Pierre Wolinski
- Université Paris Dauphine-PSL
- Laboratoire d'analyse et modélisation de systèmes pour l'aide à la décision (LAMSADE)
- Machine Intelligence and Learning Systems (MILES)
Présentation
Je suis maître de conférences en informatique à l'université Paris Dauphine - PSL depuis septembre 2024. Je fais de la recherche sur la théorie des réseaux de neurones artificiels, notamment leur optimisation et leur régularisation, et j'enseigne dans différents domaines de l'intelligence artificielle, comme l'analyse de données, l'apprentissage automatique, et les réseaux de neurones. Auparavant, j'ai fait ma thèse sur l'élagage de réseaux de neurones et l'élimination d'hyperparamètres, puis des post-docs centrés sur l'initialisation des réseaux de neurones et l'optimisation d'ordre 2. Page web : https://pierre-wolinski.fr/ GitHub : https://github.com/p-wol Parcours :
Domaines de recherche
Compétences
Publications
Publications
|
|
Gaussian Pre-Activations in Neural Networks: Myth or Reality?Transactions on Machine Learning Research Journal, 2025, pp.1-50 |
|
|
Gathering and Exploiting Higher-Order Information when Training Large Structured ModelsEuropean Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, Sep 2025, Porto, Portugal. pp.436-452, ⟨10.1007/978-3-032-06078-5_25⟩ |
|
|
Rethinking Gauss-Newton for learning over-parameterized modelsNeurIPS 2023 - Thirty-seventh Conference on Neural Information Processing Systems, Dec 2023, La Nouvelle-Orléans, United States. pp.1-24 |
|
|
Imposing Gaussian Pre-Activations in a Neural NetworkJDS 2022 - 53es Journées de Statistique de la Société Française de Statistiques (SFdS), Jun 2022, Lyon, France |
|
|
Learning with Random Learning RatesECML PKDD 2019 – European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, Sep 2019, Würzburg, Germany. pp.449-464, ⟨10.1007/978-3-030-46147-8_27⟩ |
|
|
An Equivalence between Bayesian Priors and Penalties in Variational Inference2024 |
|
|
Adapting Newton's Method to Neural Networks through a Summary of Higher-Order Derivatives2024 |
|
|
Efficient Neural Networks for Tiny Machine Learning: A Comprehensive Review2023 |
|
|
Asymmetrical Scaling Layers for Stable Network Pruning2020 |