Dissertations / Theses on the topic 'Apprentissage contrastif'

Dans cette thèse, nous développons des approches d'apprentissage auto-supervisé pour l'analyse d'images et de vidéos. L'apprentissage de représentation auto-supervisé permet de pré-entraîner les réseaux neuronaux à apprendre des concepts généraux sans annotations avant de les spécialiser plus rapidement à effectuer des tâches, et avec peu d'annotations. Nous présentons trois contributions à l'apprentissage auto-supervisé de représentations d'images et de vidéos. Premièrement, nous introduisons le paradigme théorique de l'apprentissage contrastif doux et sa mise en œuvre pratique appelée Estimation Contrastive de Similarité (SCE) qui relie l'apprentissage contrastif et relationnel pour la représentation d'images. Ensuite, SCE est étendue à l'apprentissage de représentation vidéo temporelle globale. Enfin, nous proposons COMEDIAN, un pipeline pour l'apprentissage de représentation vidéo locale-temporelle pour l'architecture transformer. Ces contributions ont conduit à des résultats de pointe sur de nombreux benchmarks et ont donné lieu à de multiples contributions académiques et techniques publiées
In this thesis, we develop approaches to perform self-supervised learning for image and video analysis. Self-supervised representation learning allows to pretrain neural networks to learn general concepts without labels before specializing in downstream tasks faster and with few annotations. We present three contributions to self-supervised image and video representation learning. First, we introduce the theoretical paradigm of soft contrastive learning and its practical implementation called Similarity Contrastive Estimation (SCE) connecting contrastive and relational learning for image representation. Second, SCE is extended to global temporal video representation learning. Lastly, we propose COMEDIAN a pipeline for local-temporal video representation learning for transformers. These contributions achieved state-of-the-art results on multiple benchmarks and led to several academic and technical published contributions

Les modèles développés dans cette thèse sont le résultat d'un processus itératif d'analyse et de synthèse entre les théories existantes et nos études réalisées. Plus spécifiquement, nous souhaitons étudier l'apprentissage inter-modal pour la compréhension contextualisée sur les composants des documents à travers le langage et la vision. Cette thèse porte sur l'avancement de la recherche sur l'apprentissage inter-modal et apporte des contributions sur quatre fronts : (i) proposer une approche inter-modale avec des réseaux profonds pour exploiter conjointement les informations visuelles et textuelles dans un espace de représentation sémantique commun afin d'effectuer et de créer automatiquement des prédictions sur les documents multimodaux; (ii) à étudier des stratégies concurrentielles pour s'attaquer aux tâches de classification de documents intermodaux, de récupération basée sur le contenu et de classification few-shot de documents ; (iii) pour résoudre les problèmes liés aux données comme l'apprentissage lorsque les données ne sont pas annotées, en proposant un réseau qui apprend des représentations génériques à partir d'une collection de documents non étiquetés ; et (iv) à exploiter les paramètres d'apprentissage few-shot lorsque les données ne contiennent que peu d’exemples
The frameworks developed in this thesis were the outcome of an iterative process of analysis and synthesis between existing theories and our performed studies. More specifically, we wish to study cross-modality learning for contextualized comprehension on document components across language and vision. The main idea is to leverage multimodal information from document images into a common semantic space. This thesis focuses on advancing the research on cross-modality learning and makes contributions on four fronts: (i) to proposing a cross-modal approach with deep networks to jointly leverage visual and textual information into a common semantic representation space to automatically perform and make predictions about multimodal documents (i.e., the subject matter they are about); (ii) to investigating competitive strategies to address the tasks of cross-modal document classification, content-based retrieval and few-shot document classification; (iii) to addressing data-related issues like learning when data is not annotated, by proposing a network that learns generic representations from a collection of unlabeled documents; and (iv) to exploiting few-shot learning settings when data contains only few examples

Cette thèse traite du problème de l'inférence de réseau dans le domaine des réseaux sociaux en ligne. L'hypothèse principale des problèmes d'inférence de réseau est que le réseau que nous observons n'est pas celui dont nous avons réellement be-soin. Cela est particulièrement vrai dans l'espace numérique actuel, où l'abondance d'informations s'accompagne généralement d'un manque crucial de fiabilité, sous la forme de bruit et de points manquants dans les données. Cependant, les approches existantes ignorent ou ne garantissent pas l'inférence de réseaux d'une manière qui puisse expliquer les données dont nous disposons. Il en résulte une ambiguïté sur la signification du réseau inféré, en plus d'un manque d'intuition et de contrôle sur l'inférence elle-même. L'objectif de cette thèse est d'explorer plus avant ce problème. Pour quantifier la capacité d'un réseau inféré à expliquer un ensemble de données, nous introduisons un nouveau critère de qualité, appelé feasibility. Notre intuition est que si un ensemble de données est "feasible" en ce qui concerne le réseau inféré, celui-ci est un meilleur candidat que le cas échéant. Pour le vérifier, nous proposons une nouvelle méthode d'inférence de réseau sous la forme d'un problème d'optimisation contraint, basé sur le maximum de vraisemblance, qui garantit la feasibility à 100%. Cette méthode est adaptée aux données provenant des réseaux sociaux en ligne, qui sont des sources bien connues de données peu fiables et restreintes. Nous présentons des expériences sur un ensemble de données synthétiques et données réelles provenant de la plateforme Twitter/X. Nous montrons que la méthode proposée génère une distribution a posteriori des graphes qui garantit l'explication de l'ensemble de données tout en étant plus proche de la véritable structure sous-jacente. En guise d'exploration finale, nous nous penchons sur le domaine de l'apprentissage profond pour trouver des alternatives plus évolutives et plus flexibles, en fournissant un cadre préliminaire basé sur les réseaux neuronaux graphiques et l'apprentissage contrastif qui donne des résultats prometteurs
This thesis deals with the problem of network inference in the domain of Online So-cial Networks. The main premise of network inference problems is that the networkwe are observing is not the network that we really need. This is especially prevalentin today's digital space, where the abundance of information usually comes withcrucial unreliability, in the form of noise and missing points in the data. However, existing approaches either ignore or do not guarantee to infer networks in a waythat can explain the data we have at hand. As a result, there is an ambiguity around the meaning of the network that we are inferring, while also having little intuition or control over the inference itself. The goal of this thesis is to further explore this problem. To quantify how well an inferred network can explain a dataset, we introduce a novel quality criterion called feasibility. Our intuition is that if a dataset is feasible given an inferred network, we might also be closer to the ground truth. To verify this,we propose a novel network inference method in the form of a constrained, Maximum Likelihood-based optimization problem that guarantees 100% feasibility. It is tailored to inputs from Online Social Networks, which are well-known sources of un-reliable and restricted data. We provide extensive experiments on one synthetic andone real-world dataset coming from Twitter/X. We show that our proposed method generates a posterior distribution of graphs that guarantees to explain the dataset while also being closer to the true underlying structure when compared to other methods. As a final exploration, we look into the field of deep learning for more scalable and flexible alternatives, providing a preliminary framework based on Graph Neural Networks and contrastive learning that gives promising results

