Letteratura scientifica selezionata sul tema "Borne de généralisation"

RésuméLes sciences historiques sont caractérisées par l’irréductible pluralité des modes de construction de leurs objets et de leur capacité de produire des assertions à caractère général. Après avoir rendu compte des critiques durkheimienne et weberienne des formes ordinaires de généralisation, on s’efforce d’analyser la mise en question des paradigmes macrologiques qui a marqué les sciences sociales dans le dernier quart du XXesiècle, et qui a principalement pris la forme d’un retour aux localités. L’autolimitation au niveau micrologique enveloppe néanmoins de redoutables contraintes. On peut démontrer que le niveau de généralité auquel les sociologues se situent dépend avant tout du mode de génération des données. En outre, le développement des sciences historiques dans le contexte universitaire du XXesiècle a rendu plus difficile l’émergence d’assertions très générales ayant pour objet la totalité de l’histoire humaine. Si quelque chose comme un programme épistémologique peut être proposé, c’est autour de l’analyse des modes de construction de nos opérations typifiantes, stylisantes et comparatives qu’il doit porter. La question de la généralisation est indissociable de la mise en visibilité de régularités et de la possibilité de les manipuler à partir de l’établissement de procédures stabilisées de traitement des données. L’histoire intellectuelle et politique de la généralisation dans les sciences sociales renvoie donc pour une bonne part à celle du développement des instruments qui ont permis de constituer des données comme des objets. Le retour réflexif sur la genèse politico-épistémique de cetinstrumentariumest donc une étape indispensable sur le chemin de la réévaluation des potentialités de la généralisation dans nos savoirs, lesquels ne sont jamais entièrement détachables de leur moment de production et des objectifs politiques qu’ils affichent. L’histoire particulière du développement de nos savoirs nous enseigne que l’on n’a rien à perdre à l’instabilité paradigmatique, puisque celle-ci est inséparable de leur régime propre de production.

A la différence des régimes qui l’ont précédé, le CNR s’attache à élaborer une véritable politique du sport. Conçue comme l’instrument de fabrication de l’homme nouveau, en bonne santé et productif, elle se traduit par un effort exceptionnel visant à «mettre au sport» l’ensemble de la société. Mais les contraintes physiques et symboliques dont elle s’accompagne aboutissent au résultat inverse, marqué par la généralisation des infractions aux obligations édictées par le pouvoir révolutionnaire.

La description des langues en danger est cruciale pour la typologie linguistique, comme source possible d’information sur des types de structures non attestés dans les langues préalablement décrites. Inversement, une bonne information sur l’état des connaissances en typologie est particulièrement utile aux linguistes qui décrivent des langues jusque là peu décrites, ce qui est le cas de la plupart des langues en danger. Toutefois, les typologues ne doivent pas perdre de vue qu’il y a un problème à mettre sur le même plan, dans la recherche de généralisations typologiques, des langues toujours bien vivantes et largement décrites, et d’autres dont l’unique description est impossible à vérifier ou à compléter. En outre, on ne peut pas travailler sur des langues moribondes comme sur des langues qui sont encore le moyen de communication usuel d’une communauté, et on peut avoir des doutes sur la représentativité des données recueillies dans ces conditions, surtout dans des domaines comme la syntaxe.

Résumé Ce texte propose des méthodes d’inférence exactes (tests et régions de confiance) sur des modèles de régression linéaires avec erreurs autocorrélées suivant un processus autorégressif d’ordre deux [AR(2)], qui peut être non stationnaire. L’approche proposée est une généralisation de celle décrite dans Dufour (1990) pour un modèle de régression avec erreurs AR(1) et comporte trois étapes. Premièrement, on construit une région de confiance exacte pour le vecteur des coefficients du processus autorégressif (φ). Cette région est obtenue par inversion de tests d’indépendance des erreurs sur une forme transformée du modèle contre des alternatives de dépendance aux délais un et deux. Deuxièmement, en exploitant la dualité entre tests et régions de confiance (inversion de tests), on détermine une région de confiance conjointe pour le vecteur φ et un vecteur d’intérêt γ de combinaisons linéaires des coefficients de régression du modèle. Troisièmement, par une méthode de projection, on obtient des intervalles de confiance « marginaux » ainsi que des tests à bornes exacts pour les composantes de γ. Ces méthodes sont appliquées à des modèles du stock de monnaie (M2) et du niveau des prix (indice implicite du PNB) américains.

