English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

RÉSUMÉ. Les réseaux de neurones convolutifs de quaternions (QCNN) forment un ensemble d’algorithmes particulièrement efficaces pour l’apprentissage et la modélisation des relations internes et externes existantes entre les caractéristiques d’un vecteur de données. Ce travail propose d’évaluer l’efficacité des QCNNs à travers une tâche réaliste d’identification automatique de thèmes contenus dans des conversations téléphoniques, impliquant des agents et des usagers du centre d’appel du service de transport de la ville de Paris (RATP). Il est ainsi démontré que les QCNNs sont plus performants que leurs homologues basés sur l’algèbre des nombres réels (CNN) pour le traitement de données multidimensionnelles, et pour coder les relations internes. En effet, les CNNs traitent, sans distinction, et au même niveau, les relations internes et externes, dû à la nature propre des représentations dans des espaces composés de nombres réels. Les expérimentations montrent que le QCNN surpasse de manière constante et pour l’ensemble des configurations le CNN durant la tâche d’identification de thèmes basée sur le corpus de dialogues parlés DECODA. De plus, cette hausse de précision est accompagnée d’une réduction significative du nombre de paramètres neuronaux composant le modèle par un facteur de quatre.

Réseaux de neurones convolutifs de quaternions pour l'identification de thèmes de conversations téléphoniques.