Academic literature on the topic 'Apprentissage invariant'

En quoi l’origine socio-historique des instruments psychologiques peut-elle instruire leur approche pédagogique ? En s’appuyant sur les travaux de Vygotski et de Léontiev, à travers divers exemples (initiation au système écrit, au principe de numération, au schéma technologique), cette contribution explore quelques invariants épistémologiques d’une didactique opératoire des systèmes de signes. Emergence du besoin en recréant le contexte problématique de leur invention ; élaboration de motifs cognitifs ; activité de co-construction réveillant les «cristallisations sédimentées » ; rôle des signes et du langage dans le processus de conceptualisation : autant d’éléments de mobilisation intrinsèque à l’activité permettant, à travers ces apprentissages, une inscription forte des élèves dans l’histoire culturelle.

Étant donné la difficulté de l’homophonie des formes verbales en /E/ qui peuvent s’écrire par au moins dix formes différentes dont l’infinitif (-ER), le participe passé (-É) et l’imparfait (-AI), le choix entre ces formes reste une question délicate dans l’orthographe grammaticale du français. Cette recherche vise à étudier les problèmes des apprenants iraniens du FLE (Français Langue Étrangère) dans la gestion de ce secteur. Basée sur les recherches antérieures menées auprès d’élèves français et québécois, la présente étude cherche précisément à répondre aux questions suivantes : 1- Comment se fait l’évolution de la compétence de gestion des finales verbales en /E/? 2- Parmi les formes en -ER, -É, et -AI laquelle est mieux réussie ? 3- a) Dans les formes en -É, est-ce que les apprenants font l’accord avec le genre et le nombre sujet ? b) Est-ce qu’ils ont des problèmes d’accord en personne dans les formes en -AI ? Afin de répondre à ces questions, nous avons fait passer un test aux 113 apprenants iraniens du français des niveaux A1, A2 et B1 acquis inscrits à quelques instituts de langue de Téhéran. Les résultats de notre étude à l’aide de l’analyse statistique de variance (ANOVA) montrent que : 1- La gestion des finales verbales en /E/ n’est pas maitrisée à travers ces niveaux. Il n’existe pas de différence significative entre les notes globales de ces trois niveaux successifs. 2- La forme en -ER est mieux maitrisée suivie de la forme en -É et celle en -AI ce qui montre la tendance des apprenants pour l’invariabilité. En plus de ces trois formes, nous avons trouvé d’autres types d’erreurs (ex. erreurs phonétiques et erreurs de segmentation) fréquents dans notre corpus qui n’ont pas été rapportés par les recherches antérieures en FLM (Français Langue Maternelle). 3- a) En ce qui concerne les formes en -É, il n’existe pas d’accord avec le sujet et la tendance réside dans l’invariabilité. b) Quant aux formes en -AI, le problème d’accord en personne ne se pose pas. Ces résultats diffèrent de ceux obtenus dans le contexte d’autres recherches en FLM. Comme perspective didactique, nous avons proposé la redéfinition de la place de l’orthographe dans les méthodes actuelles du français tout en soulignant l’efficacité de la démarche réflexive dans l’enseignement-apprentissage de l’orthographe. Abstract Given the difficulty of homophony in verbal endings in /E/ which can be written by at least ten different forms including the infinitive (-ER), the past participle (-É) and the imperfect (-AI), the choice between these forms remains a delicate question in learning French grammatical orthography. The purpose of this research is to study the problems of Iranian learners of French dealing with this issue. Based on previous investigations focusing on French and Quebecois students, the present study aims specifically to answer the following questions: 1- How does the ability to deal verbal endings in /E/ evolve? 2- Among the -ER, -É and -AI forms which is the most successful? 3- a) Among the -É forms, do the learners make agreement between the gender and the number of the subject? b) Do they have any problems with agreement in person among the -AI forms? In order to answer these questions, we have distributed a test to 113 Iranian learners of A1, A2 and B1 levels in French registered in some language institutes in Tehran. Our results based on statistical analysis of variance (ANOVA) show that: 1- The management of verbal endings in /E/ is not mastered at these levels. There is not a significant difference between global scores of these three successive levels. 2- The -ER form is the most successful before the -É and -AI forms respectively, which shows the tendency of learners for invariance. In addition to these three forms, other types of errors (e.g. orthographical errors phonetically-based and errors of segmentation) were frequent in our data yet not reported by previous investigations in French as a First Language (FFL). 3- a) Concerning -É forms, the agreement does not exist and the tendency lies in invariance. b) As for -AI forms, the issue with agreement does not arise. These findings differ from those obtained by other studies in FFL. As a didactic solution, it is suggested to redefine the place of orthography in the actual methods of French language teaching and to emphasize the effectiveness of reflexive way in teaching-learning of French orthography.

