Literatura académica sobre el tema "Humain-dans-la-boucle"

Dans les œuvres que nous étudions, l’écrivain gabonais Ludovic Obiang entraîne son lectorat aux frontières du mystique, dans un monde où le savoir tire ses racines des arcanes de l’univers forestier africain. Ce travail, qui vise à une analyse écocritique, entend montrer que l’espace sylvestre est cet arrière-pays dans lequel l’humain retrouve une connaissance de soi. En tant qu’indicateur socioculturel où s’exprime savoir historique et mémoriel, la forêt apparaît comme le lieu où se perpétue un apprentissage ; cet espace de transmission suppose en cela l’initiation aux mystères des lieux, ce qui revient à dire que le savoir se transmet lorsqu’une habitation poétique du monde permet de poser les esquisses d’un nouveau vivre-ensemble. Dans un langage métaphorisé, l’écrivain souligne donc que le monde forestier est une voie conduisant à une découverte de soi et à une réconciliation avec le monde naturel. En insistant sur les antagonismes, la narrativité de ces nouvelles se présente comme une boucle dans laquelle chaque histoire fait écho et sert de prétexte à la précédente. Sa plume permet donc d’accéder au savoir contenu dans la nature en dégageant le bruissement de la forêt. Notre analyse s’attèlera à montrer à ce titre que la transmission initiatique concoure à (re)découvrir l’espace sylvestre dans ce qu’il a de sacral, pour éveiller l’être humain à une conscience écologique.

Nous proposons dans cette thèse de mettre en place une collaboration entre un réseau de neurones profond et un utilisateur pour collecter rapidement des cartes de segmentation sémantiques précises d'images de télédétection. En bref, l'utilisateur interagit de manière itérative avec le réseau pour corriger ses prédictions initialement erronées. Concrètement, ces interactions sont des annotations représentant les labels sémantiques. Nos contributions se décomposent en quatre parties. Premièrement, nous proposons deux schémas d'apprentissage interactif pour intégrer les entrées de l'utilisateur dans les réseaux de neurones profonds. Le premier concatène les annotations de l'utilisateur avec les autres entrées du réseau (comme l'image RGB). Nous l'appliquons à la fois aux architectures convolutionnelles et aux Transformers. La seconde utilise les annotations comme une vérité terrain partielle pour ré-entraîner le réseau. Ensuite, nous proposons une stratégie d'apprentissage actif pour guider l'utilisateur vers les zones les plus pertinentes à annoter. Dans ce but, nous adaptons différentes fonctions d'acquisition issues de l'état de l'art pour évaluer l'incertitude du réseau de neurones. Enfin, nous proposons de modifier l'espace de sortie de l'algorithme pour l'adapter rapidement à de nouvelles classes sous faible supervision. Pour atténuer les problèmes de décalage de la classe d'arrière plan et d'oubli catastrophique inhérents à ce problème, nous comparons différentes régularisations et tirons parti d'une stratégie dite de pseudo-labeling. À travers des expériences sur plusieurs jeux de données de télédétection, nous démontrons l'efficacité et analysons les méthodes proposées. La combinaison de ces différents travaux aboutit à un framework robuste et polyvalent pour corriger de manière interactive les cartes de segmentation sémantique produites par des algorithmes d'apprentissage profond en télédétection
We propose in this thesis to build up a collaboration between a deep neural network and a human in the loop to swiftly collect accurate segmentation maps of remote sensing images. In a nutshell, the user iteratively interacts with the network to correct its initially flawed predictions. Concretely, these interactions are annotations representing the semantic labels. Our contributions are fourfold. First, we propose two interactive learning schemes to integrate user inputs into deep neural networks. The first one concatenates the user annotations with the other inputs of the network (e.g. RGB image). We apply it both to convolutional architectures and to Transformers. The second one uses the annotations as a sparse ground-truth to retrain the network. Then, we propose an active learning strategy to guide the user towards the most relevant areas to annotate. To this purpose, we adapt different state-of-the-art acquisition functions to evaluate the neural network uncertainty. Finally, we propose to modify the algorithm output space to swiftly adapt it to new classes under weak supervision. To alleviate the background shift and the catastrophic forgetting issues inherent to this problem, we compare different regularization terms and leverage a pseudo-label strategy. Through experiments on multiple remote sensing datasets, we show the effectiveness of the proposed methods and analyze them extensively. Combining these different components results in a robust and versatile framework to interactively correct semantic segmentation maps produced by deep learning algorithms in remote sensing

