 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Enamundram, M. V. N. K., Bédard, S., Valošek, J., Aigner, C. S., Bannier, E., Bednařík, J., Callot, V., Combes, A., Curt, A., David, G., Eippert, F., Farner, L., G. Fehlings, M., Freund, P., Granberg, T., Granziera, C., Horn, U., Horák, T., Humphreys, S., ... Cohen-Adad, J. (2026). Monitoring morphometric drift in lifelong learning segmentation of the spinal cord. Imaging Neuroscience, 40 pages. Lien externe
Govindarajan, P., Miret, S., Rector-Brooks, J., Phielipp, M., Rajendran, J., & Chandar, S. (2024). Learning conditional policies for crystal design using offline reinforcement learning. Digital Discovery, 3(4), 769-785. Disponible
Kazemnejad, A., Rezagholizadeh, M., Parthasarathi, P., & Chandar, S. (2023). Measuring the Knowledge Acquisition-Utilization Gap in Pretrained Language Models. Findings of the Association for Computational Linguistics: EMNLP, 4305-4319. Lien externe
Clouâtre-Latraverse, L., Parthasarathi, P., Zouaq, A., & Chandar, S. (2022). Detecting Languages Unintelligible to Multilingual Models through Local Structure Probes. Findings of the Association for Computational Linguistics: EMNLP 2022, 5375-5396. Lien externe
Zayed, A., Torcato Mordido, G. F., Shabanian, S., Baldini, I., & Chandar, S. (février 2024). Fairness-Aware Structured Pruning in Transformers [Communication écrite]. 38th AAAI Conference on Artificial Intelligence (AAAI 2024). Publié dans Proceedings of the AAAI Conference on Artificial Intelligence, 38(20). Lien externe
Clouâtre, L., Zouaq, A., & Chandar, S. (mai 2024). MVP: Minimal Viable Phrase for Long Text Understanding [Communication écrite]. Joint 30th International Conference on Computational Linguistics and 14th International Conference on Language Resources and Evaluation (LREC-COLING 2024), Hybrid, Torino, Italy. Lien externe
Parthasarathi, P., Pineau, J., & Chandar, S. (juillet 2021). Do Encoder Representations of Generative Dialogue Models have sufficient summary of the Information about the task ? [Communication écrite]. 22nd Annual Meeting of the Special Interest Group on Discourse and Dialogue, Singapore and Online. Lien externe
Sankar, C., Subramanian, S., Pal, C. J., Chandar, S., & Bengio, Y. (juillet 2019). Do neural dialog systems use the conversation history effectively? An empirical study [Communication écrite]. 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), Florence, Italy. Lien externe
Prato, G., Huang, J., Parthasarathi, P., Sodhani, S., & Chandar, S. (décembre 2023). EpiK-Eval: Evaluation for Language Models as Epistemic Models [Résumé]. Conference on Empirical Methods in Natural Language Processing, Singapore, Singapore. Lien externe