Durant ces dernières années, les architectures de réseaux de neurones (RN) ont été appliquées avec succès à de nombreuses applications en Traitement Automatique de Langues (TAL), comme par exemple en Reconnaissance Automatique de la Parole (RAP) ainsi qu'en Traduction Automatique (TA).Pour la tâche de modélisation statique de la langue, ces modèles considèrent les unités linguistiques (c'est-à-dire des mots et des segments) à travers leurs projections dans un espace continu (multi-dimensionnel), et la distribution de probabilité à estimer est une fonction de ces projections.Ainsi connus sous le nom de "modèles continus" (MC), la particularité de ces derniers se trouve dans l'exploitation de la représentation continue qui peut être considérée comme une solution au problème de données creuses rencontré lors de l'utilisation des modèles discrets conventionnels.Dans le cadre de la TA, ces techniques ont été appliquées dans les modèles de langue neuronaux (MLN) utilisés dans les systèmes de TA, et dans les modèles continus de traduction (MCT).L'utilisation de ces modèles se sont traduit par d'importantes et significatives améliorations des performances des systèmes de TA. Ils sont néanmoins très coûteux lors des phrases d'apprentissage et d'inférence, notamment pour les systèmes ayant un grand vocabulaire.Afin de surmonter ce problème, l'architecture SOUL (pour "Structured Output Layer" en anglais) et l'algorithme NCE (pour "Noise Contrastive Estimation", ou l'estimation contrastive bruitée) ont été proposés: le premier modifie la structure standard de la couche de sortie, alors que le second cherche à approximer l'estimation du maximum de vraisemblance (MV) par une méthode d’échantillonnage.Toutes ces approches partagent le même critère d'estimation qui est la log-vraisemblance; pourtant son utilisation mène à une incohérence entre la fonction objectif définie pour l'estimation des modèles, et la manière dont ces modèles seront utilisés dans les systèmes de TA.Cette dissertation vise à concevoir de nouvelles procédures d'entraînement des MC, afin de surmonter ces problèmes.Les contributions principales se trouvent dans l'investigation et l'évaluation des méthodes d'entraînement efficaces pour MC qui visent à: (i) réduire le temps total de l'entraînement, et (ii) améliorer l'efficacité de ces modèles lors de leur utilisation dans les systèmes de TA.D'un côté, le coût d'entraînement et d'inférence peut être réduit (en utilisant l'architecture SOUL ou l'algorithme NCE), ou la convergence peut être accélérée.La dissertation présente une analyse empirique de ces approches pour des tâches de traduction automatique à grande échelle.D'un autre côté, nous proposons un cadre d'apprentissage discriminant qui optimise la performance du système entier ayant incorporé un modèle continu.Les résultats expérimentaux montrent que ce cadre d'entraînement est efficace pour l'apprentissage ainsi que pour l'adaptation des MC au sein des systèmes de TA, ce qui ouvre de nouvelles perspectives prometteuses
Over the past few years, neural network (NN) architectures have been successfully applied to many Natural Language Processing (NLP) applications, such as Automatic Speech Recognition (ASR) and Statistical Machine Translation (SMT).For the language modeling task, these models consider linguistic units (i.e words and phrases) through their projections into a continuous (multi-dimensional) space, and the estimated distribution is a function of these projections. Also qualified continuous-space models (CSMs), their peculiarity hence lies in this exploitation of a continuous representation that can be seen as an attempt to address the sparsity issue of the conventional discrete models. In the context of SMT, these echniques have been applied on neural network-based language models (NNLMs) included in SMT systems, and oncontinuous-space translation models (CSTMs). These models have led to significant and consistent gains in the SMT performance, but are also considered as very expensive in training and inference, especially for systems involving large vocabularies. To overcome this issue, Structured Output Layer (SOUL) and Noise Contrastive Estimation (NCE) have been proposed; the former modifies the standard structure on vocabulary words, while the latter approximates the maximum-likelihood estimation (MLE) by a sampling method. All these approaches share the same estimation criterion which is the MLE ; however using this procedure results in an inconsistency between theobjective function defined for parameter stimation and the way models are used in the SMT application. The work presented in this dissertation aims to design new performance-oriented and global training procedures for CSMs to overcome these issues. The main contributions lie in the investigation and evaluation of efficient training methods for (large-vocabulary) CSMs which aim~:(a) to reduce the total training cost, and (b) to improve the efficiency of these models when used within the SMT application. On the one hand, the training and inference cost can be reduced (using the SOUL structure or the NCE algorithm), or by reducing the number of iterations via a faster convergence. This thesis provides an empirical analysis of these solutions on different large-scale SMT tasks. On the other hand, we propose a discriminative training framework which optimizes the performance of the whole system containing the CSM as a component model. The experimental results show that this framework is efficient to both train and adapt CSM within SMT systems, opening promising research perspectives

Cette thèse est une étude de l’interlangue prosodique des apprenants d’anglais dont la langue maternelle est le français ou l’espagnol. Elle est organisée en deux parties principales. La première est une étude sur les méthodes de conception et de représentation de la prosodie pour l’analyse de l’interlangue, un système linguistique hybride présentant des caractéristiques de la langue maternelle de l’apprenant, des caractéristiques de la langue cible et des caractéristiques intermédiaires ou développementales. Cette partie débouche sur un cadre méthodologique pour l’analyse phonétique et pour l’interprétation phonologique de ce type de systèmes prosodiques. La deuxième partie est la mise en œuvre de cette méthodologie par une analyse contrastive de l’interlangue réalisée à travers l’étude d’un corpus oral d’apprenants d’anglais. Les résultats montrent des traces de l’influence de leurs langues maternelles respectives à un niveau phonétique et phonologique, ainsi que des caractéristiques développementales communes aux deux groupes de locuteurs. Les résultats servent de base pour une réflexion sur les niveaux d’abstraction de l’étude de la prosodie et sur les priorités didactiques pour l’enseignement de l’anglais oral au niveau universitaire
This thesis is a study of the prosodic interlanguage of students of English as a foreign language whose native language is French or Spanish. It is organized in two main parts. The first part is a study of the methods of conception and representation of prosody for the analysis of interlanguage – a hybrid linguistic system which includes characteristics of the student's native language, characteristics of the target language, and intermediate developmental or characteristics. This provides a methodological framework for the phonetic analysis and phonological interpretation of this type of prosodic systems. The second part is the implementation of this methodology through a contrastive interlanguage analysis conducted through the study of an oral corpus of students of English as a foreign language. The results show traces of the influence of their respective native languages at the phonetic and phonological levels, as well as developmental characteristics common to both groups of learners. The results serve as a basis for reflection on the levels of abstraction in the study of prosody and on the didactic priorities for teaching oral English at a university level

Les relations entre les habitants de la France et les locuteurs de la langue-culture arabe sont très anciennes puisqu'elles remontent au moins aux Croisades et aux premières traductions du Coran en latin. Après avoir rappelé les principales étapes historiques de l'enseignement de l'arabe en France (qui fut organisé officiellement depuis le XVIe siècle), nous nous intéressons à la situation actuelle de l'arabe dans l’Hexagone où il est aujourd'hui la deuxième langue la plus parlée. Or, cette langue connaît une remarquable situation de pluriglossie où se côtoient cinq variétés : arabe classique, arabe standard moderne (ou ASM), arabe intermédiaire, dialectes arabes et francarabe. Ces éléments historiques et sociolinguistiques, complétés par une étude comparative de l’ASM et du français standard, nous permettent d'aborder notre problématique qui relève de la didactique des langues-cultures : quelles sont les difficultés majeures que peut rencontrer l’apprenant Français adulte lorsqu'il commence à apprendre l’ASM ? L’analyse d’un corpus d’erreurs nous permet de répondre à cette question et de formuler quelques propositions didactiques propres à faciliter l’apprentissage de la communication en ASM. Afin d’approfondir notre réflexion, nous avons aussi cherché à connaître les motivations qui conduisaient les enquêtés à apprendre l’ASM ainsi que les utilisations qu’ils faisaient de leurs compétences en arabe. Notre problématique s’inscrit également dans le contexte social de la France d’aujourd’hui, où la communication interculturelle revêt une importance capitale
The relationships between the inhabitants of France and the speakers of the Arab language-culture are very old, as they date back at least to the Crusades and the first Latin translations of the Koran. After reminding the main historical steps of the teaching of Arabic in France (officially organised in France since the 16th century), we will look into the current situation of this language in France, where it is considered the second most spoken language. However, this language presents a remarkable pluriglossia situation with five varieties living alongside: Classical Arabic, Modern Standard Arabic (or MSA), Middle Arabic, the Arabic dialects and the “francarabe”. These historical and sociolinguistic elements, completed by a comparative study between MSA and Standard French, allow us to approach our problematic that falls into the didactics of languages-cultures : What are the main issues that can be encountered by a adult French learner who starts studying MSA? The analysis of a corpus of errors allows us to answer this question and to proffer some didactic proposals to facilitate the learning of communication in MSA. In order to deepen our thinking on this matter, we also sought to know the motivations that led the respondents to learn MSA, as well as the uses they made of their skills in Arabic. Our problematic is also set in the social context of contemporary France, where intercultural communication is of paramount importance

