Search

Your search keyword '"Tiger"' showing total 4 results
Start Over Descriptor "Tiger" Language french
4 results on '"Tiger"'

1. Tropical Malady: Film & the Question of the Uncanny Human-Animal

Author

Barbara Creed

Subjects
thai film, film studies, cultural studies, tropical malady, tropics, love story, shape-shifter, shaman, man-beast, ghost, tiger, uncanny, tropicality, human-animal, thailand, Social Sciences
Abstract

The acclaimed Thai film, Tropical Malady (2004), represents the tropics as a surreal place where conscious and unconscious are as inextricably entwined. Directed by Apichatpong Weerasethakul, Tropical Malady presents two interconnected stories: one a quirky gay love story; the other a strange disconnected narrative about a shape-shifting shaman, a man-beast and a ghostly tiger. This paper will argue that from it beginnings in the silent period, the cinema has created an uncanny zone of tropicality where human and animal merge.

Published
2011
Full Text
View/download PDF

2. Modèles neuronaux hybrides pour la modélisation de séquences : le meilleur de trois mondes

Author

Dinarelli, Marco, Grobol, Loïc, Laboratoire d'Informatique de Grenoble (LIG ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Lattice - Langues, Textes, Traitements informatiques, Cognition - UMR 8094 (Lattice), Département Littératures et langage - ENS Paris (LILA), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-Université Sorbonne Paris Cité (USPC)-Université Sorbonne Nouvelle - Paris 3, Automatic Language Modelling and ANAlysis & Computational Humanities (ALMAnaCH), Inria de Paris, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), ATALA, ANR-11-IDEX-0005,USPC,Université Sorbonne Paris Cité(2011), ANR-15-CE38-0008,DEMOCRAT,DEscription et MOdélisation des Chaînes de Référence : outils pour l'Annotation de corpus (en diachronie et en langues comparées) et le Traitement automatique(2015), Université Sorbonne Nouvelle - Paris 3-Université Sorbonne Paris Cité (USPC)-Centre National de la Recherche Scientifique (CNRS)-Université Paris sciences et lettres (PSL)-Département Littératures et langage - ENS Paris (LILA), École normale supérieure - Paris (ENS-PSL), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS-PSL), and Université Paris sciences et lettres (PSL)

Subjects
MEDIA, WSJ, Neural Networks, Modélisation de séquence, TIGER, Étiquetage morphosyntaxique, Réseaux neuronaux, Sequence modelling, POS Tagging, Compréhension de la parole, Étiquetage de séquences, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]
Abstract

International audience; We propose a neural architecture with the main characteristics of the most successful neural models of the last years : bidirectional RNNs, encoder-decoder, and the Transformer model. Evaluation on three sequence labelling tasks yields results that are close to the state-of-the-art for all tasks and better than it for some of them, showing the pertinence of this hybrid architecture for this kind of tasks.; Nous proposons une architecture neuronale avec les caractéristiques principales des modèles neuro-naux de ces dernières années : les réseaux neuronaux récurrents bidirectionnels, les modèles encodeur-décodeur, et le modèle Transformer. Nous évaluons nos modèles sur trois tâches d'étiquetage de sé-quence, avec des résultats aux environs de l'état de l'art et souvent meilleurs, montrant ainsi l'intérêt de cette architecture hybride pour ce type de tâches.

Published
2019

3. Hybrid Neural Networks for Sequence Modelling : The Best of Three Worlds

Author

Dinarelli, Marco, Grobol, Loïc, Laboratoire d'Informatique de Grenoble (LIG ), Institut polytechnique de Grenoble - Grenoble Institute of Technology (Grenoble INP )-Centre National de la Recherche Scientifique (CNRS)-Université Grenoble Alpes [2016-2019] (UGA [2016-2019]), Lattice - Langues, Textes, Traitements informatiques, Cognition - UMR 8094 (Lattice), Département Littératures et langage (LILA), École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-École normale supérieure - Paris (ENS Paris), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL)-Centre National de la Recherche Scientifique (CNRS)-Université Sorbonne Paris Cité (USPC)-Université Sorbonne Nouvelle - Paris 3, Automatic Language Modelling and ANAlysis & Computational Humanities (ALMAnaCH), Inria de Paris, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria), ATALA, ANR-11-IDEX-0005,USPC,Université Sorbonne Paris Cité(2011), and ANR-15-CE38-0008,DEMOCRAT,DEscription et MOdélisation des Chaînes de Référence : outils pour l'Annotation de corpus (en diachronie et en langues comparées) et le Traitement automatique(2015)

Subjects
MEDIA, WSJ, Neural Networks, Modélisation de séquence, TIGER, Étiquetage morphosyntaxique, Réseaux neuronaux, Sequence modelling, POS Tagging, Compréhension de la parole, Étiquetage de séquences, [INFO.INFO-CL]Computer Science [cs]/Computation and Language [cs.CL]
Abstract

International audience; We propose a neural architecture with the main characteristics of the most successful neural models of the last years : bidirectional RNNs, encoder-decoder, and the Transformer model. Evaluation on three sequence labelling tasks yields results that are close to the state-of-the-art for all tasks and better than it for some of them, showing the pertinence of this hybrid architecture for this kind of tasks.; Nous proposons une architecture neuronale avec les caractéristiques principales des modèles neuro-naux de ces dernières années : les réseaux neuronaux récurrents bidirectionnels, les modèles encodeur-décodeur, et le modèle Transformer. Nous évaluons nos modèles sur trois tâches d'étiquetage de sé-quence, avec des résultats aux environs de l'état de l'art et souvent meilleurs, montrant ainsi l'intérêt de cette architecture hybride pour ce type de tâches.

Published
2019

Catalog

Books, media, physical & digital resources
See catalog results