Literatura académica sobre el tema "Réduction des biais"

Résumé À la mi-1999, 18 000 entreprises avaient signé un accord de réduction du temps de travail (RTT) dans le cadre des lois incitatives Robien et Aubry. Les établissements ayant signé des accords « offensifs » ont fortement accru leurs effectifs, même en corrigeant du biais de sélection tenant surtout au fait qu'ils étaient initialement plus dynamiques. Les variables de sélection renvoient à des considérations organisationnelles et socio-politiques autant qu'à des variables strictement économiques. À la date de l'étude, les conditions de mise en œuvre de la RTT ne semblent guère s'écarter des conditions de neutralité sur les coûts des entreprises : les emplois créés pourraient être durables.

Le bon fonctionnement des réseaux de digues et de voiries constitue un enjeu majeur pour la gestion des risques et la résilience des territoires. Le manque général de données permettant de décrire leurs comportements pour les événements rares redoutés conduit à exploiter principalement les dires experts pour estimer leurs niveaux de fonctionnement. Le projet Incertu propose une démarche méthodologique pour la modélisation fonctionnelle des mécanismes de défaillance des infrastructures en contexte systémique, la prise en compte des incertitudes liées à l'évaluation experte de leurs mécanismes de défaillance et la réduction des biais via un modèle de calibration.

Les pays européens déclinent leur politique d’immigration entre intégration des immigrés légaux et réduction des flux migratoires par le biais notamment de politiques de coopération censées permettre à la fois le retour de certains migrants chez eux et le maintien des candidats à la migration dans leur pays d’origine. Cette politique peut s’avérer très intéressante mais cela suppose qu’elle soit bien conçue et qu’elle ne soit pas érigée en anti-politique d’intégration, qu’une interprétation plus souple des flux migratoires soit proposée. Faute de quoi elle ne pourra qu’échouer et avoir un impact négatif sur le rayonnement de la France.

Fidéliser leur public constitue une priorité pour les organisateurs de festivals en raison d’une offre pléthorique et de la réduction des subventions et du mécénat. Mais la nature sociale de la consommation culturelle complexifie la décision de fréquentation. L’influence des accompagnateurs sur la fidélité des festivaliers est étudiée par le biais de méthodologies qualitative et quantitative auprès du public des quatre principaux festivals français de musiques actuelles. Les résultats montrent le rôle central des accompagnateurs dans les processus de satisfaction, d’attachement et de fidélité. Ceci plaide pour de nouvelles stratégies de fidélisation visant à ritualiser la fréquentation, à créer un véritable « monde » autour du festival et à s’appuyer sur les festivaliers les plus attachés au festival pour transmettre les rites de la communauté.

La question du traitement des modalités énonciatives constitue un des biais par lesquels interroger la relation entre logique et grammaire, telle que l’établit la grammaire générale française des 17e et 18e siècles. L’examen des principales configurations terminologiques utilisées pour décrire les espèces de l’énoncé, avant et après l’introduction dans la grammaire du terme proposition, permet de préciser quelques-uns des enjeux liés à la progressive réduction des noms de l’énoncé au seul couple phrase / proposition, ces termes pouvant être employés de façon contrastive, exclusive ou quasi-synonymique. On se propose ainsi d’éclairer une situation apparemment paradoxale : dans la grammaire française du début du 19e siècle, le métalangage des «types de phrases» présente un état relativement stable alors même que la théorie du langage dominante ne permet pas de concevoir une théorie des actes de langage.