soumission à EpisciencesCough is the most common symptom of lung disease. COVID-19, a respiratory illness, has caused over 700 million positive cases and 7 million deaths worldwide. An effective, affordable, and widely available diagnostic tool is crucial in combating lung disease and the COVID-19 pandemic. Deep learning and machine learning algorithms could be used to analyze the cough sounds of infected patients and make predictions. Our research lab and the COUGHVID research lab provide the cough data. This diagnostic approach can distinguish cough sounds from COVID-19 patients and people suffering from other ailments as well as healthy people using deep learning and feature extraction from Mel spectrograms. The model used is a variant of ConvNet. This ConvNet model can easily capture features in MFCC Vectors and enable convolution parallelism, which increases processing speed. ConvNet attains translational invariance in features through the sharing of weights between layers. During data acquisition for model training, it is important to consider quiet environments to reduce errors in audio quality. The architecture of the convolutional neural networks gives an F1-score of 89%, an accuracy of 90.33% and sensitivity of 87.3%. This system has the potential to significantly impact society by reducing virus transmission, expediting patient treatment, and freeing up hospital resources. Early detection of COVID-19 can prevent disease progression and enhance screening effectiveness.La toux est le symptôme le plus courant des maladies pulmonaires. Le COVID-19, une maladie respiratoire, a provoqué plus de 700 millions de cas positifs et 7 millions de décès dans le monde. Un outil de diagnostic efficace, abordable et largement disponible est essentiel pour lutter contre les maladies pulmonaires et la pandémie de COVID-19. Des algorithmes d'apprentissage profond et d'apprentissage automatique pourraient être utilisés pour analyser les bruits de toux des patients infectés et faire des prédictions. Notre laboratoire de recherche et le laboratoire de recherche COUGHVID fournissent les données sur la toux. Cette approche diagnostique peut distinguer les bruits de toux des patients atteints de COVID-19 et des personnes souffrant d'autres maladies ainsi que des personnes en bonne santé en utilisant l'apprentissage profond et l'extraction de caractéristiques à partir des spectrogrammes de Mel. Le modèle utilisé est une variante de ConvNet. Ce modèle ConvNet peut facilement capturer les caractéristiques des vecteurs MFCC et permettre le parallélisme de convolution, ce qui augmente la vitesse de traitement. ConvNet atteint l'invariance translationnelle des caractéristiques grâce au partage des poids entre les couches. Lors de l'acquisition des données pour l'entraînement du modèle, il est important de prendre en compte les environnements calmes pour réduire les erreurs de qualité audio. L'architecture des réseaux neuronaux convolutionnels donne un score F1 de 89 %, une précision de 90,33 % et une sensibilité de 87,3 %. Ce système peut avoir un impact significatif sur la société en réduisant la transmission des virus, en accélérant le traitement des patients et en libérant des ressources hospitalières. La détection précoce du COVID-19 peut prévenir la progression de la maladie et améliorer l'efficacité du dépistage.

Cette thèse se concentre sur le développement de techniques d’apprentissage de représentations robustes et transférables pour la détection et la classification d’événements bioacoustiques en apprentissage à partir de peu données, en abordant des défis majeurs en apprentissage profond tels que la généralisation de domaine, l’adaptation de domaine, la rareté des données et le déséquilibre des classes. À travers l’exploration de l’apprentissage auto-supervisé d’invariances de représentations, nous démontrons que des augmentations de données indépendantes du domaine d’application peuvent conduire à des représentations informatives et discriminatives. Un axe central de ce travail est l’utilisation de l’apprentissage contrastif supervisé pour améliorer la généralisation des modèles à travers différentes espèces et environnements acoustiques. De plus, nous proposons une nouvelle fonction de perte contrastive supervisée, inspirée des réseaux à base de prototypes, qui réduit la complexité de calcul de la perte contrastive supervisée traditionnelle tout en maintenant les performances. Les contributions supplémentaires incluent l’utilisation des métadonnées pour améliorer la généralisation, ainsi que le traitement de la classification multi-étiquettes déséquilibrée. Bien que l’application principale de cette thèse soit le suivi de biodiversité par la bioacoustique, les techniques d’apprentissage profond développées sont généralisables et peuvent être appliquées à d’autres domaines audio, modalités et applications
This thesis focuses on developing robust and transferable representation learning techniques for few-shot bioacoustic event detection and classification, addressing core challenges in deep learning such as domain generalization, domain adaptation, data scarcity, and class imbalance. Through the exploration of self-supervised invariant representation learning, we demonstrate that domain-agnostic data augmentations can yield informative and discriminative representations. A key focus of this work is the use of supervised contrastive learning to enhance model generalization across different species and acoustic environments. Furthermore, we propose a novel supervised contrastive loss, inspired by prototypical networks, that reduces the computational complexity of the traditional supervised contrastive loss while maintaining performance. Additional contributions include leveraging metadata to improve generalization and tackling imbalanced multi-label classification. Although the primary application of this thesis is bioacoustic monitoring, the deep learning techniques developed are generalizable and can be applied to other audio domains, modalities, and applications

