Loading...
3IA Côte d'Azur - Interdisciplinary Institute for Artificial Intelligence
3IA Côte d'Azur est l'un des quatre "Instituts interdisciplinaires d'intelligence artificielle" créés en France en 2019. Son ambition est de créer un écosystème innovant et influent au niveau local, national et international. L'institut 3IA Côte d'Azur est piloté par Université Côte d'Azur en partenariat avec les grands partenaires de l'enseignement supérieur et de la recherche de la région niçoise et de Sophia Antipolis : CNRS, Inria, INSERM, EURECOM, SKEMA Business School. L'institut 3IA Côte d'Azur est également soutenu par l'ECA, le CHU de Nice, le CSTB, le CNES, l'Institut Data ScienceTech et l'INRAE. Le projet a également obtenu le soutien de plus de 62 entreprises et start-ups.
Derniers dépôts
Documents en texte intégral
682
Notices
304
Statistiques par discipline
Mots clés
Distributed optimization
Spiking neural networks
Topological Data Analysis
Image fusion
Cable-driven parallel robot
COVID-19
Optimization
Hyperbolic systems of conservation laws
Dimensionality reduction
NLP Natural Language Processing
Autoencoder
Electrophysiology
Clinical trials
Fluorescence microscopy
Correlation matrices
53B20
Domain adaptation
Visualization
Knowledge graph
Unsupervised learning
Predictive model
Latent block model
Autonomous vehicles
Image segmentation
Multi-Agent Systems
Diffusion MRI
Semantic web
Semantic segmentation
Convolutional Neural Networks
SPARQL
RDF
Neural networks
Linked Data
Arguments
Spiking Neural Networks
Deep Learning
Healthcare
Electrocardiogram
Event cameras
Coxeter triangulation
Anomaly detection
Deep learning
Clustering
Grammatical Evolution
Biomarkers
Differential privacy
Knowledge graphs
Brain-inspired computing
Data augmentation
Extreme value theory
Embedded Systems
Excursion sets
Artificial intelligence
Macroscopic traffic flow models
ECG
Convolutional neural network
Convergence analysis
Sparsity
Semantic Web
Isomanifolds
Computer vision
Artificial Intelligence
Argument Mining
Web of Things
Graph signal processing
Multiple Sclerosis
Computing methodologies
Dense labeling
MRI
Machine learning
Privacy
Segmentation
Graph neural networks
Persistent homology
Echocardiography
Federated Learning
Explainable AI
Uncertainty
Linked data
Computational Topology
CNN
FPGA
Apprentissage profond
Alzheimer's disease
Information Extraction
Electronic medical record
Convolutional neural networks
Hyperspectral data
Medical imaging
Atrial Fibrillation
Super-resolution
Co-clustering
Geometric graphs
Change point detection
Atrial fibrillation
Ontology Learning
OPAL-Meso
Diffusion strategy
Contrastive learning
Consensus