Résumé Nous développons dans cet article une modélisation vectorielle autorégressive non linéaire pour l’étude des interdépendances entre les marchés boursiers. Parmi les innovations de ce travail, nous introduisons un bris structurel dans la matrice des variances-covariances conditionnelle d’un processus GARCH multivarié. Dans cet ordre d’idée, nous considérons une spécification BEKK de cette matrice augmentée avec des régresseurs de transmission des chocs de volatilité entre les marchés. L’objectif de cette modification est de répondre à plusieurs biais importants dans la mesure des volatilités et des corrélations entre les marchés : d’une part, le biais de surestimation de la persistance des chocs de volatilité; d’autre part, les biais d’hétéroscédasticité et de variables omises dans la mesure des corrélations. Nous considérons ici un échantillon de 11 marchés boursiers d’Europe, d’Amérique du Nord et d’Asie avec des données hebdomadaires des indices les plus larges entre 1985 et 2006. Plusieurs résultats intéressants sont obtenus avec cette modélisation : la réduction de la persistance des chocs de volatilité; l’évidence d’une transmission des prix et des incertitudes du marché américain vers les marchés européens et asiatiques; l’existence de phénomène de transmission régionale en Europe et en Asie; mis à part le krach américain d’octobre 1987, toutes les crises ne sont pas systématiquement contagieuses. Au final, il n’est pas évident que la libéralisation financière isole les marchés des crises financières diverses, bien que l’intégration soit un vecteur d’efficience des marchés. Les crises et le phénomène de contagion en période de crise peuvent être considérés comme des processus de rééquilibrage des marchés qui doivent être encadrés, régulés et supervisés.

Introduction : Le syndrome d’apnées obstructives du sommeil (SAOS) est une affection très répandue et insuffisamment diagnostiquée, ce qui en fait un problème majeur de santé publique et de sécurité. La rééducation myofonctionnelle orofaciale (RMO) a été montrée efficace dans le traitement multidisciplinaire des SAOS de l’enfant, de l’adolescent et de l’adulte et elle est prescrite à plusieurs étapes de ces prises en charge. Objectifs : L’objectif principal de cette revue systématique de la littérature était d’évaluer l’efficacité de la rééducation myofonctionnelle orofaciale (RMO), active ou passive, dans le traitement du syndrome d’apnées obstructives du sommeil chez les enfants, les adolescents et les adultes. Matériel et méthodes : La revue systématique de la littérature fut entreprise à partir des trois bases de données électroniques : Medline (via PubMed),Cochrane Library, Web of Science Core Collection, et complétée par une recherche limitée de la littérature grise (Google Scholar) afin d’identifier les études évaluant l’efficacité de la RMO sur le SAOS. Le critère de jugement principal était une diminution de l’indice d’apnées/hypopnées (IHA) d’au moins cinq épisodes par heure par rapport à l’état initial. Les critères de jugement secondaires étaient une amélioration de la qualité subjective du sommeil, de la qualité du sommeil mesurée par polysomnographie nocturne et de la qualité de vie mesurée subjectivement. Résultats : Seulement dix études répondaient à tous les critères d’inclusion. Huit étaient des essais cliniques contrôlés randomisés, une était une étude de cohorte prospective et une autre était une étude de cohorte rétrospective. Six études étaient consacrées au SAOS de l’adulte et quatre au SAOS pédiatrique. Toutes les études incluses ont été évaluées à « faible risque de biais » d’après les douze critères de risque de biais du Cochrane Back Review Group. D’après les données probantes disponibles, la RMO permet une réduction significative de l’IAH, jusqu’à 90,6 % chez l’enfant et jusqu’à 92,06 % chez l’adulte. Elle permet une diminution significative de l’intensité et de la fréquence du ronflement, participe à une réduction de la somnolence diurne, limite la réapparition des symptômes d’apnée obstructive du sommeil (AOS) après adénoamygdalectomie chez l’enfant et améliore l’adhésion au traitement par ventilation en pression positive continue (PPC). La RMO passive, avec l’assistance apportée au patient par le port d’une orthèse sur mesure à bille, augmente l’observance à la rééducation, permet une réduction significative de l’intensité du ronflement, de l’IAH et un accroissement significatif des voies aérifères supérieures. Conclusions : Les données publiées montrent que la rééducation myofonctionnelle orofaciale est efficace dans les traitements multidisciplinaires des SAOS de l’enfant, de l’adolescent et de l’adulte et devrait être largement prescrite à plusieurs étapes de ces prises en charge. La RMO passive, avec l’orthèse d’avancée mandibulaire à bille conçue par Michèle Hervy-Auboiron, aide à pallier les fréquents défauts d’observance observés lors des traitements par RMO active.