Cette thèse centre son objet dans le champ de la construction de conceptions scientifiques au cours d’activités expérimentales en sciences physiques menées en milieu scolaire par des élèves. Elle s’appuie sur trois hypothèses majeures. La formation des concepts et des notions se structure autour d’éléments invariants. L’élaboration de la pensée résulte de la conjonction de réflexions propres, d’actions et d’échanges ancrés dans une dynamique sociale. Les représentations dévoilent et organisent des modalités de pensée et de son actualisation. Dans une premier temps la thèse se concentre sur la formation de la notion de concept : du repérage d’invariants vers une architecture conceptuelle stable. Ensuite elle expose les questions que posent la notion d’apprentissage et la perspective de l’autonomie de l’apprenant. Enfin elle présente la théorie de la représentation et pose la question de la constitution et de la mise en évidence de la connaissance. Dans un second temps, la thèse inscrit ses expérimentations dans l’observation de situations scolaires basant sur l’hypothèse phénoménologique dans une épistémologie constructiviste la condition de la transformation des situations vécues en données exploitables. L’une sur le thème de l’ombre, l’autre sur celui de l’électricité, elles attestent d’une élaboration cognitive complexe d’où naissent des conceptions sur la base d’invariants, les représentations permettent de dévoiler et de structurer des cheminements de pensée. Si les items “enfantins” (R1) sont nombreux, des items “rationalisants” (de R2) se dégagent souvent portés par une représentation “imagée” (R1?R2), ou sur une dynamique interne (R2?R2). Enfin, la thèse montre, de manière encore empirique, comment certaines combinaisons d’items manifestent, pour ainsi dire “sous nos yeux”, la pensée de l’élève qui s’élabore : une “enaction” au sens de Varela
The purpose of this dissertation is to study how scientific conceptions are constructed in the course of experimental activities in physical sciences by young children at school. The study is based on three principal hypotheses: a) The formation of concepts and notions depends on invariant elements. b) The elaboration of thought results from personal reflections, actions and exchanges all anchored in a social dynamic process. c) Representations reveal and organise modes of thinking and their actualisation. In the first stage, the dissertation focuses on the formation of the notion of concept: from the evidencing of invariants to a stable conceptual architecture. Next, it presents the questions raised by the notion of learning and the expected achievement of the learner’s autonomy. Then, it develops a theory of representation, considering the question of the constitution and realisation of knowledge. In a second stage, the dissertation conducts its experimentations within the framework of an observation of classroom situations, the conversion of concrete situations into interpretable data being based on the phenomenological hypothesis from the point of view of constructivist epistemology. One situation refers to the theme of shade, the other to that of electricity: both evidence a complex process of cognitive elaboration, giving rise to conceptions based on a set of invariants. The representations thus reveal and structure the processes of thought. While « childish » items (R1) prove to be numerous, there also often emerge « rationalising » items (R2), either image-based or resting on internal dynamics. Finally, the dissertation demonstrates, in a still empirical way, how certain item combinations evince, so to speak before our very eyes, the child’s process of thinking in action — i.e. « enaction » in the Varela sense of the word
Diese Arbeit befasst sich mit der Konstruktion von wissenschaftlichen Konzepten im Verlauf von physikalischen Experimenten ,die Schüler im Unterricht durchführen. Sie stützt sich dabei auf drei Hypothesen. Die Bildung von Konzepten und Begriffen strukturiert sich um Invarianten. Die Erarbeitung eines Gedankens ergibt sich aus der Verbindung von eigenständigen Überlegungen, von Handlungen und von in sozialer Dynamik verankertem Austausch. Repräsentationen zeigen Modalitäten des Denkens und ihre Aktualisierung auf und organisieren sie. Diese Arbeit fokalisiert sich zunächst auf die Ausbildung des Konzeptbegriffs: vom Erfassen von Invarianten hin zu einer stabilen Konzeptarchitektur. Dann geht sie auf die Fragestellungen des Lernbegriffs ein und auf die Perspektive der Autonomie des Lernenden. Schließlich stellt sie die Repräsentationstheorie dar und fragt nach der Ausformung und der Offenkundigkeit der Erkenntnis. Im zweiten Teil dieser Arbeit werden die Experimente in Form von Beobachtungen in der Schule ausgewertet. Dabei beruht die Umwandlung von erlebten Situationen in verwertbare Daten auf der phänomenologischen Hypothese einer konstruktivistischen Epistemologie. Ein Experiment beschäftigt sich mit dem Schatten, das andere mit dem Thema Elektrizität. Sie belegen eine komplexe kognitive Erarbeitung, die zu Konzepten auf der Grundlage von Invarianten führen. Durch Repräsentationen werden die Gedankengänge offensichtlich und strukturiert. Auch wenn es zahlreich „kindliche“ Item (R1) gibt, werden „rationalisierende“ Item (von R2) oft mit Hilfe einer „bildgebenden“ Repräsentation (R1?R2) oder einer internen Dynamik (R2?R2) freigesetzt. Auf noch empirische Weise zeigt diese Arbeit schließlich wie gewisse Kombinationen von Item sozusagen unter unseren Augen die Entstehung des Gedanken beim Schüler aufzeigen: eine Enaction im Sinne von Varela
