Réseau neuronal convolutif (French Wikipedia)

Analysis of information sources in references of the Wikipedia article "Réseau neuronal convolutif" in French language version.

refsWebsite

Global rank French rank

14doi.org

2^nd place

3^rd place

8nih.gov

4^th place

12^th place

7arxiv.org

69^th place

232^nd place

5semanticscholar.org

11^th place

325^th place

4nips.cc

low place

3web.archive.org

1^st place

2lecun.com

low place

2issn.org

57^th place

4^th place

2princeton.edu

741^st place

1,215^th place

2harvard.edu

18^th place

118^th place

2deeplearningbook.org

low place

1deeplearning.net

low place

1umontreal.ca

6,223^rd place

861^st place

1acm.org

1,185^th place

1,318^th place

1worldcat.org

5^th place

13^th place

1ieee.org

652^nd place

741^st place

1idsia.ch

low place

1univ-nantes.fr

low place

1,816^th place

1hal.science

low place

1,322^nd place

1psu.edu

207^th place

929^th place

1scholarpedia.org

low place

1computer.org

5,196^th place

5,716^th place

1inria.fr

4,903^rd place

875^th place

1free.fr

321^st place

31^st place

1toronto.edu

low place

1mlr.press

low place

1microsoft.com

153^rd place

287^th place

1jmlr.org

low place

1coursera.org

low place

acm.org

doi.acm.org

(en) Ronan Collobert et Jason Weston, « A Unified Architecture for Natural Language Processing: Deep Neural Networks with Multitask Learning », Proceedings of the 25th International Conference on Machine Learning, New York, NY, USA, ACM, iCML '08,‎ 2008, p. 160–167 (ISBN 978-1-60558-205-4, DOI 10.1145/1390156.1390177, lire en ligne).

arxiv.org

(en) Dan Ciresan, Üli Meier et Jürgen Schmidhuber, « Multi-column deep neural networks for image classification », Conference on Computer Vision and Pattern Recognition 2012, New York, NY, Institute of Electrical and Electronics Engineers (IEEE),‎ juin 2012, p. 3642–3649 (ISBN 978-1-4673-1226-4, OCLC 812295155, DOI 10.1109/CVPR.2012.6248110, arXiv 1202.2745v1, lire en ligne, consulté le 9 décembre 2013).
(en) Juergen Schmidhuber, « Histoire annotée de l'IA moderne et de l'apprentissage profond », 2022..
(en) Prajit Ramachandran, Zoph Barret et V. Le Quoc, « À la recherche de fonctions d'activation », 16 octobre 2017..
(en) Benjamin Graham, « Fractional Max-Pooling », 18 décembre 2014..
(en) Jost Tobias Springenberg, Alexey Dosovitskiy, Thomas Brox et Martin Riedmiller, « Striving for Simplicity: The All Convolutional Net », 21 décembre 2014..
(en) Matthew D. Zeiler et Rob Fergus, « Stochastic Pooling for Regularization of Deep Convolutional Neural Networks », 15 janvier 2013..
(en) Geoffrey E. Hinton, Nitish Srivastava, Alex Krizhevsky, Ilya Sutskever et Ruslan R. Salakhutdinov, « Improving neural networks by preventing co-adaptation of feature detectors », 2012..

computer.org

(en) Dave Steinkraus, Ian Buck et Patrice Simard, 12th International Conference on Document Analysis and Recognition (ICDAR 2005), 2005, 1115–1119 p. (lire en ligne), « Using GPUs for Machine Learning Algorithms ».

coursera.org

J. Hinton, Coursera lectures on Neural Networks, 2012, Url: https://www.coursera.org/course/neuralnets?

deeplearning.net

(en) « Convolutional Neural Networks (LeNet) – DeepLearning 0.1 documentation », sur DeepLearning 0.1, LISA Lab (consulté le 31 août 2013).

deeplearningbook.org

(en) Ian Goodfellow, Yoshua Bengio et Aaron Courville, Deep Learning, MIT Press, 2016 (ISBN 0262035618, lire en ligne) [détail des éditions], chapitre 9.
(en) Ian Goodfellow, Yoshua Bengio et Aaron Courville, Deep Learning, MIT Press, 2016 (ISBN 0262035618, lire en ligne) [détail des éditions], chapitre 7.