L'apprentissage auto-supervisé a gagné en popularité en tant que méthode d'apprentissage à partir de données non annotées. Il s'agit essentiellement de créer puis de résoudre un problème de prédiction qui utilise les données; par exemple, de retrouver l'ordre de données qui ont été mélangées. Ces dernières années, cette approche a été utilisée avec succès pour entraîner des réseaux de neurones qui extraient des représentations utiles des données, le tout sans aucune annotation. Cependant, notre compréhension de ce qui est appris et de la qualité de cet apprentissage est limitée. Ce document éclaire ces deux aspects de l'apprentissage auto-supervisé.Empiriquement, nous évaluons ce qui est appris en résolvant des tâches auto-supervisés. Nous spécialisons des tâches de prédiction lorsque les données sont des enregistrements d'activité cérébrale, par magnétoencéphalographie (MEG) ou électroencephalographie (EEG). Ces tâches partagent un objectif commun: reconnaître la structure temporelle dans les ondes cérébrales. Nos résultats montrent que les représentations apprises en résolvant ces tâches-là comprennent des informations neurophysiologiques, cognitives et cliniques, interprétables.Théoriquement, nous explorons également la question de la qualité de l'appretissage, spécifiquement pour les tâches de prédiction qui peuvent s'écrire comme un problème de classification binaire. Nous poursuivons une trâme de recherche qui utilise des problèmes de classification binaire pour faire de l'inférence statistique, alors que cela peut nécessiter de sacrifier une notion d'efficacité statistique pour une autre notion d'efficacité computationnelle. Nos contributions visent à améliorer l'efficacité statistique. Nous analysons théoriquement l'erreur d'estimation statistique et trouvons des situations lorsque qu'elle peut rigoureusement être réduite. Spécifiquement, nous caractérisons des hyperparametres optimaux de la tâche de classification binaire et prouvons également que la populaire heuristique de "recuit" peut rendre l'estimation plus efficace, même en grandes dimensions
Self-supervised learning has gained popularity as a method for learning from unlabeled data. Essentially, it involves creating and then solving a prediction task using the data, such as reordering shuffled data. In recent years, this approach has been successful in training neural networks to learn useful representations from data, without any labels. However, our understanding of what is actually being learned and how well it is learned is still somewhat limited. This document contributes to our understanding of self-supervised learning in these two key aspects.Empirically, we address the question of what is learned. We design prediction tasks specifically tailored to learning from brain recordings with magnetoencephalography (MEG) or electroencephalography (EEG). These prediction tasks share a common objective: recognizing temporal structure within the brain data. Our results show that representations learnt by solving these tasks contain interpretable cognitive and clinical neurophysiological features.Theoretically, we explore the quality of the learning procedure. Our focus is on a specific category of prediction tasks: binary classification. We extend prior research that has highlighted the utility of binary classification for statistical inference, though it may involve trading off some measure of statistical efficiency for another measure of computational efficiency. Our contributions aim to improve statistical efficiency. We theoretically analyze the statistical estimation error and find situations when it can be provably reduced. Specifically, we characterize optimal hyperparameters of the binary classification task and also prove that the popular heuristic of "annealing" can lead to more efficient estimation, even in high dimensions

Les mécanismes biologiques qui sous-tendent les symptômes des maladies psychiatriques sont encore mal compris à de nombreux égards. Une hypothèse qui justifierait la difficulté des chercheurs à identifier des marqueurs biologiques associés spécifiquement avec les troubles schizophrènes, bipolaires ou autistique serait qu'il existe une hétérogénéité neurobiologique importante au sein de chacune de ses maladies, qui rend plus difficile l'analyse de ces affections. Dans cette thèse, notre objectif est de développer des techniques d'apprentissage statistique automatique pour stratifier les maladies psychiatriques en sous-groupes ou en spectre de dimensions indépendantes sur la base de marqueurs biologiques objectifs acquis à l'aide de technique d'imagerie IRM neuroanatomique. Dans un premier temps, nous nous sommes concentrés sur le développement de méthodes de regroupement («clustering») visant à stratifier une maladie en sous-groupes homogènes. Un obstacle majeur fût d'observer que la prédominance de marqueurs neuroanatomiques sous-tendus par des facteurs de variabilité «généraux» (age, sexe, site d'acquisition, ethnicité) rendait difficile l'identification de marqueurs pathologiques distincts (associé à des échelles cliniques telles que la paranoïa, l'anxiété, ou la dépression par exemple). Notre première contribution fût donc de développer un algorithme linéaire de découverte de sous-groupes: UCSL qui se base uniquement sur des facteurs de variabilité existant spécifiquement et uniquement dans la population malade et non dans la population saine. Afin d'étendre ce travail à des algorithmes d'analyse profond non-linéaire, potentiellement plus puissant, susceptibles de reconnaître des signatures pathologiques plus complexes, nous avons étendu l'algorithme UCSL à un algorithme de Deep Learning intitulé Deep UCSL. Deep UCSL est capable d'extraire directement des caractéristiques directement dans l'image IRM anatomique et démontre des capacités de généralisation à d'autres domaines d'imagerie médicale (pathologies de l'œil et des poumons). Puis, afin d'illustrer l'utilité de ces méthodes de découverte de sous-groupes, nous avons utilisé la méthode linéaire UCSL dans une cohorte de personnes atteintes de schizophrénie pour identifier plusieurs sous-types et analyser leur pertinence clinique. Une autre ligne de recherche intéressante consiste à estimer les facteurs génératifs latents distincts et interprétables qui sous-tendent l'hétérogénéité neurobiologique propre à la maladie psychiatrique. Ainsi, nous nous sommes donc intéressés à une classe de méthodes d'apprentissage de représentations pathologiques (qui capture des motifs de variabilité qui n'existent que dans la maladie) intitulée «l'analyse contrastante». Ce champ de l'apprentissage statistique vise à séparer les facteurs de variabilité «communs» et «cibles», étant donné un ensemble de données «source» et un ensemble de données «cible». Dans notre cas, l'objectif serait d'identifier d'un côté la projection permettant d'identifier les motifs de variabilité sains et de l'autre côté la projection permettant d'identifier les «signatures pathologiques» qui n'existe que dans la classe des malades et non dans la classe des gens sains. Nous avons développé une méthode d'auto-encodeur variationnelle: SepVAE, qui contribue à des méthodes concurrentes via l'ajout de deux fonctions de coût à minimiser.. Enfin, nous avons développé une nouvelle méthode d'analyse contrastante: SepCLR, qui étend le cadre des méthodes d'Analyse Contrastive à une autre classe de méthodes prometteuse d'apprentissage de représentations: l'apprentissage par maximisation d'information mutuelle. Nous avons validé ces deux contributions méthodologiques sur des ensembles de données de vision, médicaux et de neuroimagerie
The biological mechanisms that underlie the symptoms of psychiatric diseases, such as schizophrenia, bipolar, or autistic disorders, are still poorly understood in many regards.One of the main reasons is the neurobiological heterogeneity associated with these diseases. Furthermore, healthy subjects usually share common but irrelevant factors of variation with the patients, such as age, sex, acquisition site, and ethnicity. These two major obstacles hamper the identification of consistent and interpretable biological markers associated with these diseases and their clinical scales, such as paranoia, anxiety, or depression.One of the main reasons is the neurobiological heterogeneity associated with these diseases. This hampers the identification of clear and interpretable biological markers associated with these diseases. In this thesis, our goal is to develop machine learning techniques to automatically stratify psychiatric diseases into homogeneous subgroups or to automatically identify the pathological latent distinct and interpretable generative factors, based on objective biological markers acquired through neuroanatomical MRI imaging techniques.At first, this thesis focused on developing clustering methods to stratify a disorder into homogeneous subgroups. Our first contribution was a extit{linear} subgroup discovery algorithm, called UCSL (Unsupervised Clustering driven by Supervised Learning), which identifies subgroups that stem only from the pathological variability specific to the disorder while disregarding the common variability shared with the healthy population. As a second contribution, this was then extended with a non-linear deep features extractor, potentially more powerful in recognizing complex pathological signatures. This new deep learning method entitled Deep UCSL, can directly extract features from anatomical MRI images, showed state-of-the-art results in neuro-psychiatric subgroup identification, and demonstrated generalization capabilities to other medical imaging domains (eye and lung pathologies). Ultimately, to illustrate the usefulness of such Subgroup Discovery methods, the linear method UCSL was leveraged to identify subtypes in a cohort of individuals with schizophrenia and to analyze their clinical relevance.Another line of research investigated in this thesis consisted of estimating the latent distinct and interpretable generative factors that underpin the neurobiological heterogeneity proper to the psychiatric disorder. To address this objective, this thesis investigated a class of representation learning methods that enable separating pathological patterns from healthy patterns of variability: contrastive analysis methods. These methods do not require assuming the existence of homogeneous subgroups. This field of statistical learning aims at separating ''common'' and ''target'' variability factors given a ''source'' dataset and a ''target'' dataset. In our case, the goal is to identify, on the one hand, the projection that allows identifying healthy variability patterns and, on the other hand, the projection that allows identifying ''pathological signatures'' that exist only in the class of patients and not in the class of healthy people. A contrastive variational autoencoder method entitled SepVAE was developed and contributed to competing methods in two ways: by adding a classification task in the pathological space and by adding a cost function based on mutual information to minimize information redundancy between the common space and the pathological space. Eventually, to provide a rich methodological perspective, a novel contrastive analysis strategy was developed. This method extends the framework of contrastive analysis methods to another promising class of representation learning methods: mutual information maximization learning. These methodological contributions were then validated on vision, medical, and neuroimaging datasets