Esta tesis centra su objeto en el campo de la construcción de concepciones científicas en el curso de actividades experimentales en ciencias físicas conducidas en medio escolar por alumnos. Se apoya sobre tres hipótesis mayores. La formación de los conceptos y de nociones se estructura alrededor de elementos invariantes. La elaboración del pensamiento resulta de la conjunción de reflexiones, propias acciones e intercambios anclados en una dinámica social. Las representaciones descubren y organizan las modalidades de pensamiento y su actualización. En un primer tiempo la tesis se concentra en la formación de la noción de concepto: del reconocimiento de invariantes hacia una arquitectura conceptual estable. Luego expone las preguntas que plantea la noción de aprendizaje y la perspectiva de autonomía del novato. Luego presenta la teoría de la representación y plantea la cuestión de la constitución y la puesta en evidencia del conocimiento. En un segundo tiempo, la tesis inscribe sus experimentaciones en la observación de situaciones escolares basada la hipótesis fenomenológica en una epistemológica constructivista, la condición de la transformación de situaciones vividas en datos explotables. Una sobre el tema de la sombra, otra en lo de la electricidad, dan testimonio de una elaboración cognitiva compleja de donde nacen concepciones sobre la base de invariantes, las representaciones permiten descubrir y estructurar aproches de pensamiento. Si los “ítem” infantiles (R1) son numerosos, unos “ítem” “ racionalizantes (de R2) se desprenden a menudo llevados por una representación llena de imágenes (R1?R2), o en una dinámica interne (R2?R2). Por fin, la tesis muestra, de manera aun empÍrica, cómo ciertas combinaciones de ítem manifiestan, dicho sea asÍ “bajo nuestros ojos”, el pensamiento del alumno elaborándose: una “enacción” en el sentido de Varela

Dans cette thèse, on présente de nouvelles approches à base de parcimonie et d'invariance d' échelle pour le développement de techniques rapides et efficaces en traitement d'images. Au lieu d'utiliser la norme l1 pour imposer la parcimonie, on exploite plutôt des pénalités non-convexes qui encouragent plus la parcimonie. On propose une approche de premier ordre pour estimer une solution d'un opérateur proximal non-convexe, ce qui permet d'exploiter facilement la non-convexité. On étudie aussi le problème de pluri-parcimonie quand le problème d'optimisation est composé de plusieurs termes parcimonieux. Ce cas survient généralement dans les problèmes qui nécessitent à la fois une estimation robuste pour rejeter les valeurs aberrantes et exploiter une information de parcimonie connue a priori. Ces techniques sont appliquées à plusieurs problèmes importants en vision par ordinateur bas niveau telles que le lissage sélectif, la séparation d'images, l'intégration robuste et la déconvolution. On propose aussi d'aller au-delà de la parcimonie et apprendre un modèle de mapping spectral non-local pour le débruitage d'images. La notion d'invariance d' échelle joue aussi un rôle important dans nos travaux. En exploitant ce principe, une définition précise des contours est définie, ce qui peut être complémentaire à la notion de parcimonie. Plus précisément, on peut construire des représentations invariantes pour la classification en se basant sur une architecture de réseaux convolutionnels profonds. L'invariance d' échelle permet aussi d'extraire les pixels qui portent les informations nécessaires pour la reconstruction ou aussi améliorer l'estimation du flot optique sur les images turbulentes en imposant la parcimonie comme régularisation sur les exposants de singularité locaux
In this thesis, we present new techniques based on the notions of sparsity and scale invariance to design fast and efficient image processing applications. Instead of using the popular l1-norm to model sparsity, we focus on the use of non-convex penalties that promote more sparsity. We propose to use a first-order approximation to estimate a solution of non-convex proximal operators, which permits to easily use a wide rangeof penalties. We address also the problem of multi-sparsity, when the minimization problem is composed of various sparse terms, which typically arises in problems that require both a robust estimation to reject outliers and a sparse prior. These techniques are applied to various important problems in low-level computer vision such as edgeaware smoothing, image separation, robust integration and image deconvolution. We propose also to go beyond sparsity models and learn non-local spectral mapping with application to image denoising. Scale-invariance is another notion that plays an important role in our work. Using this principle, a precise definition of edges can be derived which can be complementary to sparsity. More precisely, we can extractinvariant features for classification from sparse representations in a deep convolutional framework. Scale-invariance permits also to extract relevant pixels for sparsifying images. We use this principle as well to improve optical ow estimation on turbulent images by imposing a sparse regularization on the local singular exponents instead of regular gradients

