- FR
- EN
pierre.wolinski@dauphine.psl.eu
Bureau
: P405ter
Site web personnel
Pierre Wolinski est maître de conférences en informatique à l'université Paris Dauphine - PSL depuis septembre 2024. Il fait de la recherche sur la théorie des réseaux de neurones artificiels, notamment leur optimisation et leur régularisation. Il enseigne dans différents domaines de l'intelligence artificielle, comme l'analyse de données, l'apprentissage automatique, et les réseaux de neurones. Auparavant, il a fait sa thèse sur l'élagage de réseaux de neurones et l'élimination d'hyperparamètres, puis des post-docs centrés sur l'initialisation des réseaux de neurones et l'optimisation d'ordre 2.
Parcours :
Arbel M., Menegaux R., WOLINSKI P. (2023), Rethinking Gauss-Newton for learning over-parameterized models, in A. Oh ; T. Naumann ; A. Globerson ; K. Saenko ; M. Hardt ; S. Levine, Neural Information Processing Systems Foundation, Inc., 33379-33402 p. 
Blier L., WOLINSKI P., Ollivier Y. (2019), Learning with Random Learning Rates, in Ulf Brefeld ; Elisa Fromont ; Andreas Hotho ; Arno Knobbe ; Marloes Maathuis ; Céline Robardet, Berlin Heidelberg, Springer International Publishing, 449-464 p.
Wolinski P., Arbel J. (2025), How Can the Pre-Activations Remain Gaussian as They Propagate through a Neural Network?, European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, Nectar track, Porto, Portugal
WOLINSKI P., Arbel J. (2022), Imposing Gaussian Pre-Activations in a Neural Network, 53e journées des statistiques, Lyon, France
WOLINSKI P., Charpiat G., Ollivier Y. (2022), An Equivalence between Bayesian Priors and Penalties in Variational Inference, International Society for Bayesian Analysis, Montréal, Canada