E « mal du simulateur », qui s’apparente jusqu’à un certain point au mal des transports, est particulièrement problématique. La compréhension des causes du mal du simulateur et l'identification de procédés pour réduire l’occurrence de ce dernier sont des enjeux importants dans la mesure où elle introduit un biais double dans les résultats acquis : la population étudiée est filtrée « à la porte » et où le conducteur qui souffre de mal du simulateur risque d’avoir des comportements de conduite altérés.L'hypothèse que nous défendons dans le cadre de cette thèse concerne la relation entre « contrôlabilité » du système (le simulateur) et mal du simulateur. En simulation de conduite, le conducteur fait partie intégrante de la boucle : il initie les mouvements et reçoit les réponses du système. Notre hypothèse est que, dans ce cadre, un mauvais contrôle du déplacement du véhicule simulé induit des déplacements erratiques, perçus par le conducteur comme ne correspondant pas à ses attentes (du fait de son expérience de conduite antérieure) et donc non-acceptables.Pour tester cette hypothèse, nous avons repensé les modalités d’interfaçage conducteur/simulateur d’un simulateur de conduite moto préexistant : architecture matérielle et logicielle, structure capteurs/actionneurs de la colonne de direction, modèle de véhicule implémenté. Le simulateur, dans sa version actuelle, permet un meilleur degré de contrôlabilité par le conducteur pour des vitesses de déplacement moyennes à hautes
“Simulator sickness,” which is to some extent similar to motion sickness, is particularly problematic. Understanding the causes of simulator sickness and identifying ways to reduce its occurrence are important issues insofar as, on the one hand, the “at the door” filtering of the population studied on the simulator (people who are not susceptible) introduces bias in the results acquired and, on the other hand, a driver who suffers from simulator sickness is likely to behave differently in terms of their driving, which also introduces bias.The hypothesis we defend in this thesis concerns the relationship between the "controllability" of the system (the simulator) and simulator sickness.In driving simulation, the driver is an integral part of the loop: they initiate the movements and receive the system responses. Our hypothesis is that, in this context, a poor control of the simulated vehicle movement induces erratic movements, perceived by the driver as not corresponding to their expectations (because of their previous driving experience) and therefore unacceptable.To evaluate this hypothesis, we have redesigned the rider/simulator interfacing modalities of a pre- existing motorcycle simulator: hardware and software architecture, sensor/actuator structure of the steering column, and implemented vehicle model. In its current version, the simulator allows a higher degree of controllability by the driver for medium to high speeds

La maladie de Parkinson (MP) est la seconde maladie neurodégénérative la plus répandue. Les symptômes moteurs répondent initialement bien aux médicaments dopaminergiques. Toutefois, des complications motrices de ces médicaments finissent par survenir. Certains patients se voient alors proposer un traitement neurochirurgical par stimulation cérébrale profonde (SCP) et chronique du Noyau Subthalamique (NST). Plusieurs études suggèrent que la modulation du faisceau cortico-subthalamique moteur explique au moins en partie l’efficacité de la SCP du NST. Approfondir la compréhension du mécanisme d’action de la SCP du NST pour le traitement de la MP devrait permettre d’optimiser le rapport innocuité/efficacité de cette procédure qui s’adresse à des dizaines de milliers de patients dans le monde. L’objectif primaire de cette thèse est de caractériser le faisceau cortico-subthalamique moteur sur les plans anatomique et fonctionnel chez le primate non humain. Les objectifs secondaires sont : Permettre la visualisation directe et en conditions stéréotaxiques du NST chez le primate non humain et le patient parkinsonien - Mettre au point une méthodologie permettant de caractériser sur les plans anatomique et fonctionnel tout faisceau de fibres entre deux régions cérébrales anatomiquement distinctes, chez le primate non humain - Elaborer une loi de commande pour la stimulation du NST par optogénétique et en boucle fermée, afin de détruire sélectivement les oscillations béta et tester l’hypothèse de leur rôle dans l’émergence des symptômes moteurs de la MP
Parkinson’s Disease (PD) is the second most widespread neurodegenerative disease. Motor symptoms initially respond well to dopaminergic medecines ; however, motor complications will eventually occur. Some patients are then proposed a neurosurgical treatment by chronical electrical deep brain stimulation (DBS) of the subthalamic nucleus (STN). Several studies suggested that the modulation of the motor cortico-subthalamic bundle might explain the efficacy of STN DBS, at least to a certain extent. A better understanding of the mechanism of action of DBS of the STN in order to treat PD should help to optimize the safety/efficacy of this surgical procedure from which tens of thousands of patients could benefit all over the world.The main purpose of the present thesis is to characterize, both anatomically and functionally, the motor cortico-subthalamic bundle in non-human primates. Secundary objectives are : (1) to allow the direct visualization, under stereotactic conditions, of the STN of non-human primates and of patients with PD ; (2) to develop a methodology enabling to characterize, both anatomically and functionally, any fiber bundle between two anatomically distinct cerebral areas, in non-human primates ; (3) to establish a command law for closed-loop stimulation of STN by optogenetics, in order to selectively destroy beta-oscillations and assess the hypothesis of their role in the occurrence of motor symptoms in PD