L’indexation par le contenu de lifelogs issus de capteurs portées a émergé comme un enjeu à forte valeur ajoutée permettant l’exploitation de ces nouveaux types de donnés. Rendu plus accessible par la récente disponibilité de dispositifs miniaturisés d’enregistrement, les besoins pour l’extraction automatique d’informations pertinents générées par autres applications, la localisation en environnement intérieur est un problème difficile à l’analyse de telles données.Beaucoup des solutions existantes pour la localisation fonctionnent insuffisamment bien ou nécessitent une intervention important à l’intérieur de bâtiment. Dans cette thèse, nous abordons le problème de la localisation topologique à partir de séquences vidéo issues d’une camera portée en utilisant une approche purement visuelle. Ce travail complète d’extraction des descripteurs visuels de bas niveaux jusqu’à l’estimation finale de la localisation à l’aide d’algorithmes automatiques.Dans ce cadre, les contributions principales de ce travail ont été faites pour l’exploitation efficace des informations apportées par descripteurs visuels multiples, par les images non étiquetées et par la continuité temporelle de la vidéo. Ainsi, la fusion précoce et la fusion tardive des données visuelles ont été examinées et l’avantage apporté par la complémentarité des descripteurs visuels a été mis en évidence sur le problème de la localisation. En raison de difficulté à obtenir des données étiquetées en quantités suffisantes, l’ensemble des données a été exploité ; d’une part les approches de réduction de dimensionnalité non-linéaire ont été appliquées, afin d’améliorer la taille des données à traiter et la complexité associée ; d’autre part des approches semi-supervisés ont été étudiées pour utiliser l’information supplémentaire apportée par les images non étiquetées lors de la classification. Ces éléments ont été analysé séparément et on été mis en œuvre ensemble sous la forme d’une nouvelle méthode par co-apprentissage temporelle. Finalement nous avons également exploré la question de l’invariance des descripteurs, en proposant l’utilisation d’un apprentissage invariant à la transformation spatiale, comme un autre réponse possible un manque de données annotées et à la variabilité visuelle.Ces méthodes ont été évaluées sur des séquences vidéo en environnement contrôlé accessibles publiquement pour évaluer le gain spécifique de chaque contribution. Ce travail a également été appliqué dans le cadre du projet IMMED, qui concerne l’observation et l’indexation d’activités de la vie quotidienne dans un objectif d’aide au diagnostic médical, à l’aide d’une caméra vidéo portée. Nous avons ainsi pu mettre en œuvre le dispositif d’acquisition vidéo portée, et montrer le potentiel de notre approche pour l’estimation de la localisation topologique sur un corpus présentant des conditions difficiles représentatives des données réelles
Visual lifelog indexing by content has emerged as a high reward application. Enabled by the recent availability of miniaturized recording devices, the demand for automatic extraction of relevant information from wearable sensors generated content has grown. Among many other applications, indoor localization is one challenging problem to be addressed.Many standard solutions perform unreliably in indoors conditions or require significant intervention. In this thesis we address from the perspective of wearable video camera sensors using an image-based approach. The key contribution of this work is the development and the study of a location estimation system composed of diverse modules, which perform tasks ranging from low-level visual information extraction to final topological location estimation with the aid of automatic indexing algorithms. Within this framework, important contributions have been made by efficiently leveraging information brought by multiple visual features, unlabeled image data and the temporal continuity of the video.Early and late data fusion were considered, and shown to take advantage of the complementarities of multiple visual features describing the images. Due to the difficulty in obtaining annotated data in our context, semi-supervised approaches were investigated, to use unlabeled data as additional source of information, both for non-linear data-adaptive dimensionality reduction, and for improving classification. Herein we have developed a time-aware co-training approach that combines late data-fusion with the semi-supervised exploitation of both unlabeled data and time information. Finally, we have proposed to apply transformation invariant learning to adapt non-invariant descriptors to our localization framework.The methods have been tested on controlled publically available datasets to evaluate the gain of each contribution. This work has also been applied to the IMMED project, dealing with activity recognition and monitoring of the daily living using a wearable camera. In this context, the developed framework has been used to estimate localization on the real world IMMED project video corpus, which showed the potential of the approaches in such challenging conditions

