT
END:VCALENDAR