La disponibilité et les facteurs de variation de la valeur alimentaire des ressources végétales tropicales et des sous-produits de l’agro-industrie sont présentés dans cette synthèse. Les ressources alimentaires utilisées sont très variées (herbes, arbres fourragers, céréales, tubercules, coproduits de culture, sous-produits de l’agro-industrie) à l’image de la grande diversité des systèmes de production plus ou moins intensifiés, avec un niveau d’intégration variable des cultures et de l’élevage. Les matières premières peuvent être identiques à celles utilisées dans les zones tempérées (soja, maïs), notamment dans les ateliers modernes. Elles peuvent aussi se singulariser par leur origine botanique (sorgho, tubercules, fourrages, arbres fourragers), leur composition (présence fréquente de métabolites secondaires) et les traitements technologiques (coproduits d’industries agroalimentaires artisanales) qu’elles ont pu subir. Il y a une grande variabilité de la valeur alimentaire intra et inter-ressources. Quelle que soit l’espèce animale considérée, des ressources aux valeurs énergétiques élevées similaires ou proches d’homologues tempérés sont disponibles. Les nombreuses ressources «protéiques» ont en revanche des valeurs qui ne « rivalisent » qu’exceptionnellement avec le soja. Des stratégies particulières d’utilisation de certaines ressources sont nécessaires du fait de la présence de métabolites secondaires aux activités antinutritionnelles. En intra-ressource, les variabilités induites par la gestion (âge du fourrage, mode d’alimentation…) et la technologie utilisée (élimination de facteurs antinutritionnels, mode d’extraction, usinage des grains de céréales) qui affectent aussi bien la valeur énergétique que protéique, sont souvent supérieures à celles résultant de la génétique. Des ressources de bonne valeur alimentaire sont donc disponibles en zone tropicale à condition d’y appliquer la bonne gestion et de choisir l’espèce animale adéquate pour leur valorisation. L’information accumulée sur la valeur alimentaire des ressources tropicales est abondante. L’accès aux données n’est pas toujours aisé du fait des stratégies de publication souvent ciblée sur l’échelle régionale. L’information peut être partielle (certains critères de la composition chimique). Les résultats peuvent être fortement liés au contexte dans lequel ces données ont été produites ce qui limite leur généralisation. Une étape importante pour l’avenir serait le regroupement de ces données avec la perspective de dégager des lois générales tel que permet de l’envisager le projet en cours de tables de valeur alimentaire (AFZ-INRA-CIRAD).