Cette thèse porte sur la fouille de graphes et propose un ensemble de méthodes pour la découverte de contrastes entre classes et leurs contributions à des problématiques de prédictions de propriétés (éco)toxicologiques de composés chimiques. Nous présentons un nouveau type de motifs, les motifs émergents de graphes - les conjonctions de graphes dont la présence est liée à la classification donnée en entrée - afin de cibler l'information caractérisant les différentes lasses. Notre méthode repose sur un changement de description des graphes permettant de revenir à un contexte de fouille de données tabulaires. L'étendue des contraintes utilisées en fouille de données tabulaires peut ainsi être exploitée, telle que la contrainte d'émergence. Nous montrons également qu'il est possible d'étendre aux motifs de graphes les représentations condensées de motifs sur la contrainte d'émergence. Cette méthode synthétise les motifs de graphes et facilite leur exploration et leur usages. Le fil conducteur de ce travail est celui de l'évaluation de propriétés (éco)toxicologiques de molécules par l'usage de modèles in silico, conformément à la norme européenne REACH. Dans ce contexte, les méthodes de fouille de graphes proposées permettent d'extraire des toxicophores (i.e. des fragments de molécules qui peuvent influencer le comportement toxique des molécules) à partir des exemples d'une chimiothèque. Une série expérimentale montre l'apparition de nouvelles structures lorsque le niveau de toxicité des molécules augmente. Ces travaux contribuent à l'acquisition de nouvelles connaissances sur les mécanismes de toxicité des molécules venant compléter les connaissances expertes humaines.

Ce travail traite de l'imagerie électromagnétique mal-posée non-linéaire à partir de données en régime harmonique dans une expérience de diffraction bidimensionnelle, en mettant l'accent sur deux approches dans le cadre de l'inversion de source de contraste (CSI). La première approche est un CSI pénalisé par la parcimonie de groupe dans le domaine des ondelettes, la seconde est un schéma d'apprentissage profond dit déroulé. Dans la première approche, une dépendance existe entre les coefficients d'ondelettes à différentes échelles, appelée relation parent-enfant, ce qui donne une structure quadtree d'ondelettes, de sorte que les coefficients d'ondelettes sont parcimonieux tant au niveau des pixels qu'au niveau des groupes. L'accent est mis sur l'utilisation de la transformée en ondelettes complexe (CWT) à double arborescence en vue d'obtenir correctement la représentation parcimonieuse par groupe recherchée. Une norme l2,1 ajoutée à la fonction coût standard applique la parcimonie de groupe aux coefficients d'ondelettes du contraste. La stratégie de réplication est combinée avec la méthode proximale afin de résoudre le problème pénalisé de groupes qui se chevauchent. La seconde approche est inspirée de la méthode déroulée. En intégrant les itérations CSI dans le modèle d'apprentissage profond, la connaissance du domaine est intégrée au processus d'apprentissage. Dans les deux cas, des tests numériques approfondis sont effectués afin d'évaluer les performances, la stabilité, la robustesse et la fiabilité, en menant des comparaisons avec des solutions considérées plus standard (comme CSI, la transformée en ondelettes discrète ou DWT, et U-net), et celles-ci illustrent l'avantage des deux approches proposées en de nombreux aspects
This work deals with nonlinear ill-posed electromagnetic imaging from time-harmonic data within a two-dimensional scattering experiment, the focus being on two approaches in the framework of the contrast-source inversion (CSI). The first approach is a group sparsity penalized CSI in the wavelet domain, the second is an unrolled deep learning scheme. In the first approach, dependency exists between wavelet coefficients at different scales, referred to as parent-child relationship, which yields a wavelet quadtree structure so that wavelet coefficients are both pixel-wise and group-wise sparse. Emphasis is on the dual-tree complex wavelet transform (CWT) to achieve this result. A '2;1 norm added to the standard cost function is to enforce group sparsity onto the wavelet coefficients of the spatially-varying contrast. The replication strategy is combined with the proximal method to solve the overlapping group penalized problem. The second approach is inspired by the unrolled method. By embedding the CSI iterations into the deep learning model, the domain knowledge is incorporated into the learning process. In both cases, thorough numerical tests are carried out to evaluate performance, stability, robustness, and reliability with comparisons with more standard solutions (like CSI, discrete wavelet transform (DWT) and U-net), which exhibit the advantage of the proposed approaches under many aspects

Cette recherche a pour objet l’étude de l’enseignement-apprentissage des particules modales allemandes par un public non-germanophone de niveau débutant. Ce travail cherche en premier lieu à définir si l’introduction explicite et précoce de ces particules en classe d’allemand langue étrangère favorise leur production et leur compréhension. Deuxièmement, il tente de déterminer si la langue de scolarisation des apprenants influence le processus d’appropriation des particules modales allemandes. Le premier chapitre pose le cadre conceptuel du travail, en retraçant les principales notions mobilisées en linguistique et en didactique des langues : la linguistique contrastive, la linguistique de corpus, la théorie des actes de langage, les méthodes de l’enseignement-apprentissage des langues étrangères. Il présente également le corpus de l’allemand parlé recueilli à des fins didactiques auprès de jeunes germanophones. Le deuxième chapitre analyse les méthodes de présentation des particules modales dans les manuels et les grammaires de l’allemand langue étrangère ainsi que dans les dictionnaires et cahiers d’exercices consacrés à ce sujet. À la suite de cette analyse, nous proposons notre propre approche, basée sur deux supports innovants : des enregistrements didactisés de notre corpus et des tableaux bilingues qui expliquent en allemand, en français ou en russe le fonctionnement des particules modales. Le troisième chapitre expose la mise en œuvre de cette méthode lors d’une expérience didactique menée auprès d’apprenants franco-, russo- et sinophones. La thèse débouche sur des propositions méthodologiques pour l’enseignement-apprentissage des particules modales allemandes
The research presented in this dissertation analyzes the acquisition of German modal particles by beginner-level learners. This project seeks firstly to ascertain if introducing the particles early and explicitly into the German-as-a-foreign-language can help learners to understand and use them more effectively. Secondly, it attempts to determine whether learners’ mother tongue influences the acquisition process of German modal particles. The first chapter sets the conceptual background, retracing the concepts in linguistics and language didactics that are fundamental to this study: Contrastive Linguistics, Corpus Linguistics, and Speech Acts Theory, as well as Foreign Language Teaching Methods and Approaches. It also presents the corpus of young peoples’ spoken German collected specifically for the didactic purposes of this dissertation. The second chapter analyzes the different methods of teaching modal particles put forward in textbooks and grammar books, as well as in dictionaries and exercise books devoted to the subject. Following this review, I propose my own approach based on two innovative teaching tools: recordings from my corpus of spoken German, and bilingual tables with comments in German, French or Russian on how German modal particles function. The third chapter describes the implementation of my method by presenting the results from an experiment of teaching German-as-a-foreign-language to French-, Russian- and Chinese-speaking learners. The thesis ends with methodological recommendations for teaching German modal particles
Die vorliegende Dissertation hat zum Ziel, den Erwerb der Modalpartikeln durch DaF-Lernende auf Anfängerniveau zu untersuchen. Allem voran wird der Frage nachgegangen, ob und wenn ja wie, eine explizite und frühe Behandlung der Modalpartikeln im DaF-Unterricht deren Produktion und Verständnis fördern kann. Anschließend wird der Versuch unternommen, einen möglichen positiven Einfluss der Muttersprache auf den Erwerb deutscher Modalpartikeln herauszufinden. Das erste Kapitel setzt den theoretischen Rahmen der Dissertation, indem es linguistische und sprachdidaktische Konzepte darlegt, die grundlegend für diese Arbeit sind: kontrastive Linguistik, Korpuslinguistik, Sprechakttheorie und Methoden des Fremdsprachenunterrichts. Es wird außerdem das Korpus “Gesprochenes Deutsch junger Muttersprachler“ beschrieben, das gezielt für die didaktischen Zwecke der Dissertation zusammengestellt worden ist. Im zweiten Kapitel werden Ansätze und Methoden zur Einführung der Modalpartikeln durchleuchtet, die in modernen DaF-Lehrwerken und Grammatiken sowie in thematischen Lexika und Übungsbüchern eingesetzt werden. Im Anschluss wird die eigene Herangehensweise dargestellt, die auf zwei innovativen Lehrmaterialien fußt: Didaktisierte Audioaufnahmen aus dem Korpus und zweisprachige Tabellen, die auf Deutsch, Französisch oder Russisch den Gebrauch der Modalpartikeln erläutern. Im dritten Kapitel wird die Umsetzung dieses Ansatzes beschrieben, der im Rahmen eines experimentellen DaF-Unterrichts mit russisch-, französisch- und chinesischsprachigen Deutschlernenden auf die Probe gestellt wurde. Abschließend werden methodische Vorschläge zur Behandlung der Modalpartikeln im DaF-Unterricht gemacht