Le formulaire de calcul neutronique HORUS3D/N dédié au Réacteur Jules Horowitz (RJH), sert aux études de conception et de sûreté du réacteur. La maîtrise de l'ensemble des paramètres neutroniques du RJH doit être assurée pour l'instruction du rapport de sûreté de l'installation. Ce travail de recherche s'inscrit dans cet objectif et s'attache à la détermination, la maîtrise et la réduction des incertitudes dues aux données nucléaires sur la réactivité du Réacteur Jules Horowitz (RJH). Une démarche rigoureuse et générique a été mise en place : c'est un ensemble cohérent, complet et incrémental qui permet l'identification et la quantification de l'ensemble des sources d'incertitudes et qui a abouti à la maîtrise du biais et des incertitudes dus aux données nucléaires sur la réactivité du cas étudié : le Réacteur Jules Horowitz. Cette méthode est basée sur une succession d'études : l'élaboration d'un jeu de matrices de variance-covariance cohérentes concernant les données nucléaires des isotopes d'intérêt, les études de sensibilité aux données nucléaires de l'expérience et de l'application étudiées, la détermination fine des incertitudes technologiques par la mise en œuvre d'une méthode innovante une étude de transposition estimant le biais et l'incertitude a posteriori dus aux données nucléaires sur l'application étudiée. Les différentes étapes s'appuient sur les outils de calcul de référence du CEA (code de calcul Monte-Carlo TRIPOLI4, codes déterministes APOLLO2 et CRONOS2, code d'évaluation CONRAD), l'évaluation de données nucléaires JEFF-3.1.1 et des méthodes de propagation, marginalisation et de transposition des incertitudes. La propagation des incertitudes sur les données nucléaires contenues dans les matrices de variance-covariance conclut à une incertitude a priori de 637 pcm (1σ) sur la réactivité du RJH pour le combustible U3Si2Al enrichi à 19.75% en 235U. L'interprétation des mesures d'oscillation d'échantillons du programme VALMONT dans le réacteur MINERVE a permis la qualification des données nucléaires relatives au combustible du RJH de l'évaluation JEFF-3.1.1 et a mis en évidence la cohérence de leurs incertitudes. Ainsi, l'interprétation de la réactivité du cœur AMMON/Référence a été réalisée avec l'évaluation JEFF-3.1.1 (et le code de référence TRIPOLI4). Un écart calcul/expérience de +376 pcm est observé. Une étude fine de détermination des incertitudes sur la réactivité de la configuration de référence aboutit à 340 pcm (1σ) dues aux incertitudes technologiques et à 671 pcm (1σ) dues aux incertitudes sur les données nucléaires. La transposition du biais et des incertitudes de l'expérience AMMON/Référence est réalisable grâce à l'excellente représentativité de cette dernière vis-à-vis du RJH. La réduction d'un facteur 2 sur l'incertitude à appliquer sur la réactivité début de vie du RJH est ainsi obtenue, ce qui équivaut à un gain d'environ deux jours équivalents pleine puissance (1σ) sur la longueur de cycle. Ainsi, le biais et l'incertitude associée à retenir pour un combustible U3Si2Al enrichi à 19.75 % en 235U, et un cœur RJH critique non barré (réflecteur nu) en début de vie sont de +266 ± 352 pcm (1σ).

Les radars altimètres embarqués à bord de satellites à plus de 800 km d'altitude permettent d'étudier des variations du niveau de la mer de l'ordre du centimètre ! Ils permettent aussi d'estimer la hauteur des vagues et la vitesse du vent le long des traces des satellites.
Ces paramètres sont estimés à partir des échos radar qui possèdent une forme caractéristique de la surface sur laquelle ils se réfléchissent.
La précision, la résolution et la qualité d'estimation de ces paramètres (hauteur de mer, hauteur des vagues, vitesse du vent...) sont des préoccupations permanentes pour l'exploitation et l'interprétation des mesures altimétriques.

Nous proposons dans cette thèse de réduire le niveau de bruit des mesures avant l'étape d'estimation c'est-à-dire sur les échos altimétriques.
Pour cela, nous exploitons leur corrélation spatiale en travaillant sur des matrices formées d'échos consécutifs.
Cette approche matricielle constitue une nouveauté dans le traitement du signal altimétrique. Son principal atout est de définir des sous-espaces vectoriels permettant de séparer l'information utile du bruit qui altère le signal.
Elle permet de définir des échos très peu bruités sans perdre l'information géophysique et avec une résolution maximale.
Nous établissons un traitement optimal au sens des moindres carrés s'appuyant sur des simulations et appliqué sur les données réelles de plusieurs altimètres.