Cette thèse porte sur la commande des systèmes non linéaires soumis à des contraintes non différentiables ou non convexes. L'objectif est de pouvoir réaliser une commande permettant de considérer tout type de contraintes évaluables en temps réel.Pour répondre à cet objectif, la commande prédictive a été utilisée en ajoutant des fonctions barrières à la fonction de coût. Un algorithme d'optimisation sans gradient a permis de résoudre ce problème d'optimisation. De plus, une formulation permettant de garantir la stabilité et la robustesse vis-à-vis de perturbations a été proposée dans le cadre des systèmes linéaires. La démonstration de la stabilité repose sur les ensembles invariants et la théorie de Lyapunov.Dans le cas des systèmes non linéaires, les réseaux de neurones dynamiques ont été utilisés comme modèle de prédiction pour la commande prédictive. L'apprentissage de ces réseaux ainsi que les observateurs non linéaires nécessaires à leur utilisation ont été étudiés. Enfin, notre étude s'est portée sur l'amélioration de la prédiction par réseaux de neurones en présence de perturbations.La méthode de synthèse de correcteurs présentée dans ces travaux a été appliquée à l’évitement d’obstacles par un véhicule autonome
This PhD thesis deals with the control of nonlinear systems subject to nondifferentiable or nonconvex constraints. The objective is to design a control law considering any type of constraints that can be online evaluated.To achieve this goal, model predictive control has been used in addition to barrier functions included in the cost function. A gradient-free optimization algorithm has been used to solve this optimization problem. Besides, a cost function formulation has been proposed to ensure stability and robustness against disturbances for linear systems. The proof of stability is based on invariant sets and the Lyapunov theory.In the case of nonlinear systems, dynamic neural networks have been used as a predictor for model predictive control. Machine learning algorithms and the nonlinear observers required for the use of neural networks have been studied. Finally, our study has focused on improving neural network prediction in the presence of disturbances.The synthesis method presented in this work has been applied to obstacle avoidance by an autonomous vehicle

Cette recherche en didactique de la physique révèle à l'aide de la théorie des champs conceptuels de Gérard Vergnaud (1990), la dynamique du fonctionnement cognitif d'étudiants issus d'un DEUG " Sciences de la Matière " face à des situations utilisant le concept de champ magnétique en électromagnétisme. Après une étude prospective dans le but de repérer les difficultés récurrentes à mobiliser les concepts en électromagnétisme, nous avons cherché à identifier les invariants opératoires utilisés et les schèmes mis en œuvre par les étudiants dans le traitement de ces situations. L'étude a montré que les étudiants interrogés : -utilisent des invariants " prêts-à-utiliser ", des invariants dont les signifiés physiques ne sont pas explicités et des invariants " non contextualisés " sur les situations proposées ; - utilisent très peu d'invariants opératoires de niveau universitaire ; -éprouvent d'énormes difficultés à l'appréhension du concept de champ magnétique et la relation entre ce dernier et le champ électrique en régime variable ; -mobilisent des invariants opératoires juxtaposés ou combinés sans contrôle de pertinence sur le raisonnement produit. Nous pensons que ces difficultés peuvent être dues : -au rapport aux savoirs de la physique des étudiants, notamment à un rapport de type utilitaire ; -à un "dysfonctionnement" dans les processus de raisonnement (à un des rois niveaux d'organisation des facultés supérieurs au sens de Kant) ; -au manque, dans les situations d'enseignement, de travail sur le contrôle et la recherche de signifié ; -à la nature du savoir en jeu à caractère très abstrait ; -et enfin, dans certains cas, pourraient être rapprochées des obstacles épistémologiques. A la suite de ces interprétations, nous proposons des pistes de recherche conduisant à une étude plus approfondie des raisonnements des étudiants y compris dans d'autres domaines que l'électromagnétisme, ainsi qu'à des solutions aux " dysfonctionnements " constatés. Cela suppose une collaboration étroite entre didacticiens et les spécialistes des sciences cognitives
@Using the "theory of the conceptual fields" (Vergnaud, 1990), this research in didactics of physics science, reveals the dynamics of the cognitive patterns of undergraduate students (issus d'un DEUG "Sciences de la Matière"). The investigation consists in collecting data during "problem-solving situations" in electromagnetism, when students have to use the concept of magnetic field. After an exploratory study with the aim to identify the reccurent difficulties encountered by students when they mobilize concepts in electromagnetism, we sought to identify "operational invariants" and "schemes" used by students to solve these situations. The study shows that students : use "ready-to-use" invariants, invariants whose "signified in physics" are not specified and "not contextualized" invariants to the "problem-solving situations" ; use a very few "operational invariants" which belong to the university curriculum in electromagnetism ; meet enormous difficulties with the understanding of the concept of magnetic field and its relationship with the electric field in variable mode ; and operational invariants juxtaposed or combined without control of their relevance during the processes reasoning. .