doi.org

dx.doi.org

(en) Masakazu Matusugu, Katsuhiko Mori, Yusuke Mitari et Yuji Kaneda, « Subject independent facial expression recognition with robust face detection using a convolutional neural network », Neural Networks, vol. 16, n^o 5,‎ 2003, p. 555–559 (DOI 10.1016/S0893-6080(03)00115-1, lire en ligne, consulté le 17 novembre 2013).
(en) Ronan Collobert et Jason Weston, « A Unified Architecture for Natural Language Processing: Deep Neural Networks with Multitask Learning », Proceedings of the 25th International Conference on Machine Learning, New York, NY, USA, ACM, iCML '08,‎ 2008, p. 160–167 (ISBN 978-1-60558-205-4, DOI 10.1145/1390156.1390177, lire en ligne).
(en) Dan Ciresan, Üli Meier et Jürgen Schmidhuber, « Multi-column deep neural networks for image classification », Conference on Computer Vision and Pattern Recognition 2012, New York, NY, Institute of Electrical and Electronics Engineers (IEEE),‎ juin 2012, p. 3642–3649 (ISBN 978-1-4673-1226-4, OCLC 812295155, DOI 10.1109/CVPR.2012.6248110, arXiv 1202.2745v1, lire en ligne, consulté le 9 décembre 2013).
(en) Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, « ImageNet classification with deep convolutional neural networks » [PDF], Communications of the ACM, 24 mai 2017 (ISSN 0001-0782, DOI 10.1145/3065386, S2CID 195908774), p. 84–90.
(en) Patrick Le Callet, Christian Viard-Gaudin et Dominique Barba, « A Convolutional Neural Network Approach for Objective Video Quality Assessment », IEEE Transactions on Neural Networks, vol. 17, n^o 5,‎ 2006, p. 1316–1327 (PMID 17001990, DOI 10.1109/TNN.2006.879766, lire en ligne, consulté le 17 novembre 2013).
(en) Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539).
Kunihiko Fukushima, « Neocognitron : un modèle de réseau neuronal auto-organisé pour un mécanisme de reconnaissance de formes non affecté par un changement de position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 7370364, DOI 10.1007/BF00344251, S2CID 206775608, lire en ligne [archive du 3 juin 2014], consulté le 16 novembre 2013)
Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539, Bibcode 2015Natur.521..436L, S2CID 3074096, lire en ligne)
(en) Kunihiko Fukushima, « Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 737036, DOI 10.1007/BF00344251, lire en ligne, consulté le 16 novembre 2013).
K. Fukushima, « Extraction de caractéristiques visuelles par un réseau multicouche d'éléments de seuil analogiques », IEEE Transactions on Systems Science and Cybernetics, vol. 5, n^o 4,‎ 1969, p. 322–333 (DOI 10.1109/TSSC.1969.300225).
J Weng, N Ahuja et TS Huang, 1993 (4e) Conférence internationale sur la vision par ordinateur, IEEE, 1993, 121–128 p. (ISBN 0-8186-3870-2, DOI 10.1109/ICCV.1993.378228, S2CID 8619176), « Apprentissage de la reconnaissance et de la segmentation d'objets 3D à partir d'images 2D ».
(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).
K. Fukushima, « Neocognitron », Scholarpedia, vol. 2, n^o 1,‎ 2007, p. 1717 (DOI 10.4249/scholarpedia.1717 , Bibcode 2007SchpJ...2.1717F).
(en) G. E. Hinton, S. Osindero et Y. W. Teh, « A fast learning algorithm for deep belief nets », Neural Computation, vol. 18, n^o 7,‎ juillet 2006, p. 1527–1554 (PMID 16764513, DOI 10.1162/neco.2006.18.7.1527).

free.fr

emilie.caillault.free.fr

Emilie Poisson et Christian Viard-Gaudin, « Réseaux de neurones à convolution - Reconnaissance de l’écriture manuscrite non contrainte », sur emilie.caillault.free.fr, 2001 (consulté le 25 avril 2016).

hal.science

Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539, Bibcode 2015Natur.521..436L, S2CID 3074096, lire en ligne)

harvard.edu

ui.adsabs.harvard.edu

Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539, Bibcode 2015Natur.521..436L, S2CID 3074096, lire en ligne)
K. Fukushima, « Neocognitron », Scholarpedia, vol. 2, n^o 1,‎ 2007, p. 1717 (DOI 10.4249/scholarpedia.1717 , Bibcode 2007SchpJ...2.1717F).

idsia.ch

(en) Dan Ciresan, Üli Meier, Jonathan Masci, Luca M. Gambardella et Jurgen Schmidhuber, « Flexible, High Performance Convolutional Neural Networks for Image Classiﬁcation », Proceedings of the Twenty-Second international joint conference on Artificial Intelligence-Volume Volume Two, vol. 2,‎ 2011, p. 1237–1242 (lire en ligne, consulté le 17 novembre 2013).

ieee.org

ieeexplore.ieee.org

(en) Dan Ciresan, Üli Meier et Jürgen Schmidhuber, « Multi-column deep neural networks for image classification », Conference on Computer Vision and Pattern Recognition 2012, New York, NY, Institute of Electrical and Electronics Engineers (IEEE),‎ juin 2012, p. 3642–3649 (ISBN 978-1-4673-1226-4, OCLC 812295155, DOI 10.1109/CVPR.2012.6248110, arXiv 1202.2745v1, lire en ligne, consulté le 9 décembre 2013).