L¿élevage classique est une des utilisations des sols les plus répandues en Amérique latine, et se solde souvent par leur dégradation rapide. L¿adoption de systèmes sylvopastoraux (SSP), associant des arbres à usages multiples à des pâturages améliorés, est susceptible de rendre d¿importants services environnementaux tout en réduisant les pressions qui entraînent de nouvelles déforestations. Cependant, des obstacles liés aux besoins d¿investissement et d¿information freinent souvent la généralisation de ces systèmes. Entre 2002 et 2007, le Fonds mondial pour l¿environnement (Global Environment Facility - GEF) a financé un projet pilote pour la promotion des SSP dans certaines régions à pâturages fortement dégradés en Colombie, au Costa Rica et au Nicaragua. Sur cette période de cinq ans, l¿état des terres s¿est très sensiblement amélioré grâce à l¿accroissement de la couverture végétale et de meilleures pratiques d¿utilisation des sols. L¿étude que nous présentons concerne la région de Quindío en Colombie, où le succès du projet a permis de s¿en servir comme modèle pour généraliser l¿initiative au niveau national. En organisant des entretiens semi-structurés et des visites de terrain, nous avons recueilli des informations sur les raisons de la réceptivité des paysans de cette région à l¿égard des SSP. Les motivations, les informations en retour et les difficultés ayant influencé les décisions des paysans ont été évaluées. Les résultats de l¿étude mettent en évidence le rôle d¿une bonne assistance technique pour aider les paysans à comprendre les conséquences passées et futures de leurs décisions en matière d¿utilisation des terres. Ils montrent également comment le principe de rémunération des services fournis par les écosystèmes permet d¿emblée d¿engendrer un climat de confiance et d¿appréhender le lien entre l¿adoption d¿un SSP et les bénéfices environnementaux et économiques qui en découlent. Les leçons qui découlent de ce projet sont applicables à la conception de stratégies de promotion des SSP et d¿autres pratiques de gestion durable à plus grande échelle, contribuant potentiellement à réduire la dégradation des sols et la déforestation en milieu tropical. (Résumé d'auteur)

Résumé Jusqu'à récemment, le débat sur l'avenir du modèle économique allemand opposait traditionnellement les tenants d'une insuffisante flexibilité du marché du travail, recrutés plutôt du côté patronal, à ceux d'une orthodoxie monétaire pénalisante (via le taux de change) représentés plutôt du côté syndical '. La généralisation des accords de flexibilisation du travail dans le courant de 1996 marque à cet égard une inflexion, car elle exprime la résolution de l'ensemble des partenaires sociaux. Il apparaît donc important de comprendre cette détermination. Les rencontres menées en janvier 1996 sous l'égide du chancelier (les « Kanzlerrunde ») avaient mis en avant les contraintes engendrées par le financement de la réunification, dans un contexte de forte appréciation nominale du deutsche mark. Un an plus tard, la bonne orientation des exportations et la normalisation du change ont relégué au second rang les problèmes du niveau de la monnaie. Les ajustements sur le marché de l'emploi se sont cependant poursuivis à un rythme soutenu et le taux de chômage a atteint en janvier 1997 un record absolu dans les anciens Lander (9,8 %). Ces évolutions ont suscité des réactions d'autant plus nourries qu'elles s'inscrivent sur une tendance plus longue. La baisse de l'emploi est en effet ininterrompue dans les anciens Lander depuis la mi- 1992 et la reprise de 1994 n'a stabilisé le taux de chômage que le temps de trois trimestres, avant que le ralentissement de 1995 ne le pousse de nouveau à la hausse. De tels ajustements peuvent difficilement n'avoir qu'une composante conjoncturelle. La réussite du modèle allemand repose en fait théoriquement sur l'adaptation de l'offre à une contrainte de marge forte, à laquelle sont censés contribuer l'ensemble des partenaires sociaux. La rigueur de la politique monétaire allemande et l'appréciation nominale de la monnaie contraignent en effet les prix, et donc les marges. Des efforts de productivité et une bonne réponse des salaires nominaux sont alors nécessaires à la préservation des profits, car ils permettent de contenir l'appréciation réelle de la monnaie et donc de limiter la détérioration de la compétitivité. Les négociations centralisées de branche contribuent en principe également à gérer les contraintes nominales. Peu différenciées au sein d'une même branche, les progressions salariales imposent en en effet théoriquement des niveaux de productivité moyens élevés. La capacité d'adaptation des entreprises les moins rentables en est stimulée, tandis que la codécision à l'allemande permet d'introduire une certaine flexibilité à la hausse des salaires dans les entreprises les plus rentables 2. Or la difficulté de l'Allemagne à dégager des gains de productivité supérieurs à ceux de ses concurrents est apparue comme une contrainte de plus en plus difficile à gérer dans un contexte de convergence des rythmes d'inflation et a reporté l'ajustement sur le mode de formation des salaires. En même temps, la capacité d'adaptation de l'économie allemande a été d'autant plus sollicitée qu'il lui a fallu absorber les chocs impliqués par la réunification.