Dans cette thèse je propose plusieurs mécanismes de plasticité synaptique qui pourraient expliquer la rapidité, la sélectivité et l'invariance des réponses neuronales dans le cortex visuel. Leur plausibilité biologique est discutée. J'expose également les résultats d'une expérience de psychophysique pertinente, qui montrent que la familiarité peut accélérer les traitements visuels. Au delà de ces résultats propres au système visuel, les travaux présentés ici créditent l'hypothèse de l'utilisation des dates de spikes pour encoder, décoder, et traiter l'information dans le cerveau - c'est la théorie dite du 'codage temporel'. Dans un tel cadre, la Spike Timing Dependent Plasticity pourrait jouer un rôle clef, en détectant des patterns de spikes répétitifs et en permettant d'y répondre de plus en plus rapidement
In this thesis I propose various activity-driven synaptic plasticity mechanisms that could account for the speed, selectivity and invariance of the neuronal responses in the visual cortex. Their biological plausibility is discussed. I also present the results of a relevant psychophysical experiment demonstrating that familiarity can accelerate visual processing. Beyond these results on the visual system, the studies presented here also credit the hypothesis that the brain uses the spike times to encode, decode, and process information - a theory referred to as 'temporal coding'. In such a framework the Spike Timing Dependent Plasticity may play a key role, by detecting repeating spike patterns and by generating faster and faster responses to those patterns

Notre étude se propose de décrypter de façon expérimentale le parcours interprétant dans l’apprentissage d’une langue étrangère telle que le français, en remettant en cause le concept traditionnel du décodage analytique et en lui substituant celui d’anticipation. Notre hypothèse est que la compréhension d’un énoncé ne repose pas sur une addition chronologique et continue de signes mais se construit à partir de procédures invariantes d’identification du sens, de reconnaissance de structures et de schèmes universaux. Le premier chapitre pose les jalons de notre recherche en introduisant trois théories fondamentales dans l’explication possible du phénomène d’anticipation : celle de la Grammaire Universelle (Chomsky), celle des Opérations Énonciatives et Prédicatives (Culioli) et celle de la Sémantique Générale (Pottier). Nous discutons des différents éclairages qu’apportent ces théories et nous les mettons en relation avec l’objet de notre recherche. Dans le second chapitre, nous présentons les supports iconographiques à partir desquels nous avons élaboré notre expérience, lesquels présentent l’avantage d’être neutres, syntaxiquement ajustables et interprétables dans la langue maternelle des participants autant que dans la langue cible. Nous introduisons notre public chinois, ainsi que la nature de l’expérience, qui consiste à convertir des énoncés oraux en séquences iconographiques. Nous présentons également la spécificité linguistique des phrases que nous utilisons en les analysant à l’aide des théories introduites dans notre première partie. Notre troisième chapitre analyse les productions des 14 sujets, en tenant compte de la nature des icônes sélectionnées, l’ordre de leur sélection et la disposition dans laquelle elles ont été placées. Ces trois paramètres permettent de révéler différents schèmes d’anticipation tout en appuyant la théorie selon laquelle la compréhension est un processus de reconstruction, à partir de savoirs conceptuels, cognitifs et linguistiques. Le dernier chapitre résume l’ensemble de l’expérience, synthétise nos conclusions et les confronte avec les théories portant sur les universaux et les invariants. Il définit également des orientations possibles dans le domaine de la didactique des langues étrangères, qui tiennent compte du concept d’anticipation
This study intends to decrypt experimentally the interpreting process in the learning of a second language such as French, by questioning the traditional concept of analytical decoding and by substituting it the principle of anticipation. Our hypothesis is that utterances are not understood through a continuous and chronological adding of signs, but is rather constructed from invariant procedures of identification of the meaning and from the recognition of structures and universal schemes. The first chapter prepares the ground for this research by introducing three essential theories which could explain the phenomenon of anticipation: the theories of Universal Grammar (Chomsky), of Enunciative and Predicative Operations (Culioli) and of General Semantics (Pottier). We discuss the various prospects brought by these theories and we relate them with the topic of our research. In the second chapter, we present the iconographic material we have conducted our experiment with, the advantages of which consist in being neutral, syntactically adjustable andinterpretable in the subjects’ native tongue as much as in the target language. We introduce the Chinese participants and the principles of our experiment, which consists in converting oral utterances to iconographic sequences. We present the linguistic features of the sentences we have used by the aid of the theories we reviewed in the first section. In our third chapter, we make the analysis of the 14 subjects’ productions by taking account of the nature of the chosen icons, the order in which they are selected and their placement in the sequences. These three parameters allow us to reveal various schemes of anticipation and to confirm the theory according to which comprehension is a process of reconstruction from conceptual, cognitive and linguistic knowledge. The last chapter sums the experiment up, summarize our conclusions and test them against the theories about language universals and invariants. It defines also some possible threads that can be followed in the field of language acquisition and which consider the role of anticipation

