Teses / dissertações sobre o tema "Apprentissage des représentations démêlées"
Siga este link para ver outros tipos de publicações sobre o tema: Apprentissage des représentations démêlées.
Crie uma referência precisa em APA, MLA, Chicago, Harvard, e outros estilos
Veja os 50 melhores trabalhos (teses / dissertações) para estudos sobre o assunto "Apprentissage des représentations démêlées".
Ao lado de cada fonte na lista de referências, há um botão "Adicionar à bibliografia". Clique e geraremos automaticamente a citação bibliográfica do trabalho escolhido no estilo de citação de que você precisa: APA, MLA, Harvard, Chicago, Vancouver, etc.
Você também pode baixar o texto completo da publicação científica em formato .pdf e ler o resumo do trabalho online se estiver presente nos metadados.
Veja as teses / dissertações das mais diversas áreas científicas e compile uma bibliografia correta.
1
Sanchez, Eduardo Hugo. "Learning disentangled representations of satellite image time series in a weakly supervised manner". Thesis, Toulouse 3, 2021. http://www.theses.fr/2021TOU30032.
Texto completo da fonteResumo:
Cette thèse se focalise sur l'apprentissage de représentations de séries temporelles d'images satellites via des méthodes d'apprentissage non supervisé. Le but principal est de créer une représentation qui capture l'information la plus pertinente de la série temporelle afin d'effectuer d'autres applications d'imagerie satellite. Cependant, l'extraction d'information à partir de la donnée satellite implique de nombreux défis. D'un côté, les modèles doivent traiter d'énormes volumes d'images fournis par les satellites. D'un autre côté, il est impossible pour les opérateurs humains d'étiqueter manuellement un tel volume d'images pour chaque tâche (par exemple, la classification, la segmentation, la détection de changement, etc.). Par conséquent, les méthodes d'apprentissage supervisé qui ont besoin des étiquettes ne peuvent pas être appliquées pour analyser la donnée satellite. Pour résoudre ce problème, des algorithmes d'apprentissage non supervisé ont été proposés pour apprendre la structure de la donnée au lieu d'apprendre une tâche particulière. L'apprentissage non supervisé est une approche puissante, car aucune étiquette n'est nécessaire et la connaissance acquise sur la donnée peut être transférée vers d'autres tâches permettant un apprentissage plus rapide avec moins d'étiquettes. Dans ce travail, on étudie le problème de l'apprentissage de représentations démêlées de séries temporelles d'images satellites. Le but consiste à créer une représentation partagée qui capture l'information spatiale de la série temporelle et une représentation exclusive qui capture l'information temporelle spécifique à chaque image. On présente les avantages de créer des représentations spatio-temporelles. Par exemple, l'information spatiale est utile pour effectuer la classification ou la segmentation d'images de manière invariante dans le temps tandis que l'information temporelle est utile pour la détection de changement. Pour ce faire, on analyse plusieurs modèles d'apprentissage non supervisé tels que l'auto-encodeur variationnel (VAE) et les réseaux antagonistes génératifs (GANs) ainsi que les extensions de ces modèles pour effectuer le démêlage des représentations. Considérant les résultats impressionnants qui ont été obtenus par les modèles génératifs et reconstructifs, on propose un nouveau modèle qui crée une représentation spatiale et une représentation temporelle de la donnée satellite. On montre que les représentations démêlées peuvent être utilisées pour effectuer plusieurs tâches de vision par ordinateur surpassant d'autres modèles de l'état de l'art. Cependant, nos expériences suggèrent que les modèles génératifs et reconstructifs présentent des inconvénients liés à la dimensionnalité de la représentation, à la complexité de l'architecture et au manque de garanties sur le démêlage. Pour surmonter ces limitations, on étudie une méthode récente basée sur l'estimation et la maximisation de l'informations mutuelle sans compter sur la reconstruction ou la génération d'image. On propose un nouveau modèle qui étend le principe de maximisation de l'information mutuelle pour démêler le domaine de représentation. En plus des expériences réalisées sur la donnée satellite, on montre que notre modèle est capable de traiter différents types de données en étant plus performant que les méthodes basées sur les GANs et les VAEs. De plus, on prouve que notre modèle demande moins de puissance de calcul et pourtant est plus efficace. Enfin, on montre que notre modèle est utile pour créer une représentation qui capture uniquement l'information de classe entre deux images appartenant à la même catégorie. Démêler la classe ou la catégorie d'une image des autres facteurs de variation permet de calculer la similarité entre pixels et effectuer la segmentation d'image d'une manière faiblement superviséeThis work focuses on learning data representations of satellite image time series via an unsupervised learning approach. The main goal is to enforce the data representation to capture the relevant information from the time series to perform other applications of satellite imagery. However, extracting information from satellite data involves many challenges since models need to deal with massive amounts of images provided by Earth observation satellites. Additionally, it is impossible for human operators to label such amount of images manually for each individual task (e.g. classification, segmentation, change detection, etc.). Therefore, we cannot use the supervised learning framework which achieves state-of-the-art results in many tasks.To address this problem, unsupervised learning algorithms have been proposed to