Contexte et problématique : La réforme du second cycle des études médicales en France implique la mise en place de nouvelles modalités évaluatives parmi lesquelles des examens cliniques objectifs structurés (ECOS), outil standardisé d’évaluation de la performance clinique en environnement simulé. L’interprétation des scores issus de ces ECOS nationaux aura un impact majeur sur la formation des futurs médecins. Objectifs : Notre étude vise à montrer comment l’analyse de la validité de l’interprétation des scores d’un examen ECOS local selon le modèle de Kane peut fournir des données pour améliorer les ECOS nationaux. Méthodes : Cent sept étudiants en sixième année d’études ont participé en mars 2020 à une session d’ECOS. Les quatre inférences du modèle de Kane ont été appliquées à cet examen pour analyser la validité de l’interprétation des scores. Les scores obtenus aux ECOS, les évaluations de stage et le rang de classement aux épreuves classantes nationales informatisées (ECNi) ont notamment été colligés et analysés. Résultats : La validité de l’interprétation des scores des ECOS semblait globalement bonne. Quelques limites en termes de validité ont été identifiées dans les inférences de notation et de généralisation. Il n’y avait pas de différence significative de notation entre les évaluateurs. Il existait des corrélations statistiques significatives entre les scores aux ECOS et les évaluations en stage, ainsi qu’entre les scores aux ECOS et le rang de classement aux ECNi. Conclusion : Si la validité de l’interprétation des scores des ECOS semblait bonne dans le contexte de l’étude, nos données suggèrent des axes d’amélioration qui devront faire l’objet d’une attention particulière pour la mise en place d’examens à enjeu élevé tels que les ECOS nationaux en France dans les prochaines années. Cette étude illustre l’intérêt du modèle de Kane pour identifier de tels axes d’amélioration d’un dispositif d’évaluation des apprentissages.