Grâce aux échos débruités obtenus, les paramètres géophysiques sont extraits avec une précision accrue.
En réduisant le bruit haute fréquence, nous mettons en évidence une variabilité spatiale à plus fine échelle, jusqu'à présent noyée dans le bruit de mesure.
Cette méthode simple et efficace permet d'affiner la précision et la résolution des hauteurs de mer et des vagues estimées le long des traces des satellites.

En affinant la précision et la résolution des mesures le long des traces, on participe à la nouvelle orientation opérationnelle de l'altimétrie, tournée vers des utilisateurs et vers des études de plus en plus locales.

Cette thèse étudie la modélisation d'événements rares et l'estimation de quantiles extrêmes, à travers différents types de modèles et le choix de ces modèles. La théorie des valeurs extrêmes, et en particulier la méthode des excès (POT, Peaks Over Threshold), permettent une estimation non paramétrique, mais biaisée, des queues de distribution. Nous souhaitons donc utiliser des modèles paramétriques classiques. Cependant, ces modèles étant estimés et sélectionnés par des tests usuels à partir de l'échantillon complet, les résultats sont surtout influencés par les valeurs les plus probables de la variable. Nous proposons deux tests d'adéquation pour la queue de distribution, le test ET (Exponential Tail) et le test GPD (Generalised Pareto Distribution), pour sélectionner, par comparaison avec la méthode POT, les modèles produisant de bonnes estimations de la queue de distribution. Lorsqu'on souhaite reconstituer la loi dont sont issues les observations aussi bien dans la région centrale que dans la région extrême, on applique d'abord à un ensemble de modèles un test usuel (d'adéquation aux valeurs les plus probables), puis un test d'adéquation de la queue de distribution. Si aucune loi n'est acceptée par les deux types de tests, nous proposons une procédure de régularisation bayésienne qui, à partir d'un modèle adapté aux valeurs les plus probables, permet d'améliorer l'adéquation extrême grâce à un avis d'expert sur la queue de distribution. Enfin, si on revient à la méthode POT, il faut en réduire le biais d'estimation, notamment pour l'estimation des quantiles extrêmes. Cette méthode étant fondée sur l'approximation de la loi des excès au-delà d'un seuil par une loi GPD, nous cherchons à mieux en estimer les paramètres. L'inférence bayésienne sur les paramètres de la loi GPD permet de réduire le biais d'estimation des quantiles extrêmes par la méthode POT, en particulier quand on introduit un avis d'expert sur la queue de distribution.