learn the data structure instead of performing a specific task. Unsupervised learning is a powerful approach since no labels are required during training and the knowledge acquired can be transferred to other tasks enabling faster learning with few labels.In this work, we investigate the problem of learning disentangled representations of satellite image time series where a shared representation captures the spatial information across the images of the time series and an exclusive representation captures the temporal information which is specific to each image. We present the benefits of disentangling the spatio-temporal information of time series, e.g. the spatial information is useful to perform time-invariant image classification or segmentation while the knowledge about the temporal information is useful for change detection. To accomplish this, we analyze some of the most prevalent unsupervised learning models such as the variational autoencoder (VAE) and the generative adversarial networks (GANs) as well as the extensions of these models to perform representation disentanglement. Encouraged by the successful results achieved by generative and reconstructive models, we propose a novel framework to learn spatio-temporal representations of satellite data. We prove that the learned disentangled representations can be used to perform several computer vision tasks such as classification, segmentation, information retrieval and change detection outperforming other state-of-the-art models. Nevertheless, our experiments suggest that generative and reconstructive models present some drawbacks related to the dimensionality of the data representation, architecture complexity and the lack of disentanglement guarantees. In order to overcome these limitations, we explore a recent method based on mutual information estimation and maximization for representation learning without relying on image reconstruction or image generation. We propose a new model that extends the mutual information maximization principle to disentangle the representation domain into two parts. In addition to the experiments performed on satellite data, we show that our model is able to deal with different kinds of datasets outperforming the state-of-the-art methods based on GANs and VAEs. Furthermore, we show that our mutual information based model is less computationally demanding yet more effective. Finally, we show that our model is useful to create a data representation that only captures the class information between two images belonging to the same category. Disentangling the class or category of an image from other factors of variation provides a powerful tool to compute the similarity between pixels and perform image segmentation in a weakly-supervised manner
2
Mensch, Arthur. "Apprentissage de représentations en imagerie fonctionnelle". Thesis, Université Paris-Saclay (ComUE), 2018. http://www.theses.fr/2018SACLS300/document.
Texto completo da fonteResumo:
Grâce aux avancées technologiques dans le domaine de l'imagerie fonctionnelle cérébrale, les neurosciences cognitives accumulent une grande quantité de cartes spatiales décrivant de manière quantitative l'activité neuronale suscitée dans le cerveau humain en réponse à des tâches ou des stimuli spécifiques, ou de manière spontanée. Dans cette thèse, nous nous intéressons particulièrement aux données issues de l'imagerie par résonance magnétique fonctionnelle (IRMf), que nous étudions dans un cadre d'apprentissage statistique. Notre objectif est d'apprendre des modèles d'activité cérébrale à partir des données. Nous proposons différentes nouvelles manières de profiter de la grande quantité de données IRMf disponible. Tout d'abord, nous considérons les données d'IRMf de repos, que nous traitons grâce à des méthodes de factorisation de matrices. Nous présentons de nouvelles méthodes pour calculer en un temps raisonnable une factorisation parcimonieuse de matrices constituées de centaines d'enregistrements d'IRMf. Cela nous permet d'extraire des réseaux fonctionnels à partir de données d'une envergure inédite. Notre méthode principale introduit une réduction aléatoire de la dimension des données dans une boucle d'apprentissage en ligne. L'algorithme proposé converge plus de 10 fois plus vite que les meilleures méthodes existantes, pour différentes configurations et sur plusieurs jeux de données. Nous effectuons une vaste validation expérimentale de notre approche de sous-échantillonnage aléatoire. Nous proposons une étude théorique des propriétés de convergence de notre algorithme. Dans un second temps, nous nous intéressons aux données d'IRMf d'activation. Nous démontrons comment agréger différents études acquises suivant des protocoles distincts afin d'apprendre des modèles joints de décodage plus justes et interprétables. Notre modèle multi-études apprend à réduire la dimension des images cérébrales en entrée en même temps qu'il apprend à les classifier, pour chacune des études, à partir de leurs représentations réduites. Cela suscite un transfert d'information entre les études. En conséquence, notre modèle multi-étude est plus performant que les modèles de décodage appris sur chaque étude séparément. Notre approche identifie une représentation universellement pertinente de l'activité cérébrale, supportée par un petit nombre de réseaux optimisés pour l'identification de tâchesThanks to the advent of functional brain-imaging technologies, cognitive neuroscience is accumulating maps of neural activity responses to specific tasks or stimuli, or of spontaneous activity. In this work, we consider data from functional Magnetic Resonance Imaging (fMRI), that we study in a machine learning setting: we learn a model of brain activity that should generalize on unseen