
Lorenzo Livi: Toward a Dynamical Theory of Deep Learning
Lorenzo Livi : Vers une théorie dynamique de l'apprentissage profond
Thema UYQN

Lorenzo Livi : Vers une théorie dynamique de l'apprentissage profond


Francesco Cagnetta: Les réseaux profonds apprennent à analyser des langages hors contexte à partir de statistiques locales


Compression des LLM expliquée : construisez des modèles d'IA plus rapides et efficaces

Introduction à l'apprentissage profond au MIT | 6.S191


Le nouveau robot doté d'intelligence artificielle de Chine a une apparence étonnamment humaine.

Solveurs SPINNs stochastiques || Simulations indépendantes multi-résolutions pour la turbulence || 27 mars 2026



Comment fonctionne réellement l'IA ? Explications de Transformers


Réseaux de neurones récurrents (RNN) | LSTM, GRU, BPTT

PINNs pour la simulation du flux sanguin|| ZENN pour la modélisation hétérogène basée sur les données || 20 mars 2026


IA Générative L19 : Intuition des Transformers

Opérateurs neuronaux Riverside | Emilio McAllister Fognini, FAI CDT
![[ИАД, весна 2026] Математические методы анализа текстов. Лекция 6: RoPE, KV-Cache, MHA](https://i.ytimg.com/vi/7CsLtY_vFi8/sddefault.jpg)
[ИАД, printemps 2026] Méthodes mathématiques d'analyse de textes. Leçon 6 : RoPE, KV-Cache, MHA

IA générative L18 : Attention croisée dans les modèles de séquences encodeur-décodeur
![Deep Learning 3 [Even Semester 2025/2026 Telyu] - Deep Learning Computation](https://i.ytimg.com/vi/rMVQw8f3RNQ/maxresdefault.jpg)
Deep Learning 3 [Semestre Pair 2025/2026 Telyu] - Calcul d'apprentissage profond

Opérateurs neuronaux de Laplace informés par la physique || Algorithmes d'algèbre linéaire ML || 13 mars 2026

Le nouveau robot chinois CENTAUR doté d'IA confère aux humains une force surhumaine

QTML 2025: Décodeurs neuronaux évolutifs pour une connexion pratique d'erreurs quantiques en temps réel

QTML 2025 : Réseau neuronal d’intégration récurrente quantique

QTML 2025 : Accélération polynomiale dans les réseaux neuronaux photoniques via l'injection d'état adaptative

QTML 2025 : Gradient naturel pour les machines de Boltzmann quantiques

QTML 2025 : Accélération de l’inférence pour les réseaux neuronaux convolutifs multicouches

QTML 2025 : Une théorie unifiée du paysage de perte des réseaux neuronaux quantiques

IA générative L17 : BiRNN et RNN profonds empilés

![Deep Learning 2 [Even Semester 2025/2026 Telyu] - Multilayer Perceptrons & Neural Network](https://i.ytimg.com/vi/qG-XhgvUEBw/maxresdefault.jpg)
Deep Learning 2 [Semestre Pair 2025/2026 Telkom] - Perceptrons Multicouches et Réseau de Neurones


![[Generative AI in Urdu/Hindi] Lecture 17: Transformers (first pass)](https://i.ytimg.com/vi/-FEuUtT_T_E/maxresdefault.jpg)
[IA générative en ourdou/hindi] Leçon 17 : Transformers (premier passage)



Keynote- Dynamiques de réduction de course neuronale de l’apprentissage de caractéristiques dans les architectures profondes (Prof Andrew Saxe)
![Deep Learning 1 [Even Semester 2025/2026 Telyu] - Introduction to Deep Learning](https://i.ytimg.com/vi/lnm3ACBWLmg/maxresdefault.jpg)
Deep Learning 1 [Even Semester 2025/2026 Telyu] - Introduction au Deep Learning

Lorin Crawford - Quand plus n'est pas mieux : repenser l'échelle dans les modèles fondamentaux de cellule unique