Au travers du concept de « cultures de collaboration », la thèse propose une perspective située, c’est-a-dire ancrée dans une situation donnée, s’inscrivant dans le prolongement des travaux (CSCW, CSCL) menés sur la collaboration et des efforts engagés à définir sa qualité. Selon l’objectif visant a interroger les pratiques collaboratives et les valeurs de la collaboration sous-jacentes, deux études de cas ont été conduites. Suivant une approche interculturelle, la première contraste les représentations sociales de la collaboration, “idéales” et situées, d’élèves-ingenieurs de Télécom ParisTech en France et de TokyoTech au japon. Suivant une approche développementale et dialogique, la seconde questionne le développement et la qualité des cultures des collaboration au travers des interactions de deux groupes d’élèves-ingénieurs de Télécom ParisTech engagés dans le dispositif PACT visant à favoriser l’apprentissage de la collaboration dans des activités de conception créative. Dans le cadre des analyses présidant a ces deux études, une méthode d’évaluation de la qualité de la collaboration (“Q.C2”) multi-dimensionnelle a été élaborée en appui sur sa précédente version (“Q.C”). Les contributions empiriques de ces travaux permettent d’identifier l’influence du contexte culturel, de la temporalité ainsi que de la qualité des processus affectifs de l’activité sur le développement, la nature et la finalité de la collaboration, autrement dit, ce qui définit une culture de collaboration
On the basis of the concept of “cultures of collaboration”, this thesis offers a situated perspective, i.e anchored in a given situation, within the framework of CSCW and CSCL research, on the study of collaboration and the evaluation of it quality. In order to question collaborative practices and their associated values, two case studies have been carried. Following an intercultural approach, the first study compares social representations of collaboration, “ideal” and situated, of engineering-students of Telecom ParisTech in France and TokyoTech in Japan. According to a developmental and dialogic approach, the second study analyses the development and the quality of cultures of collaboration in interactions of two groups of Telecom ParisTech engineering-students taking part in the PACT course, whose aim is to encourage collaborative learning in creative engineering design activities. A multi-dimensional assessment method of the quality of collaboration (“Q.C2”), based on a previous version (“Q.C”), has been developed within the framework of the analysis of these two studies. Empirical contributions of this work allow the identification of the influence of cultural context, of temporality and of the quality of affective dimensions of activity on the development, the nature and the objectives of collaboration, understood in terms of the concept of cultures of collaboration

Ce travail de recherche doctorale est organisé en deux parties. Dans la première, nous avons fait le plaidoyer pour la redécouverte de l’analyse des « erreurs » et de la grammaire contrastive dans une finalité pédagogique. Dans la deuxième, nous nous sommes penché sur l’analyse des erreurs à proprement parler. L’étude porte sur des productions écrites non recevables d’apprenants norvégiens du français (corpus expérimental) ainsi que sur des productions non conformes d’apprenants non francophones du norvégien (corpus de contrôle). En vérité, nos ambitions originelles envisageaient la comparaison des « erreurs » produites par l’apprenant francophone du norvégien aux « erreurs » émanant de l’apprenant norvégien du français (corpora expérimentaux). Malheureusement, en raison des difficultés liées au repérage des données, nous n’avons pas pu atteindre cet objectif. L’analyse a été constamment conduite en poursuivant une démarche contrastive du couple linguistique franco-norvégien dans une optique à la fois heuristique et pédagogique. D’un point de vue qualitatif, nous nous sommes intéressé à la compréhension du phénomène d’interférence interlinguistique et à la constitution d’une cartographie des difficultés d’apprentissage chez les deux populations d’apprenants. L’analyse quantitative nous a aidé à mettre en évidence quels domaines de la grammaire des deux langues sont les plus touchés par l’ « erreur », nous permettant de réfléchir à des stratégies pédagogiques adaptées afin de garantir l’appropriation adéquate des structures de la langue d’apprentissage
This work is designed as an error analysis and is organized into two parts. In the first part, we make a defence of error analysis and contrastive grammar as teaching tools. In the second part, we proceed to the analysis of a corpus of errors. Although we originally aimed at comparing the errors produced by Francophone learners of the Norwegian language to those produced by Norwegian learners of French, we could not achieve this goal. Consequently, we conducted an error analysis of errors produced by Norwegian learners of French and by non-Francophone learners of the Norwegian language. Both qualitative and quantitative approaches have been adopted. The analysis has been consistently conducted from a contrastive perspective of the French and Norwegian languages. During our study, we analysed the phenomenon of interlinguistic interference, and the challenges related to learning the target language in the two populations of learners. We focused simultaneously on both the heuristic and the pedagogic aspects related to the teaching and the learning processes. The quantitative analysis provides an overview of the domains of grammar in the two languages most affected by errors. These results make it possible to conceive new teaching strategies aimed at promoting better integration of the target language's structures

Le développement de sources de rayons X hautement cohérentes, telles que les installations de rayonnement synchrotron de troisième génération, a contribué de manière significative à l'avancement de l'imagerie à contraste de phase. Le haut degré de cohérence de ces sources permet une mise en œuvre efficace des techniques de contraste de phase et peut augmenter la sensibilité de plusieurs ordres de grandeur. Cette nouvelle technique d'imagerie a trouvé des applications dans un large éventail de domaines, notamment la science des matériaux, la paléontologie, la recherche sur les os, la médecine et la biologie. Elle permet l'imagerie d'échantillons à faible absorption, pour lesquels les méthodes traditionnelles basées sur l'absorption ne permettent pas d'obtenir un contraste suffisant. Plusieurs techniques d'imagerie sensibles à la phase ont été mises au point, dont l'imagerie basée sur la propagation, qui ne nécessite aucun équipement autre que la source, l'objet et le détecteur. Bien que l'intensité puisse être mesurée à une ou plusieurs distances de propagation, l'information sur la phase est perdue et doit être estimée à partir de ces figures de diffraction, un processus appelé récupération de phase. Dans ce contexte, la récupération de phase est un problème inverse non linéaire mal posé. Diverses méthodes classiques ont été proposées pour récupérer la phase, soit en linéarisant le problème pour obtenir une solution analytique, soit par des algorithmes itératifs. L'objectif principal de cette thèse était d'étudier ce que les nouvelles approches d'apprentissage profond pourraient apporter à ce problème de récupération de phase. Divers algorithmes d'apprentissage profond ont été proposés et évalués pour résoudre ce problème. Dans la première partie de ce travail, nous montrons comment les réseaux neuronaux peuvent être utilisés pour reconstruire directement à partir de données de mesure, sans information sur le modèle. L'architecture du réseau dense à échelle mixte (MS-D Net) est introduite, combinant la convolution dilatée et la connexion dense. Dans la deuxième partie de cette thèse, nous proposons un algorithme primal-dual non linéaire pour la récupération du déphasage et de l'absorption à partir d'un contraste de phase en ligne d'un seul rayon X. Nous avons montré que le choix de différents régularisateurs permettait d'obtenir des résultats satisfaisants. Nous avons montré que le choix de régularisateurs différents pour l'absorption et la phase peut améliorer les reconstructions. Dans la troisième partie, nous proposons d'intégrer les réseaux neuronaux dans un schéma d'optimisation existant en utilisant des approches dites de déroulement, afin de donner aux réseaux neuronaux convolutifs un rôle spécifique dans la reconstruction. Les performances de ces algorithmes sont évaluées en utilisant des données bruitées simulées ainsi que des images acquises au NanoMAX (MAX IV, Lund, Suède)
The development of highly coherent X-ray sources, such as third-generation synchrotron radiation facilities, has significantly contributed to the advancement of phase contrast imaging. The high degree of coherence of these sources enables efficient implementation of phase contrast techniques, and can increase sensitivity by several orders of magnitude. This novel imaging technique has found applications in a wide range of fields, including material science, paleontology, bone research, medicine, and biology. It enables the imaging of samples with low absorption constituents, where traditional absorption-based methods may fail to provide sufficient contrast. Several phase-sensitive imaging techniques have been developed, among them, propagation-based imaging requires no equipment other than the source, object and detector. Although the intensity can be measured at one or several propagation distances, the phase information is lost and must be estimated from those diffraction patterns, a process called phase retrieval. Phase retrieval in this context is a nonlinear ill-posed inverse problem. Various classical methods have been proposed to retrieve the phase, either by linearizing the problem to obtain an analytical solution, or by iterative algorithms. The main purpose of this thesis was to study what new deep learning approaches could bring to this phase retrieval problem. Various deep learning algorithms have been proposed and evaluated to address this problem. In the first part of this work, we show how neural networks can be used to reconstruct directly from measurements data, without model information. The architecture of the Mixed Scale Dense Network (MS-D Net) is introduced, combining dilated convolution and dense connection. In the second part of this thesis, we propose a nonlinear primal–dual algorithm for the retrieval of phase shift and absorption from a single X-ray in-line phase contrast. We showed that choosing different regularizers for absorption and phase can improve the reconstructions. In the third part, we propose to integrate neural networks into an existing optimization scheme using so-called unrolling approaches, in order to give the convolutional neural networks a specific role in the reconstruction. The performance of theses algorithms are evaluated using simulated noisy data as well as images acquired at NanoMAX (MAX IV, Lund, Sweden)