Cette thèse porte sur l'apprentissage profond pour les processus faiblement dépendants. Nous avons considéré une classe d'estimateur de réseau de neurones profonds avec la régularisation par sparsité et/ou la régularisation par pénalité.Le chapitre1 est une synthèse des travaux. Il s'agit ici de présenter le cadre de l'apprentissage profond et de rappeler les principaux résultats obtenus aux chapitres 2, 3, 4, 5, 6.Le chapitre 2 considère l'apprentissage profond pour les processus psi-faiblement dépendants. Nous avons établi une vitesse de convergence de l'algorithme de minimisation du risque empirique (MRE) sur la classe des estimateurs de réseaux de neurones profonds (RNPs). Pour ces estimateurs, nous avons fourni une borne de généralisation et une vitesse asymptotique d'ordre O(n^{-1/alpha}) pour tout alpha > 2 est obtenue. Une borne de l'excès de risque pour une large classe de prédicteurs cibles est aussi établie.Le chapitre 3 présente l'estimateur de réseaux de neurones profonds pénalisé sous la dépendance faible. Nous avons considéré les problèmes de régression non-paramétrique et de classification pour les processus faiblement dépendants. Nous avons utilisé une méthode de régularisation par pénalisation. Pour la régression non-paramétrique et la classification binaire, nous avons établi une inégalité d'oracle pour l'excès de risque de l'estimateur de réseau de neurones pénalisé. Nous avons aussi fourni une vitesse de convergence de ces estimateurs.Le chapitre 4 porte sur l'estimateur de réseaux de neurones profonds pénalisé avec une fonction de perte générale sous la dépendance faible. Nous nous sommes placés dans le cadre de la structure de psi-dépendance faible et dans le cas spécifique où les observations sont bornées, nous avons utilisé la theta_{infty}-dépendance faible. Pour l'apprentissage des processus psi et theta_{infty}-faiblement dépendants, nous avons établi une inégalité d'oracle pour les excès de risque de l'estimateur de réseau de neurones profond pénalisé. Nous avons montré que lorsque la fonction cible est suffisamment régulière, la vitesse de convergence de ces excès de risque est d'ordre O(n^{-1/3}). Le chapitre 5 présente l'apprentissage profond robuste à partir de données faiblement dépendantes. Nous avons supposé que la variable de sortie admet des moments d'ordre r finis, avec r >= 1. Pour l'apprentissage des processus à mélange forts et psi-faiblement dépendants, une borne non asymptotique de l'espérance de l'excès de risque de l'estimateur de réseau de neurones est établie. Nous avons montré que lorsque la fonction cible appartient à la classe des fonctions de H"older régulières la vitesse de convergence de l'espérance de l'excès de risque obtenue sur l'apprentissage des données exponentiellement fort mélangeant est proche de ou égale à celle obtenue avec un échantillon indépendant et identiquement distribué (i.i.d.). Le chapitre 6 porte sur l'apprentissage profond pour les processus fortement mélangeants avec une régularisation par pénalité et minimax optimalité. Nous avons considéré aussi le problème de la régression non-paramétrique sur des données à mélange fort avec un bruit sous-exponentiel. Ainsi, lorsque la fonction cible appartient à la classe de composition de fonctions de H"older nous avons établi une borne supérieure de l'inégalité d'oracle de l'erreur L_2. Dans le cas spécifique de la régression autorégressive avec un bruit de Laplace ou normal standard, nous avons fourni une borne inférieure de l'erreur L_2 dans cette classe, qui correspond à un facteur logarithmique près à la borne supérieure ; ainsi l'estimateur de réseau de neurones profonds atteint une vitesse de convergence optimale
This thesis focuses on deep learning for weakly dependent processes. We consider a class of deep neural network estimators with sparsity regularisation and/or penalty regularisation.Chapter1 is a summary of the work. It presents the deep learning framework and reviews the main results obtained in chapters 2, 3, 4, 5 and 6.Chapter 2 considers deep learning for psi-weakly dependent processes. We have established the convergence rate of the empirical risk minimization (ERM) algorithm on the class of deep neural network (DNN) estimators. For these estimators, we have provided a generalization bound and an asymptotic learning rate of order O(n^{-1/alpha}) for all alpha > 2 is obtained. A bound of the excess risk for a large class of target predictors is also established. Chapter 3 presents the sparse-penalized deep neural networks estimator under weak dependence. We consider nonparametric regression and classification problems for weakly dependent processes. We use a method of regularization by penalization. For nonparametric regression and binary classification, we establish an oracle inequality for the excess risk of the sparse-penalized deep neural networks (SPDNN) estimator. We have also provided a convergence rate for these estimators.Chapter 4 focuses on the penalized deep neural networks estimator with a general loss function under weak dependence. We consider the psi-weak dependence structure and, in the specific case where the observations are bounded, we deal with the theta_{infty}-weak dependence. For learning psi and theta_{infty}-weakly dependent processes, we have established an oracle inequality for the excess risks of the sparse-penalized deep neural networks estimator. We have shown that when the target function is sufficiently smooth, the convergence rate of these excess risks is close to O(n^{-1/3}).Chapter 5 presents robust deep learning from weakly dependent data. We assume that the output variable has finite r moments, with r >= 1. For learning strong mixing and psi-weakly dependent processes, a non-asymptotic bound for the expected excess risk of the deep neural networks estimator is established. We have shown that when the target function belongs to the class of H"older smooth functions, the convergence rate of the expected excess risk for exponentially strongly mixing data is close to or equal to that obtained with an independent and identically distributed sample. Chapter 6 focuses on deep learning for strongly mixing observation with sparse-penalized regularization and minimax optimality. We have provided an oracle inequality and a bound on the class of H"older smooth functions for the expected excess risk of the deep neural network estimator. We have also considered the problem of nonparametric regression from strongly mixing data with sub-exponential noise. When the target function belongs to the class of H"older composition functions, we have established an upper bound for the oracle inequality of the L_2 error. In the specific case of autoregressive regression with standard Laplace or normal error, we have provided a lower bound for the L_2 error in this classe, which matches up to a logarithmic factor the upper bound; thus the deep neural network estimator achieves optimal convergence rate