inria.fr

hal.inria.fr

(en) Kumar Chellapilla (dir.), Sid Puri et Patrice Simard, Tenth International Workshop on Frontiers in Handwriting Recognition, Suvisoft, 2006 (lire en ligne), « High Performance Convolutional Neural Networks for Document Processing ».

issn.org

portal.issn.org

(en) Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, « ImageNet classification with deep convolutional neural networks » [PDF], Communications of the ACM, 24 mai 2017 (ISSN 0001-0782, DOI 10.1145/3065386, S2CID 195908774), p. 84–90.
(en) D. H. Hubel et T. N. Wiesel, « Receptive fields and functional architecture of monkey striate cortex », The Journal of Physiology, vol. 195, n^o 1,‎ 1^er mars 1968, p. 215–243 (ISSN 0022-3751, PMID 4966457, PMCID 1557912, lire en ligne).

jmlr.org

(en) « Dropout: A Simple Way to Prevent Neural Networks from Overfitting », sur jmlr.org (consulté le 17 décembre 2015).

lecun.com

yann.lecun.com

(en) Yann LeCun, « LeNet-5, convolutional neural networks » (consulté le 16 novembre 2013).
(en) MarcAurelio Ranzato, Christopher Poultney, Sumit Chopra et Yann LeCun, « Efficient Learning of Sparse Representations with an Energy-Based Model », Advances in Neural Information Processing Systems,‎ 2007 (lire en ligne).

microsoft.com

research.microsoft.com

(en) « Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis – Microsoft Research », sur research.microsoft.com (consulté le 17 décembre 2015).

mlr.press

proceedings.mlr.press

(en) « Regularization of Neural Networks using DropConnect », Proceedings of the 30th International Conference on Machine Learning, n^o 28(3),‎ 2013, p. 1058-1066 (lire en ligne, consulté le 17 décembre 2015).

nih.gov

ncbi.nlm.nih.gov

(en) Patrick Le Callet, Christian Viard-Gaudin et Dominique Barba, « A Convolutional Neural Network Approach for Objective Video Quality Assessment », IEEE Transactions on Neural Networks, vol. 17, n^o 5,‎ 2006, p. 1316–1327 (PMID 17001990, DOI 10.1109/TNN.2006.879766, lire en ligne, consulté le 17 novembre 2013).
(en) D. H. Hubel et T. N. Wiesel, « Receptive fields and functional architecture of monkey striate cortex », The Journal of Physiology, vol. 195, n^o 1,‎ 1^er mars 1968, p. 215–243 (ISSN 0022-3751, PMID 4966457, PMCID 1557912, lire en ligne).
(en) Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539).
Kunihiko Fukushima, « Neocognitron : un modèle de réseau neuronal auto-organisé pour un mécanisme de reconnaissance de formes non affecté par un changement de position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 7370364, DOI 10.1007/BF00344251, S2CID 206775608, lire en ligne [archive du 3 juin 2014], consulté le 16 novembre 2013)
Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539, Bibcode 2015Natur.521..436L, S2CID 3074096, lire en ligne)
(en) Kunihiko Fukushima, « Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 737036, DOI 10.1007/BF00344251, lire en ligne, consulté le 16 novembre 2013).
(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).
(en) G. E. Hinton, S. Osindero et Y. W. Teh, « A fast learning algorithm for deep belief nets », Neural Computation, vol. 18, n^o 7,‎ juillet 2006, p. 1527–1554 (PMID 16764513, DOI 10.1162/neco.2006.18.7.1527).

nips.cc

papers.nips.cc

(en) Aaron van den Oord, Sander Dieleman, Benjamin Schrauwen, C. J. C. Burges, L. Bottou, M. Welling, Z. Ghahramani et K. Q. Weinberger, Deep content-based music recommendation, Curran Associates, Inc., 2013, 2643–2651 p. (lire en ligne).
(en) Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, « ImageNet classification with deep convolutional neural networks » [PDF], Communications of the ACM, 24 mai 2017 (ISSN 0001-0782, DOI 10.1145/3065386, S2CID 195908774), p. 84–90.
(en) Toshiteru Homma, Les Atlas et Robert II Marks, « An Artificial Neural Network for Spatio-Temporal Bipolar Patters: Application to Phoneme Classification », Advances in Neural Information Processing Systems, vol. 1,‎ 1988, p. 31–40 (lire en ligne [PDF]).
(en) A. Krizhevsky, I. Sutskever et G. E. Hinton, « ImageNet Classification with Deep Convolutional Neural Networks », Advances in neural Processing Systems de traitement, vol. 1,‎ 2012, p. 1097–1105 (lire en ligne [archive du 16 février 2015]).

