Amélioration de systèmes utilisant du Machine Learning via des échantillons produits par des Generative Adversarial Networks.

par Alfred Laugros

Projet de thèse en Signal image parole telecoms

Sous la direction de Alice Caplier.

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale électronique, électrotechnique, automatique, traitement du signal (Grenoble) , en partenariat avec Grenoble Images Parole Signal Automatique (laboratoire) depuis le 08-03-2019 .


  • Résumé

    Ce projet de thèse vise à utiliser des données générées par des modèles génératifs pour améliorer les performances de systèmes utilisant du Machine Learning. Des jeux de données sont utilisés pour entrainer des systèmes utilisant de l'apprentissage automatique. Les performances et la robustesse de ces systèmes sont étroitement liées à la pertinence et à la quantité de données d'entrainement utilisées. On propose d'utiliser des generative modèles pour diversifier et étendre des jeux de données d'entrainement dans le but d'adresser un cas d'application précis.

  • Titre traduit

    Improvement of Machine Learning systems, via samples generated through generative adversarial networks


  • Résumé

    This project aims to use data generated by generative models so as to improve the performance of Machine Learning systems. Machine learning systems use data for their trainings. Robustness and Efficiency of these systems are tightly linked to the relevance and the quantity of data used. We suggest to use generative models to diversify and extend datasets in order to tackle precise issues.