Les algèbres d'endomorphismes peuvent remplacer la notion de fibré principal. Dans ce cadre algébrique, les théories de jauge sont reformulées et généralisées, unifiant ainsi connexions ordinaires et champs de Higgs. Un modèle de "Maxwell non commutatif" est construit pour des fibrés non triviaux nécessitant le développement de la notion de structure Riemannienne. Les techniques de la géométrie non commutative utiles à l'étude des algèbres associatives sont présentées et une nouvelle méthode permettant d'obtenir le morphisme de Chern-Weil usuel est développée. Ensuite, les résultats d'une étude sur les connexions non commutatives généralisent ceux connus sur les fibrés symétriques; une extension de l'ansatz de Witten est énoncée. Enfin, une action est proposée pour généraliser le modèle de Born-Infeld à des connexions non commutatives. Les Lagrangiens obtenus sont non polynomiaux et on étudie l'existence de solutions de type solitonique sur quelques exemples explicites.

Dans ce travail nous etudions le probleme ponctuel de fatou pour les quotients d'integrales de poisson sur le demi-espace euclidien. Ce probleme consiste a relier deux notions concernants le comportement d'une mesure de radon signee par rapport a une mesure positive en un point de l'espace, il a ete considere par plusieurs auteurs (dont p. Fatou) dans le cas ou la mesure positive de base est la mesure de lebesgue. La premiere notion est celle de derivabilite relative introduite dans les travaux de besicovitch et de saks, la seconde est le comportement limite du quotient d'integrales de poisson. Ces deux notions ont des variantes radiales, variationnelles et non-tangentielles ou on fait la distinction entre les differentes approches dans la definition de la limite. Nous demontrons plusieurs resultats abeliens deduisant l'existence de la limite du quotient d'integrales de poisson de la derivabilite relative. Ces resultats etendent un resultat classique de j. Doob. Dans l'autre direction nous demontrons un theoreme tauberien qui donne la derivabilite relative a partir de la connaissance de la limite du quotient d'integrales de poisson. Mais notre demonstration n'est pas valable que quand la mesure positive de base est homogene. Les cas particuliers des mesures positives et des mesures ayant une densite bmo par rapport a la mesure de lebesgue sont etudies en plus de details. Les resultats pour les integrales de poisson sont etendues a une classe plus generale de convolutions qui contient, outre les integrales de poisson, les integrales de gauss-weierstrass et les transformee de laplace. Ce travail est une extension naturelle des investigations menees par j. Brossard et l. Chevalier et par w. Ramey et d. Ullrich