La dégénérescence maculaire (DM) est une pathologie visuelle fréquente dans la population vieillissante, qui se caractérise par une perte de la vision centrale, une diminution de la sensibilité au contraste et de l'acuité visuelle. Cette déficience affecte fortement la qualité de vie et l'autonomie . Il n'existe actuellement aucun traitement curatif de la DMLA, les options thérapeutiques disponibles ne permettant que de ralentir l'évolution de la maladie, avec de rares traitements palliatifs. Après l'apparition du scotome central, les patients atteints de DM développent une ou plusieurs zones de fixations excentrées - les lieux rétiniens préférentiels (PRLs) - qui sont utilisées pour la fixation, la lecture, et d'autres tâches visuelles qui nécessitent des capacités oculaires plus fines. L'objectif principal du projet était d'étudier et d'améliorer les capacités visuelles résiduelles dans les PRL. En tout quatre études ont été menées L'étude 1 a été menée chez des patients atteints de DMLA afin de déterminer si, après l'apparition du scotome, le PRL acquiert des capacités accrues dans le traitement de l'information visuelle grâce à une plasticité adaptative spontanée ou dépendante de l'utilisation. L'étude 2 visait à évaluer les effets d'une seule stimulation électrique transcrânienne à bruit aléatoire (tRNS), une variante de stimulation électrique non-invasive, sur l'intégration spatiale dans le cortex visuel sain. L'étude 3 visait à évaluer chez des sujets sains l'effet d'une répétition quotidienne du tRNS associée à un entraînement perceptif entre les séances. L'objectif de l'étude 4 était de traduire ces résultats en une approche clinique en combinant la tRNS et l'entraînement perceptif chez des patients adultes atteints de DMLA. Nous n'avons trouvé aucun phénomène de plasticité corticale spontanée ou dépendante de l'utilisation dans la PRL avant l'entraînement contrairement à ce qui avait été montré dans d'autres études. Nous avons cependant constaté que le tRNS était capable de moduler l'intégration visuospatiale dans le traitement visuel précoce, en favorisant les changements plastiques dans le réseau stimulé. Les effets de la tRNS ne se sont pas limités à la modulation à court terme, mais ont également produit un renforcement de l'apprentissage dans une tâche d'encombrement spatial. L'expérience finale a montré chez les adultes atteints de DMLA qu'une combinaison de la tRNS et de l'apprentissage perceptif pouvait induire des améliorations plus importantes et un transfert accentué vers des tâches visuelles non entrainées que le seul apprentissage perceptif. Dans l'ensemble, nos résultats indiquent que la tRNS du cortex visuel peut être utilisée comme thérapie supplémentaire pour améliorer la vision chez les adultes atteints de cécité centrale bilatérale
Macular degeneration (MD) is a common visual disorder in the aging population characterized by a loss of central vision, reduced visual acuity contrast sensitivity, and increased crowding. This impairment strongly affects the quality of life and personal autonomy. There is currently no cure for AMD, available treatment options are only able to slow down the disease, and even palliative treatments are rare. After the emergence of the central scotoma, patients with MD develop one or more eccentric fixation areas - preferred retinal loci (PRLs) - that are used for fixation, reading, tracking, and other visual tasks that require finer ocular abilities. The final goal of the project was to investigate and to improve the residual visual abilities in the PRL. Four studies were conducted in total. Study 1 was conducted in MD patients to investigate whether after the emergence of the scotoma, the PRL acquire enhanced abilities in the processing of the visual information through spontaneous or use-dependent adaptive plasticity. Study 2 aimed to assess the effects of a single administration of transcranial random noise electrical stimulation (tRNS), a subtype of non-invasive transcranial electrical stimulation, on the spatial integration in the healthy visual cortex. Study 3 aimed to assess the between session effect of daily repeated tRNS coupled with perceptual training. The objective of study 4 was to translate the previous findings into a clinically applicable treatment approach by combining tRNS and perceptual training in adult patients with MD. Contrary to previous results, we found neither a phenomenon of spontaneous nor use-dependent cortical plasticity undergoing in the PRL before the training. We also found that the tRNS was able to modulate the visuospatial integration in the early visual processing, promoting plastic changes in the stimulated network. Its effects were not limited to the short-term modulation but also produced a boosting of the learning in a crowding task. The final experiment showed that a combination of tRNS and perceptual training could result in greater improvements and larger transfer to untrained visual tasks in adults with MD than training alone. Overall, our results indicate that tRNS of the visual cortex has potential application as an additional therapy to improve vision in adults with bilateral central blindness

Au travers du concept de « cultures de collaboration », la thèse propose une perspective située, c’est-a-dire ancrée dans une situation donnée, s’inscrivant dans le prolongement des travaux (CSCW, CSCL) menés sur la collaboration et des efforts engagés à définir sa qualité. Selon l’objectif visant a interroger les pratiques collaboratives et les valeurs de la collaboration sous-jacentes, deux études de cas ont été conduites. Suivant une approche interculturelle, la première contraste les représentations sociales de la collaboration, “idéales” et situées, d’élèves-ingenieurs de Télécom ParisTech en France et de TokyoTech au japon. Suivant une approche développementale et dialogique, la seconde questionne le développement et la qualité des cultures des collaboration au travers des interactions de deux groupes d’élèves-ingénieurs de Télécom ParisTech engagés dans le dispositif PACT visant à favoriser l’apprentissage de la collaboration dans des activités de conception créative. Dans le cadre des analyses présidant a ces deux études, une méthode d’évaluation de la qualité de la collaboration (“Q.C2”) multi-dimensionnelle a été élaborée en appui sur sa précédente version (“Q.C”). Les contributions empiriques de ces travaux permettent d’identifier l’influence du contexte culturel, de la temporalité ainsi que de la qualité des processus affectifs de l’activité sur le développement, la nature et la finalité de la collaboration, autrement dit, ce qui définit une culture de collaboration
On the basis of the concept of “cultures of collaboration”, this thesis offers a situated perspective, i.e anchored in a given situation, within the framework of CSCW and CSCL research, on the study of collaboration and the evaluation of it quality. In order to question collaborative practices and their associated values, two case studies have been carried. Following an intercultural approach, the first study compares social representations of collaboration, “ideal” and situated, of engineering-students of Telecom ParisTech in France and TokyoTech in Japan. According to a developmental and dialogic approach, the second study analyses the development and the quality of cultures of collaboration in interactions of two groups of Telecom ParisTech engineering-students taking part in the PACT course, whose aim is to encourage collaborative learning in creative engineering design activities. A multi-dimensional assessment method of the quality of collaboration (“Q.C2”), based on a previous version (“Q.C”), has been developed within the framework of the analysis of these two studies. Empirical contributions of this work allow the identification of the influence of cultural context, of temporality and of the quality of affective dimensions of activity on the development, the nature and the objectives of collaboration, understood in terms of the concept of cultures of collaboration