Le cerveau humain reçoit en continu des informations en provenance de stimuli externes. Il a alors la capacité de s’adapter à de nouvelles connaissances tout en conservant une mémoire précise de la connaissance apprise par le passé. De plus en plus d’algorithmes d’intelligence artificielle visent à apprendre des connaissances à la manière d’un être humain. Ils doivent alors être mis à jour sur des données variées arrivant séquentiellement et disponibles sur un temps limité. Cependant, un des verrous majeurs de l’apprentissage profond réside dans le fait que lors de l’apprentissage de nouvelles connaissances, les anciennes sont quant-à-elles perdues définitivement, c’est ce que l’on appelle « l’oubli catastrophique ». De nombreuses méthodes ont été proposées pour répondre à cette problématique, mais celles-ci ne sont pas toujours applicables à une mise en situation réelle car elles sont construites pour obtenir les meilleures performances possibles sur un seul scénario d’arrivée de données à la fois. Par ailleurs, les meilleures méthodes existant dans l’état de l’art sont la plupart du temps ce que l’on appelle des méthodes à « rejeu de données » qui vont donc conserver une petite mémoire du passé, posant ainsi un problème dans la gestion de la confidentialité des données ainsi que dans la gestion de la taille mémoire disponible.Dans cette thèse, nous proposons d’explorer divers scénarios d’arrivée de données existants dans la littérature avec, pour objectif final, l’application à la reconnaissance faciale d’émotion qui est essentielle pour les interactions humain-machine. Pour cela nous présenterons l’algorithme Dream Net – Data-Free qui est capable de s’adapter à un vaste nombre de scenarii d’arrivée des données sans stocker aucune donnée passée. Cela lui permet donc de préserver la confidentialité des données apprises. Après avoir montré la robustesse de cet algorithme comparé aux méthodes existantes de l’état de l’art sur des bases de données classiques de la vision par ordinateur (Mnist, Cifar-10, Cifar-100 et Imagenet-100), nous verrons qu’il fonctionne également sur des bases de données de reconnaissance faciale d’émotions. En s’appuyant sur ces résultats, nous proposons alors un démonstrateur embarquant l’algorithme sur une carte Nvidia Jetson nano. Enfin nous discuterons la pertinence de notre approche pour la réduction des biais en intelligence artificielle ouvrant ainsi des perspectives vers une IA plus robuste et éthique
The human brain continuously receives information from external stimuli. It then has the ability to adapt to new knowledge while retaining past events. Nowadays, more and more artificial intelligence algorithms aim to learn knowledge in the same way as a human being. They therefore have to be able to adapt to a large variety of data arriving sequentially and available over a limited period of time. However, when a deep learning algorithm learns new data, the knowledge contained in the neural network overlaps old one and the majority of the past information is lost, a phenomenon referred in the literature as catastrophic forgetting. Numerous methods have been proposed to overcome this issue, but as they were focused on providing the best performance, studies have moved away from real-life applications where algorithms need to adapt to changing environments and perform, no matter the type of data arrival. In addition, most of the best state of the art methods are replay methods which retain a small memory of the past and consequently do not preserve data privacy.In this thesis, we propose to explore data arrival scenarios existing in the literature, with the aim of applying them to facial emotion recognition, which is essential for human-robot interactions. To this end, we present Dream Net - Data-Free, a privacy preserving algorithm, able to adapt to a large number of data arrival scenarios without storing any past samples. After demonstrating the robustness of this algorithm compared to existing state-of-the-art methods on standard computer vision databases (Mnist, Cifar-10, Cifar-100 and Imagenet-100), we show that it can also adapt to more complex facial emotion recognition databases. We then propose to embed the algorithm on a Nvidia Jetson nano card creating a demonstrator able to learn and predict emotions in real-time. Finally, we discuss the relevance of our approach for bias mitigation in artificial intelligence, opening up perspectives towards a more ethical AI

Dans ce mémoire, nous travaillons sur une méthode de simulation de Monte-Carlo qui utilise des variables antithétiques pour estimer un intégrale de la fonction f(x) sur un intervalle (0,1] où f peut être une fonction monotone, non-monotone ou une autre fonction difficile à simuler. L'idée principale de la méthode qu'on propose est de subdiviser l'intervalle (0,1] en m sections dont chacune est subdivisée en l sous intervalles. Cette technique se fait en plusieurs étapes et à chaque fois qu'on passe à l'étape supérieure la variance diminue. C'est à dire que la variance obtenue à la kième étape est plus petite que celle trouvée à la (k-1)ième étape ce qui nous permet également de rendre plus petite l'erreur d’estimation car l'estimateur de l'intégrale de f(x) sur [0,1] est sans biais. L'objectif est de trouver m, le nombre optimal de sections, qui permet de trouver cette diminution de la variance.
In this master thesis, we consider simulation methods based on antithetic variates for estimate integrales of f(x) on interval (0,1] where f is monotonic function, not a monotonic function or a function difficult to integrate. The main idea consists in subdividing the (0,1] in m sections of which each one is subdivided in l subintervals. This method is done recursively. At each step the variance decreases, i.e. The variance obtained at the kth step is smaller than that is found at the (k-1)th step. This allows us to reduce the error in the estimation because the estimator of integrales of f(x) on interval [0,1] is unbiased. The objective is to optimize m.
Les fichiers qui accompagnent mon document ont été réalisés avec le logiciel Latex et les simulations ont été réalisés par Splus(R).