Loading...
Bienvenue sur la collection des archives ouvertes HAL du PaRis AI Research InstitutE
Le plan 3AI
Le Prairie Institute (PaRis AI Research InstitutE) est l'un des quatre instituts français d'intelligence artificielle, créés dans le cadre de l'initiative nationale française sur l'IA annoncée par le président Emmanuel Macron le 29 mai 2018.
La création d’un petit nombre d’instituts de recherche interdisciplinaires en IA (ou «3IA» pour «Instituts Interdisciplinaires d’Intelligence Artificielle») a constitué une part importante de ce plan ambitieux, doté d’un budget total d’un milliard d’euros. Après un appel à participation ouvert en juillet 2018 et deux tours d'examen par un comité scientifique international, les projets de Grenoble, Nice, Paris et Toulouse ont officiellement reçu le label 3IA le 24 avril 2019, pour un budget total de 75 millions d'euros.
Pour en savoir plus sur PaRis AI Research InstitutE, consultez son site web.
Le Prairie Institute (PaRis AI Research InstitutE) est l'un des quatre instituts français d'intelligence artificielle, créés dans le cadre de l'initiative nationale française sur l'IA annoncée par le président Emmanuel Macron le 29 mai 2018.
La création d’un petit nombre d’instituts de recherche interdisciplinaires en IA (ou «3IA» pour «Instituts Interdisciplinaires d’Intelligence Artificielle») a constitué une part importante de ce plan ambitieux, doté d’un budget total d’un milliard d’euros. Après un appel à participation ouvert en juillet 2018 et deux tours d'examen par un comité scientifique international, les projets de Grenoble, Nice, Paris et Toulouse ont officiellement reçu le label 3IA le 24 avril 2019, pour un budget total de 75 millions d'euros.
Pour en savoir plus sur PaRis AI Research InstitutE, consultez son site web.
Nombre de dépôts en texte intégral
845
Nombre de notices

Derniers dépôts
-
-
-
-
Guanghui Fu, Lucia Nichelli, Dario Herran, Romain Valabregue, Agusti Alentorn, et al.. Comparing foundation models and nnU-Net for segmentation of primary brain lymphoma on clinical routine post-contrast T1-weighted MRI. SPIE Image Processing, SPIE, Feb 2025, San diego (Californie), United States. ⟨hal-04447318v4⟩
-
-
-
Mots clés
Simulation
Natural language processing
Convex optimization
LLMs
Breast cancer
Optimization
Computational Pathology
MT
Apprentissage profond
Dementia
Neural networks
Wavelets
Robotics
Clustering
Portrait quality assessment
Image synthesis
Large language models
Algorithms
Microscopy
Data imputation
Deformable models
Cancer
Self-supervised learning
RNA localization
Computational Literary Studies
Computer Vision
Language acquisition
Alzheimer's disease
Literature
Image processing
Artificial intelligence
Transfer learning
Hippocampus
HIV
Machine translation
Computer vision
Kalman filter
Variational autoencoder
Clinical Data Warehouse
Loss function
Direct access
Magnetic resonance imaging
Exoplanet detection
Cross-validation
Bias
Data Augmentation
Curvature penalization
Brain
Adaptation
Phylodynamics
Medical imaging
Computational modeling
Alzheimer’s disease
Validation
Shared task
Evaluation
Robustness
Reproducibility
Neuroimaging
Prediction
Context aware machine translation
Computer Vision and Pattern Recognition csCV
Whole slide images
Representation learning
Classification
FOS Mathematics
Conjunctive queries
Kernel methods
Vision par ordinateur
Object detection
Apprentissage automatique
Deep learning
Action recognition
Online learning
Data visualization
Graph alignment
Mixture models
Computational social choice
Machine Learning
Software
Multiple sclerosis
Clinical data warehouse
MRI
Segmentation
Alzheimer's Disease
Electronic health records
FOS Computer and information sciences
Computational pathology
BERT
French
Deep Learning
Deep generative models
Ensemble learning
Interpretability
Brain MRI
Machine learning
Longitudinal data
Functional connectivity
Reinforcement learning
Riemannian geometry
![]() |
![]() |
![]() |
![]() |
![]() |
Designed by Inria IES Service