Alex Graves

Alex Graves, boursier junior de l’ICRA, effectue des recherches dans la faculté de science informatique de l’université de Toronto, sous la direction de Geoffrey Hinton, Boursier et directeur du programme Calcul neuronal et perception adaptative. En 2008, il a obtenu un doctorat du Dalle Molle Institute for Artificial Intelligence à Lugano (Suisse) et de l'Université technique de Munich (Allemagne), avec très grande distinction, sous la supervision du professeur Jürgen Schmidhuber. Alex détient aussi un certificat d’études avancées en mathématiques, avec distinction, de l’Université de Cambridge et un baccalauréat ès sciences en physique mathématique, avec distinction, de l’Université d’Édimbourg. Il termine actuellement un programme de chercheur postdoctoral associé à la Chaire de robotique et de systèmes emboîtés à l'Université technique de Munich. En plus de ses travaux universitaires, il est expert-conseil et développeur de logiciel à la pige dans le domaine des technologies de reconnaissance de l’écriture manuscrite.

Dans le cadre de ses recherches, Alex utilise des ordinateurs pour dégager des motifs dans des données séquentielles. Il s’intéresse tout particulièrement aux motifs que perçoivent les humains dans des stimulations sensorielles comme le son, la vision et le toucher. Comme outils informatiques principaux, il utilise des réseaux neuronaux récurrents – des dispositifs de traitement de séquences artificielles inspirés par la connectivité cyclique des neurones dans le cerveau. Il a déjà utilisé de tels réseaux pour résoudre des problèmes de classification et de transcription comme la reconnaissance de la parole et de l’écriture manuscrite, domaine dans lequel il a notablement réalisé des percées et gagné des concours dans plusieurs langues. À titre de Boursier junior, Alex se penchera sur diverses méthodes visant à découvrir des motifs temporels dans des données perceptuelles à l’aide de principes théoriques de l’information. De telles méthodes comportent un vaste éventail d’applications éventuelles, y compris la compression de données, le regroupement séquentiel, les prévisions en série chronologique et l’étiquetage de séquences.