Le domaine du traitement de la géométrie suit un cheminement similaire à celui de l'analyse d'images avec l'explosion des publications consacrées à l'apprentissage profond ces dernières années. Un important effort de recherche est en cours pour reproduire les succès de l'apprentissage profond dans le domaine de la vision par ordinateur dans le contexte de l'analyse de formes 3D. Contrairement aux images, les formes 3D peuvent peuvent être représentées de différentes manières comme des maillages ou des nuages de points souvent dépourvus d'une structure canonique. Les algorithmes d'apprentissage profond traditionnels tels que les réseaux neuronaux convolutifs (CNN) ne sont donc pas faciles à appliquer aux formes 3D. Dans cette thèse, nous proposons trois contributions principales : premièrement, nous introduisons une méthode permettant de comparer des fonctions sur des domaines différents sans correspondances et de les déformer afin de rendre la topologie de leur ensemble de niveaux similaires. Nous appliquons notre méthode au problème classique de la correspondance de formes dans le contexte des applications fonctionnelles (functional maps) afin de produire des correspondances plus lisses et plus précises. Par ailleurs notre méthode reposant sur l'optimisation continue d'une énergie différentiable par rapport aux fonctions comparées elle est applicable à l'apprentissage profond. Nous apportons deux contributions directes à l'apprentissage profond des données 3D. Nous introduisons un nouvel opérateur de convolution sur des maillages triangulaires basés sur des coordonnées polaires locales et l'appliquons à l'apprentissage profond sur les maillages. Contrairement aux travaux précédents, notre opérateur prend en compte tous les choix de coordonnées polaires sans perte d'information directionnelle. Enfin, nous introduisons un nouveau module de convolution invariant par rotation sur les nuages de points et montrons que les CNN basés sur ce dernier peuvent surpasser l'état de l'art pour des tâches standard sur des ensembles de données non alignés même avec augmentation des données
The field of geometry processing is following a similar path as image analysis with the explosion of publications dedicated to deep learning in recent years. An important research effort is being made to reproduce the successes of deep learning 2D computer vision in the context of 3D shape analysis. Unlike images shapes comes in various representations like meshes or point clouds which often lack canonical structure. This makes traditional deep learning algorithms like Convolutional Neural Networks (CNN) non straightforward to apply to 3D data. In this thesis we propose three main contributions:First, we introduce a method to compare functions on different domains without correspondences and to deform them to make the topology of their set of levels more alike. We apply our method to the classical problem of shape matching in the context of functional maps to produce smoother and more accurate correspondences. Furthermore, our method is based on the continuous optimization of a differentiable energy with respect to the compared functions and is applicable to deep learning. We make two direct contributions to deep learning on 3D data. We introduce a new convolution operator over triangles meshes based on local polar coordinates and apply it to deep learning on meshes. Unlike previous works our operator takes all choices of polar coordinates into account without loss of directional information. Lastly we introduce a new rotation invariant convolution layer over point clouds and show that CNNs based on this layer can outperform state of the art methods in standard tasks on un-alligned datasets even with data augmentation

La chirurgie par laparoscopie est synonyme de faible invasivité et par conséquent d’une réduction du temps d’hospitalisation et des coûts associés. En effet l’utilisation d’un endoscope, de trocarts et d’instruments longs et rigides permet d’opérer dans un milieu clos, réduisant ainsi la taille des incisions et le temps de cicatrisation. Cependant ces conditions imposent au chirurgien une réorganisation des habilités motrices et cognitives. Ainsi, il est confronté à une inversion du sens du travail, des contraintes ergonomiques plus fortes, des rétroactions visuelles et proprioceptives réduites, ce qui complexifie considérablement la pratique. Au-delà, la formation des chirurgiens nécessite d’être mise à jour pour mieux répondre à ces nouvelles exigences. Les résultats expérimentaux montrent qu’il est nécessaire de mieux identifier les invariants de l’activité (ex : capacités spatiales, coordination visuo-motrice) pour permettre d’accélérer la courbe d’apprentissage. De plus, l’entraînement des capacités spatiales doit être integré dans les simulateurs et ceux-ci doivent mieux prendre en compte les principes pédagogiques (charge cognitive, rétroactions). La simulation cognitive doit être introduite au plus tôt et de manière espacée dans la formation, pour être mieux maitrisée et pour mieux exploiter tout son potentiel. La coordination visuo-motrice doit faire l’objet d’un entraînement explicite en dehors des salles d’opérations. Enfin, pour favoriser l’apprentissage, les différentes techniques de simulation doivent être implémentées de manière complémentaire dans le cursus
Minimally invasive surgery reduces postoperative pain, hospitalisation and associated costs. The use of long and rigid instruments in a closed haptic space limits incisions. The latter working conditions also challenge cognitive and motor skills of the surgeons. The surgeons need to mentally rotate the work scene, execute accurate movements with decreased sensitive and visual feedback. Moreover, the current learning paradigm needs to be updated to better match laparoscopic requirements. Our results show that cognitive features underpinning laparoscopy e.g., spatial abilities, hand eye coordination need to be contemplated to improve the learning curve. Simulators should provide the training of spatial abilities and better consider learning features (cognitive load, feedback). To be mastered and express the full potential of mental simulation, this technique should be implemented on a distributed way and earlier in the curricula. Hand-eye coordination needs explicit training outside the operation room. Finally, to favour skill learning, simulation techniques should be implemented on a complementary way in the curricula