Notre groupe a récemment développé une méthode organométallique pour la synthèse de nanoparticules de ZnO de taille et de forme contrôlées. Ce travail de thèse s'inscrit dans une démarche de généralisation de cette méthode à d'autres oxydes métalliques afin d'obtenir des particules de taille inférieure à 5nm. Le travail présenté dans ce manuscrit de thèse concerne la synthèse et l'étude de nanoparticules d'oxydes métalliques possédant soit des propriétés de luminescence (ZnO), soit des propriétés magnétiques (Gamma-Fe2O3, Co3O4, CoFe2O4, FeO ou CoO). Dans la première partie de cette thèse, nous montrons d'une part que l'ajout d'un précurseur organolithien lors de la synthèse des particules de ZnO modifie leur mécanisme de croissance, et d'autre part que la taille des particules dépend directement de la quantité d'organolithien et peut ainsi varier de 2,5 à 4,3 nm. De plus, les études de photoluminescence montrent que l'émission de ces particules varie du bleu au jaune en passant par le blanc. Dans la seconde partie, nous montrons que notre voie de synthèse peut être généralisée à des particules magnétiques comme Gamma-Fe2O3 et CoFe2O4. Nous montrons aussi la variation des interactions entre les particules en fonction de conditions de synthèse. Enfin, nous montrons que la flexibilité de notre approche organométallique nous permet d'accéder à des phases rares et peu stables comme FeO et CoO. La dernière partie de ce manuscrit présente une nouvelle méthode de synthèse de particules à partir de la réduction de précurseurs organométalliques par un complexe amine-borane. Des nanoparticules métalliques de Zn, Fe et Co sont ainsi obtenues
Our group has recently developed an organometallic synthetic approach for the synthesis of ZnO nanoparticles with controlled size and shape. The aim of this thesis is to generalise this method to other metal oxide nanoparticles with a size smaller than 5 nm. This work deals with the synthesis and the study of metal-oxide nanoparticles exhibiting either luminescent (ZnO) or magnetic properties (Gamma-Fe2O3, Co3O4, CoFe2O4, FeO or CoO). In the first part of this thesis, we show that adding an organolithium precursor during the ZnO nanoparticles synthesis modifies their growth mechanism. Therefore, the size of the particles is directly related to the amount of the organolithium precursor and varies from 2. 5 to 4. 3 nm. In this way, colloidal solutions and nanoparticles in the solid state are obtained which display a luminescence in the visible range from yellow to blue through white. In the second part, we show the generalisation of this approach to magnetic nanoparticles such as Gamma-Fe2O3 and CoFe2O4. We show therefore the variation of the interactions between the particles depending on the experimental conditions. Finally, we show that we can also adapt this approach to the synthesis of unstable phases such as FeO and CoO. The last part of this manuscript deals with the synthesis of metallic particles (Fe, Co, Zn) using an amine-borane complex as reducing agent of our organometallic complexes

La communauté d'apprentissage s'est récemment intéressée aux fonctions d'ordonnancement. Ces fonctions prennent en entrée un ensemble, et renvoient une liste ordonnée de ses éléments. La première partie de cette thèse présente une étude théorique sur l’apprentissage des fonctions d'ordonnancement. Nous définissons un nouveau cadre de classification binaire, dans lequel les exemples sont des variables aléatoires interdépendantes, dont la structure de dépendance est connue, alors que le cadre habituel suppose que les exemples sont indépendants. Dans ce cadre, nous établissons de nouvelles bornes sur l’erreur de généralisation pour l'ordonnancement, et retrouvons des résultats connus en classification binaire. Dans une seconde partie, nous présentons de nouveaux algorithmes d’apprentissage des fonctions d’ordonnancement, et montrons la validité de notre approche sur des données réelles issues des applications de Question/Réponse et de Résumé Automatique de Texte.

