Responsable :
Hezavehe, Seyed-Yashar
Établissement :
Université de Montréal
Année de concours :
2021-2022
Des percées récentes dans les domaines de l’intelligence artificielle et des réseaux de neurones artificiels ont conduit au développement de méthodes d’analyse puissantes pour les données astrophysiques. Malgré cela, les incertitudes des prédictions et les erreurs des réseaux de neurones sont mal comprises. L’utilisation généralisée de l’apprentissage automatique pour l’analyse de données réelles en sciences nécessite inévitablement des estimations précises de ces incertitudes. Ici, nous proposons d’utiliser un cadre statistique connu (inférence sans vraisemblance ou likelihood-free inference) pour obtenir avec exactitude les incertitudes de paramètres prédits grâce à des réseaux de neurones préalablement entrainés. Nous proposons d’utiliser le phénomène de lentille gravitationnelle forte comme étude de cas pour développer notre méthode.
Responsable :
Hezavehe, Seyed-Yashar
Établissement :
Université de Montréal
Année de concours :
2021-2022
Ajustez la taille du texte selon vos besoins en cliquant sur les boutons ci-dessous
Ajustez le style visuel du site en sélectionnant celui qui vous convient le mieux parmi les choix disponibles ci-dessous :
Accédez à notre section accessibilité pour en savoir plus sur nos politiques et l'accessibilité de notre site Web.