Se distinguant des expressions émotionnelles qui sont innées et déclenchées par un contrôle involontaire du locuteur au sein d'une communication face-à-face, les affects sociaux émergent plutôt de manière volontaire et intentionnelle, et sont largement véhiculés par la prosodie audio-visuelle. Ils mettent en circulation, entre les interactants, des informations sur la dynamique du dialogue, la situation d'énonciation et leur relation sociale. Ces spécificités culturelles et linguistiques de la prosodie socio-affective dans la communication orale constituent une difficulté, même un risque de malentendu, pour les apprenants en langue étrangère (LE) et en langue seconde (L2). La présente thèse se consacre à des études intra- et interculturelles sur la perception de la prosodie de 19 affects sociaux en chinois mandarin et en français, ainsi que sur leurs représentations cognitives. Son but applicatif vise l'apprentissage de la prosodie des affects sociaux en chinois mandarin et en français LE ou L2. Le premier travail de la thèse consiste en la construction d'un large corpus audio-visuel des affects sociaux chinois. 152 énoncés variés dans leur longueur, leur morpho-syntaxe et leur représentation tonale sont respectivement produits dans les 19 affects sociaux. Sur la base de ce corpus, sont examinées l'identification et les confusions perceptives de ces affects sociaux chinois par des natifs, des français et des vietnamiens (comme groupe de référence), ainsi que l'effet du ton lexical sur l'identification auditive des sujets non natifs. Les résultats montrent que la majorité des affects sociaux chinois est perçue de manière similaire par les sujets natifs et les sujets non natifs, cependant certains décalages perceptifs sont également observés. Les tons chinois engendrent des problèmes perceptifs des affects sociaux autant pour les vietnamiens (d'une langue tonale) que pour les français (d'une langue non tonale). En parallèle, une analyse acoustique permet de mettre en évidence les caractéristiques principales de la prosodie socio-affective en chinois et d'étayer les résultats perceptifs. Ensuite, une étude sur les distances conceptuelles d'une part, et psycho-acoustiques d'autre part, entre les affects sociaux est menée auprès de sujets chinois et de sujets français. Les résultats montrent que la plupart des connaissances sur les affects sociaux sont partagées par les sujets, quels que soient leur langue maternelle, leur genre ou la manière de présenter les affects sociaux (concepts ou entrées acoustiques). Enfin, le dernier chapitre de la thèse est consacré à une étude contrastive sur la perception multimodale des affects sociaux en chinois et en français LE ou L2. Il est constaté que la reconnaissance des affects sociaux est étroitement liée aux expressions elles-mêmes et à la modalité de présentation de ces expressions. Le degré d'acquisition de la langue cible du sujet (débutant ou intermédiaire) n'a pas d'impact significatif à la reconnaissance, dans le cadre restreint des niveaux étudiés
In human face-to-face interaction, social affects should be distinguished from emotional expressions, triggered by innate and involuntary controls of the speaker, by their nature of voluntary controls expressed within the audiovisual prosody and by their important role in the realization of speech acts. They also put into circulation between the interlocutors the social context and social relationship information. The prosody is a main vector of social affects and its cross-language variability is a challenge for language description as well as for foreign language teaching. Thus, cultural and linguistic specificities of the socio-affective prosody in oral communication could be a difficulty, even a risk of misunderstanding, for foreign language and second language learners. This thesis is dedicated to intra- and intercultural studies on perception of the prosody of 19 social affects in Mandarin Chinese and in French, on their cognitive representations, as well as on Chinese and French socio-affective prosody learning for foreign and second language learners. The first task of this thesis concerns the construction of a large audio-visual corpus of Chinese social affects. 152 sentences with the variation of length, tone location and syntactic structures of utterances, have been incorporated with 19 social affects. This corpus is served to examine the identification and perceptual confusion of these Chinese social affects by native and non-native listeners, as well as the tonal effect on non-native subjects' identification. Experimental results reveal that the majority of social affects are similarly perceived by native and non-native subjects, otherwise, some differences are also observed. Lexical tones lead to certain perceptual problems also for Vietnamese listeners (of a tonal language) and for French listeners (of a non-tonal language). In parallel, an acoustic analysis investigates the production side of prosodic socio-affects in Mandarin Chinese, and allows highlighting the more prominent patterns of acoustical variations as well as supporting the perceptual resultants obtained on the same expressions. Then, a study on conceptual and psycho-acoustic distances between social affects is carried out with Chinese and French subjects. The main results indicate that all subjects share to a very large extent the knowledge about these 19 social affects, regardless of their mother language, gender or how to present social affects (concept or acoustic realization). Finally, the last chapter of thesis is dedicated to the differences in the perception of 11 Chinese social affects expressed in different modalities (audio only, video only and audio-visual) for French learners and native subjects, as well as in the perception of the same French socio-affects for Chinese learners and native subjects. According to the results, the identification of affective expressions depends more on their affective values and on their presentation modality. Subject's learning level (beginner or intermediate) does not have a significant effect on their identification

L'objectif de ce travail de recherche est d’élaborer une approche pédagogique renouvelée pour un enseignement du français et de l’italien comme langues étrangères qui utilise le support publicitaire. Pour cela, nous avons fait référence aux principaux travaux existant dans ce domaine et nous avons analysé les caractéristiques de la publicité dans une approche contrastive en français et en italien et dans une perspective didactique. L’étude de l’évolution des stratégies et des formes de codage du message publicitaire ainsi que de ces spécificités linguistiques, iconographiques et culturelles est mis au service d’une approche qui s’inscrit tant dans la dimension actionnelle, interculturelle et plurilingue prônée dans le CECRL que dans l’éducation aux médias recommandée par l’UE et présente dans les plans d’études des systèmes scolaires et universitaires français et italiens. Notre propos est à la fois de montrer les atouts d’une exploitation didactique de ce type de documents à plusieurs niveaux de compétence et pour différents publics et de prouver l’efficacité de certaines approches méthodologiques, notamment celles qui intègrent les nouvelles technologies de l’information et de la communication et les outils numériques. Ce travail de recherche constitue le cadre général d’un vaste programme multimédia interculturel et interlinguistique pour l’enseignement de l’italien et du français qui aboutira à la creation d’un site ou d’un blog didactique offrant la possibilité de réaliser et répertorier de nouveaux scenarios pédagogiques dans le domaine de l’enseignement-apprentissage des langues étrangères en milieu scolaire et universitaire
The purpose of this research work is to develop a renewed pedagogical approach which uses advertising as tool for the teaching of French and Italian as foreign languages. To this end, we have made reference to the major studies in this area, and we have analysed the characteristics of advertising adopting a contrastive approach in French and Italian and in a didactic perspective. The study of the evolution of the strategies and forms of encoding of the advertisements message – as well as the linguistic, iconographic and cultural peculiarities – is put at the service of an approach which places itself in an action-orientated, intercultural and plurilinguistic dimension. This approach – adopted in the educational plans of French and Italian schools and universities - meets both the recommendations of the CEFR and the media literacy endorsed by the EU. In addition to illustrate the advantages of a didactic exploitation of this type of documents at different levels of competence and for different users, our objective is also to prove the effectiveness of certain methodological approaches, especially those integrating new information and communication technologies and digital tools.This research work represents the general framework of an extended multimedia, intercultural and interlinguistic programme for the teaching of Italian and French and it will lead to the creation of a website or an educational blog, offering the opportunity to implement and catalogue new pedagogical scenarios in the field of teaching-learning of foreign languages in schools and universities

La segmentation d'images médicales est depuis longtemps un sujet de recherche actif. Cette thèse traite des méthodes de segmentation basées modèles, qui sont un bon compromis entre généricité et capacité d'utilisation d'informations a priori sur l'organe cible. Notre but est de construire un algorithme de segmentation pouvant tirer profit d'une grande variété d'informations extérieures telles que des bases de données annotées (via l'apprentissage statistique), d'autres images du même patient (via la co-segmentation) et des interactions de l'utilisateur. Ce travail est basé sur la déformation de modèle implicite, une méthode variationnelle reposant sur une représentation implicite des formes. Après avoir amélioré sa formulation mathématique, nous montrons son potentiel sur des problèmes cliniques difficiles. Nous introduisons ensuite différentes généralisations, indépendantes mais complémentaires, visant à enrichir le modèle de forme et d'apparence utilisé. La diversité des applications cliniques traitées prouve la généricité et l'efficacité de nos contributions.