In recent years, the crucial importance of metrics in machine learningalgorithms has led to an increasing interest in optimizing distanceand similarity functions using knowledge from training data to make them suitable for the problem at hand.This area of research is known as metric learning. Existing methods typically aim at optimizing the parameters of a given metric with respect to some local constraints over the training sample. The learned metrics are generally used in nearest-neighbor and clustering algorithms.When data consist of feature vectors, a large body of work has focused on learning a Mahalanobis distance, which is parameterized by a positive semi-definite matrix. Recent methods offer good scalability to large datasets.Less work has been devoted to metric learning from structured objects (such as strings or trees), because it often involves complex procedures. Most of the work has focused on optimizing a notion of edit distance, which measures (in terms of number of operations) the cost of turning an object into another.We identify two important limitations of current supervised metric learning approaches. First, they allow to improve the performance of local algorithms such as k-nearest neighbors, but metric learning for global algorithms (such as linear classifiers) has not really been studied so far. Second, and perhaps more importantly, the question of the generalization ability of metric learning methods has been largely ignored.In this thesis, we propose theoretical and algorithmic contributions that address these limitations. Our first contribution is the derivation of a new kernel function built from learned edit probabilities. Unlike other string kernels, it is guaranteed to be valid and parameter-free. Our second contribution is a novel framework for learning string and tree edit similarities inspired by the recent theory of (epsilon,gamma,tau)-good similarity functions and formulated as a convex optimization problem. Using uniform stability arguments, we establish theoretical guarantees for the learned similarity that give a bound on the generalization error of a linear classifier built from that similarity. In our third contribution, we extend the same ideas to metric learning from feature vectors by proposing a bilinear similarity learning method that efficiently optimizes the (epsilon,gamma,tau)-goodness. The similarity is learned based on global constraints that are more appropriate to linear classification. Generalization guarantees are derived for our approach, highlighting that our method minimizes a tighter bound on the generalization error of the classifier. Our last contribution is a framework for establishing generalization bounds for a large class of existing metric learning algorithms. It is based on a simple adaptation of the notion of algorithmic robustness and allows the derivation of bounds for various loss functions and regularizers.

La première partie de cette thèse introduit de nouveaux algorithmes de décomposition parcimonieuse de signaux. Basés sur Matching Pursuit (MP) ils répondent au problème suivant : comment réduire le temps de calcul de l'étape de sélection de MP, souvent très coûteuse. En réponse, nous sous-échantillonnons le dictionnaire à chaque itération, en lignes et en colonnes. Nous montrons que cette approche fondée théoriquement affiche de bons résultats en pratique. Nous proposons ensuite un algorithme itératif de descente de gradient par blocs de coordonnées pour sélectionner des caractéristiques en classification multi-classes. Celui-ci s'appuie sur l'utilisation de codes correcteurs d'erreurs transformant le problème en un problème de représentation parcimonieuse simultanée de signaux. La deuxième partie expose de nouvelles inégalités de concentration empiriques de type Bernstein. En premier, elles concernent la théorie des U-statistiques et sont utilisées pour élaborer des bornes en généralisation dans le cadre d'algorithmes de ranking. Ces bornes tirent parti d'un estimateur de variance pour lequel nous proposons un algorithme de calcul efficace. Ensuite, nous présentons une version empirique de l'inégalité de type Bernstein proposée par Freedman [1975] pour les martingales. Ici encore, la force de notre borne réside dans l'introduction d'un estimateur de variance calculable à partir des données. Cela nous permet de proposer des bornes en généralisation pour l'ensemble des algorithmes d'apprentissage en ligne améliorant l'état de l'art et ouvrant la porte à une nouvelle famille d'algorithmes d'apprentissage tirant parti de cette information empirique
The first part of this thesis introduces new algorithms for the sparse encoding of signals. Based on Matching Pursuit (MP) they focus on the following problem : how to reduce the computation time of the selection step of MP. As an answer, we sub-sample the dictionary in line and column at each iteration. We show that this theoretically grounded approach has good empirical performances. We then propose a bloc coordinate gradient descent algorithm for feature selection problems in the multiclass classification setting. Thanks to the use of error-correcting output codes, this task can be seen as a simultaneous sparse encoding of signals problem. The second part exposes new empirical Bernstein inequalities. Firstly, they concern the theory of the U-Statistics and are applied in order to design generalization bounds for ranking algorithms. These bounds take advantage of a variance estimator and we propose an efficient algorithm to compute it. Then, we present an empirical version of the Bernstein type inequality for martingales by Freedman [1975]. Again, the strength of our result lies in the variance estimator computable from the data. This allows us to propose generalization bounds for online learning algorithms which improve the state of the art and pave the way to a new family of learning algorithms taking advantage of this empirical information