princeton.edu

cs.princeton.edu

Kunihiko Fukushima, « Neocognitron : un modèle de réseau neuronal auto-organisé pour un mécanisme de reconnaissance de formes non affecté par un changement de position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 7370364, DOI 10.1007/BF00344251, S2CID 206775608, lire en ligne [archive du 3 juin 2014], consulté le 16 novembre 2013)
(en) Kunihiko Fukushima, « Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 737036, DOI 10.1007/BF00344251, lire en ligne, consulté le 16 novembre 2013).

psu.edu

citeseerx.ist.psu.edu

(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).

scholarpedia.org

(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).

semanticscholar.org

api.semanticscholar.org

(en) Alex Krizhevsky, Ilya Sutskever et Geoffrey Hinton, « ImageNet classification with deep convolutional neural networks » [PDF], Communications of the ACM, 24 mai 2017 (ISSN 0001-0782, DOI 10.1145/3065386, S2CID 195908774), p. 84–90.
Kunihiko Fukushima, « Neocognitron : un modèle de réseau neuronal auto-organisé pour un mécanisme de reconnaissance de formes non affecté par un changement de position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 7370364, DOI 10.1007/BF00344251, S2CID 206775608, lire en ligne [archive du 3 juin 2014], consulté le 16 novembre 2013)
Yann LeCun, Yoshua Bengio et Geoffrey Hinton, « Deep learning », Nature, vol. 521, n^o 7553,‎ 2015, p. 436–444 (PMID 26017442, DOI 10.1038/nature14539, Bibcode 2015Natur.521..436L, S2CID 3074096, lire en ligne)
J Weng, N Ahuja et TS Huang, 1993 (4e) Conférence internationale sur la vision par ordinateur, IEEE, 1993, 121–128 p. (ISBN 0-8186-3870-2, DOI 10.1109/ICCV.1993.378228, S2CID 8619176), « Apprentissage de la reconnaissance et de la segmentation d'objets 3D à partir d'images 2D ».
(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).

toronto.edu

cs.toronto.edu

(en) Nitish Srivastava, C. Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever et Ruslan Salakhutdinov, « Dropout: A Simple Way to Prevent Neural Networks from overfitting », Journal of Machine Learning Research, vol. 15, n^o 1,‎ 2014, p. 1929–1958 (lire en ligne [PDF]).

umontreal.ca

iro.umontreal.ca

(en) Masakazu Matusugu, Katsuhiko Mori, Yusuke Mitari et Yuji Kaneda, « Subject independent facial expression recognition with robust face detection using a convolutional neural network », Neural Networks, vol. 16, n^o 5,‎ 2003, p. 555–559 (DOI 10.1016/S0893-6080(03)00115-1, lire en ligne, consulté le 17 novembre 2013).

univ-nantes.fr

hal.univ-nantes.fr

(en) Patrick Le Callet, Christian Viard-Gaudin et Dominique Barba, « A Convolutional Neural Network Approach for Objective Video Quality Assessment », IEEE Transactions on Neural Networks, vol. 17, n^o 5,‎ 2006, p. 1316–1327 (PMID 17001990, DOI 10.1109/TNN.2006.879766, lire en ligne, consulté le 17 novembre 2013).

web.archive.org

Kunihiko Fukushima, « Neocognitron : un modèle de réseau neuronal auto-organisé pour un mécanisme de reconnaissance de formes non affecté par un changement de position », Biological Cybernetics, vol. 36, n^o 4,‎ 1980, p. 193–202 (PMID 7370364, DOI 10.1007/BF00344251, S2CID 206775608, lire en ligne [archive du 3 juin 2014], consulté le 16 novembre 2013)
(en) Jürgen Schmidhuber, « Deep Learning », Scholarpedia, vol. 10, n^o 11,‎ 2015, p. 1527–54 (PMID 16764513, DOI 10.4249/scholarpedia.32832, S2CID 2309950, CiteSeer^x 10.1.1.76.1541, lire en ligne [archive du 19 avril 2016], consulté le 20 janvier 2019).
(en) A. Krizhevsky, I. Sutskever et G. E. Hinton, « ImageNet Classification with Deep Convolutional Neural Networks », Advances in neural Processing Systems de traitement, vol. 1,‎ 2012, p. 1097–1105 (lire en ligne [archive du 16 février 2015]).

worldcat.org

(en) Dan Ciresan, Üli Meier et Jürgen Schmidhuber, « Multi-column deep neural networks for image classification », Conference on Computer Vision and Pattern Recognition 2012, New York, NY, Institute of Electrical and Electronics Engineers (IEEE),‎ juin 2012, p. 3642–3649 (ISBN 978-1-4673-1226-4, OCLC 812295155, DOI 10.1109/CVPR.2012.6248110, arXiv 1202.2745v1, lire en ligne, consulté le 9 décembre 2013).