Le travail présenté dans cette thèse explore la question de l'acquisition automatique de sens pour la désambiguïsation lexicale dans un cadre de traduction. Partant de l'hypothèse du besoin de conformité des inventaires sémantiques utilisés pour la désambiguïsation dans le cadre d'applications précises, la problématique du repérage des sens se situe dans un cadre bilingue et le traitement s'oriente vers la traduction.
Nous proposons une méthode d'acquisition de sens permettant d'établir des correspondances sémantiques de granularité variable entre les mots de deux langues en relation de traduction. L'induction de sens est effectuée par une combinaison d'informations distributionnelles et traductionnelles extraites d'un corpus bilingue parallèle. La méthode proposée étant à la fois non supervisée et entièrement fondée sur des données, elle est, par conséquent, indépendante de la langue et permet l'élaboration d'inventaires sémantiques relatifs aux domaines représentés dans les corpus traités.
Les résultats de cette méthode sont exploités par une méthode de désambiguïsation lexicale, qui attribue un sens à de nouvelles instances de mots ambigus en contexte, et par une méthode de sélection lexicale, qui propose leur traduction la plus adéquate. On propose finalement une évaluation pondérée des résultats de désambiguïsation et de sélection lexicale, en nous fondant sur l'inventaire construit par la méthode d'acquisition de sens.

Dans le système éducatif iranien, l’anglais s’apprend comme première langue étrangère, et l’étude du français est généralement postérieure à celle de l’anglais. Nous étudions l’influence de la connaissance préalable de l’anglais sur l’apprentissage de la langue française chez les apprenants persanophones. Nous faisons l’hypothèse, basée sur notre propre expérience d’apprenante et d’enseignante, que les apprenants s’appuieront sur leurs connaissances en anglais (L2) lors de leur apprentissage du français, car ces deux langues sont plus proches typologiquement que ne le sont le persan et le français. En nous centrant sur le genre, le nombre et certains aspects de l’ordre des mots, nous identifions les erreurs produites dans un corpus recueilli dans deux établissements universitaires en Iran et nous les interprétons à la lumière de l’analyse contrastive des trois langues persane (L1), anglaise (L2) et française (L3). Six parties de discours (article, déterminant possessif, déterminant démonstratif, adjectif qualificatif, pronom objet direct/indirect, participe passé) sont considérées, ainsi que l’interrogation et la négation. Cette étude morphosyntaxique nous a fourni un ensemble de résultats qui mettent en évidence la prédominance de certains types d’erreurs. Les concepts de langue pont et de notion vide sont convoqués pour rendre compte de la présence des influences interlinguistiques
In the Iranian educational system, the English language is taught as the first foreign language, and the study of French usually takes place after the study of English. We study the influences of the previous knowledge of English on the learning of the French language by Persian speakers. We made the hypothesis, based both on our experience as a student and as a teacher, that the students will refer to their previous knowledge of English (L2) for learning French in the position of the third language, because these two languages are typologically close, which is not the case of Persian and French. Focussing on gender, number and on some aspects of word order, we identified. The errors in a corpus that was collected in two Iranian universities, and we interpreted them in the light of contrastive analysis of the three languages, Persian (L1), English (L2) and French (L3). Six parts of speech (article, possessive adjective, demonstrative adjective, qualificative adjective, direct/indirect object pronoun, past participle) are considered, as well as interrogative and négative forms. This morpho-syntactic study provided us with results which reveal the predominance of certain types of errors. The concepts of bridging language and empty notions are summoned to account for the presence of cross-linguistic influences

Malgré des progrès constants en termes de capacité de calcul, mémoire et quantité de données disponibles, les algorithmes d'apprentissage machine doivent se montrer efficaces dans l'utilisation de ces ressources. La minimisation des coûts est évidemment un facteur important, mais une autre motivation est la recherche de mécanismes d'apprentissage capables de reproduire le comportement d'êtres intelligents. Cette thèse aborde le problème de l'efficacité à travers plusieurs articles traitant d'algorithmes d'apprentissage variés : ce problème est vu non seulement du point de vue de l'efficacité computationnelle (temps de calcul et mémoire utilisés), mais aussi de celui de l'efficacité statistique (nombre d'exemples requis pour accomplir une tâche donnée). Une première contribution apportée par cette thèse est la mise en lumière d'inefficacités statistiques dans des algorithmes existants. Nous montrons ainsi que les arbres de décision généralisent mal pour certains types de tâches (chapitre 3), de même que les algorithmes classiques d'apprentissage semi-supervisé à base de graphe (chapitre 5), chacun étant affecté par une forme particulière de la malédiction de la dimensionalité. Pour une certaine classe de réseaux de neurones, appelés réseaux sommes-produits, nous montrons qu'il peut être exponentiellement moins efficace de représenter certaines fonctions par des réseaux à une seule couche cachée, comparé à des réseaux profonds (chapitre 4). Nos analyses permettent de mieux comprendre certains problèmes intrinsèques liés à ces algorithmes, et d'orienter la recherche dans des directions qui pourraient permettre de les résoudre. Nous identifions également des inefficacités computationnelles dans les algorithmes d'apprentissage semi-supervisé à base de graphe (chapitre 5), et dans l'apprentissage de mélanges de Gaussiennes en présence de valeurs manquantes (chapitre 6). Dans les deux cas, nous proposons de nouveaux algorithmes capables de traiter des ensembles de données significativement plus grands. Les deux derniers chapitres traitent de l'efficacité computationnelle sous un angle différent. Dans le chapitre 7, nous analysons de manière théorique un algorithme existant pour l'apprentissage efficace dans les machines de Boltzmann restreintes (la divergence contrastive), afin de mieux comprendre les raisons qui expliquent le succès de cet algorithme. Finalement, dans le chapitre 8 nous présentons une application de l'apprentissage machine dans le domaine des jeux vidéo, pour laquelle le problème de l'efficacité computationnelle est relié à des considérations d'ingénierie logicielle et matérielle, souvent ignorées en recherche mais ô combien importantes en pratique.
Despite constant progress in terms of available computational power, memory and amount of data, machine learning algorithms need to be efficient in how they use them. Although minimizing cost is an obvious major concern, another motivation is to attempt to design algorithms that can learn as efficiently as intelligent species. This thesis tackles the problem of efficient learning through various papers dealing with a wide range of machine learning algorithms: this topic is seen both from the point of view of computational efficiency (processing power and memory required by the algorithms) and of statistical efficiency (n umber of samples necessary to solve a given learning task).The first contribution of this thesis is in shedding light on various statistical inefficiencies in existing algorithms. Indeed, we show that decision trees do not generalize well on tasks with some particular properties (chapter 3), and that a similar flaw affects typical graph-based semi-supervised learning algorithms (chapter 5). This flaw is a form of curse of dimensionality that is specific to each of these algorithms. For a subclass of neural networks, called sum-product networks, we prove that using networks with a single hidden layer can be exponentially less efficient than when using deep networks (chapter 4). Our analyses help better understand some inherent flaws found in these algorithms, and steer research towards approaches that may potentially overcome them. We also exhibit computational inefficiencies in popular graph-based semi-supervised learning algorithms (chapter 5) as well as in the learning of mixtures of Gaussians with missing data (chapter 6). In both cases we propose new algorithms that make it possible to scale to much larger datasets. The last two chapters also deal with computational efficiency, but in different ways. Chapter 7 presents a new view on the contrastive divergence algorithm (which has been used for efficient training of restricted Boltzmann machines). It provides additional insight on the reasons why this algorithm has been so successful. Finally, in chapter 8 we describe an application of machine learning to video games, where computational efficiency is tied to software and hardware engineering constraints which, although often ignored in research papers, are ubiquitous in practice.