data. After reviewing the standard fMRI data analysis techniques, we propose new methods and models to benefit from the recently released large fMRI data repositories. Our goal is to learn richer representations of brain activity. We first focus on unsupervised analysis of terabyte-scale fMRI data acquired on subjects at rest (resting-state fMRI). We perform this analysis using matrix factorization. We present new methods for running sparse matrix factorization/dictionary learning on hundreds of fMRI records in reasonable time. Our leading approach relies on introducing randomness in stochastic optimization loops and provides speed-up of an order of magnitude on a variety of settings and datasets. We provide an extended empirical validation of our stochastic subsampling approach, for datasets from fMRI, hyperspectral imaging and collaborative filtering. We derive convergence properties for our algorithm, in a theoretical analysis that reaches beyond the matrix factorization problem. We then turn to work with fMRI data acquired on subject undergoing behavioral protocols (task fMRI). We investigate how to aggregate data from many source studies, acquired with many different protocols, in order to learn more accurate and interpretable decoding models, that predicts stimuli or tasks from brain maps. Our multi-study shared-layer model learns to reduce the dimensionality of input brain images, simultaneously to learning to decode these images from their reduced representation. This fosters transfer learning in between studies, as we learn the undocumented cognitive common aspects that the many fMRI studies share. As a consequence, our multi-study model performs better than single-study decoding. Our approach identifies universally relevant representation of brain activity, supported by a few task-optimized networks learned during model fitting. Finally, on a related topic, we show how to use dynamic programming within end-to-end trained deep networks, with applications in natural language processing
3
Moradi, Fard Maziar. "Apprentissage de représentations de données dans un apprentissage non-supervisé". Thesis, Université Grenoble Alpes, 2020. http://www.theses.fr/2020GRALM053.
Texto completo da fonteResumo:
En raison du grand impact de l’apprentissage profond sur divers domaines de l’apprentissage automatique, leurs capacités à améliorer les approches de clustering ont récemment été étudiées. Dans un premier temps, des approches d’apprentissage profond (principalement des autoencodeurs) ont été utilisées pour réduire la dimensionnalité de l’espace d’origine et pour supprimer les éventuels bruits (également pour apprendre de nouvelles représentations de données). De telles approches de clustering qui utilisent des approches d’apprentissage en profondeur sont appelées deep clustering. Cette thèse se concentre sur le développement de modèles de deep clustering qui peuvent être utilisés pour différents types de données (par exemple, des images, du texte). Tout d’abord, nous proposons un algorithme DKM (Deep k-means) dans lequel l’apprentissage des représentations de données (via un autoencodeur profond) et des représentants de cluster (via k-means) est effectué de manière conjointe. Les résultats de notre approche DKM indiquent que ce modèle est capable de surpasser des algorithmes similaires en Deep Clustering. En effet, notre cadre proposé est capable de propager de manière lisse l’erreur de la fonction de coût à travers toutes les variables apprenables.De plus, nous proposons deux modèles nommés SD2C et PCD2C qui sont capables d’intégrer respectivement des mots d’amorçage et des contraintes par paires dans des approches de Deep Clustering de bout en bout. En utilisant de telles approches, les utilisateurs peuvent observer le reflet de leurs besoins en clustering. Enfin, les résultats obtenus à partir de ces modèles indiquent leur capacité à obtenir des résultats plus adaptésDue to the great impact of deep learning on variety fields of machine learning, recently their abilities to improve clustering approaches have been investi- gated. At first, deep learning approaches (mostly Autoencoders) have been used to reduce the dimensionality of the original space and to remove possible noises (also to learn new data representations). Such clustering approaches that utilize deep learning approaches are called Deep Clustering. This thesis focuses on developing Deep Clustering models which can be used for different types of data (e.g., images, text). First we propose a Deep k-means (DKM) algorithm where learning data representations (through a deep Autoencoder) and cluster representatives (through the k-means) are performed in a joint way. The results of our DKM approach indicate that this framework is able to outperform similar algorithms in Deep Clustering. Indeed, our proposed framework is able to truly and smoothly backpropagate the loss function error through all learnable variables.Moreover, we propose two frameworks named SD2C and PCD2C which are able to integrate respectively seed words and pairwise constraints into end-to-end Deep Clustering frameworks. In fact, by utilizing such frameworks, the users can observe the reflection of their needs in clustering. Finally, the results obtained from these frameworks indicate their ability to obtain more tailored results
4
Saxena, Shreyas. "Apprentissage de représentations pour la reconnaissance visuelle". Thesis, Université Grenoble Alpes (ComUE), 2016. http://www.theses.fr/2016GREAM080/document.
Texto completo da fonteResumo:
Dans cette dissertation, nous proposons des méthodes d’apprentissage automa-tique aptes à bénéficier de la récente explosion des volumes de données digitales.Premièrement nous considérons l’amélioration de l’efficacité des méthodes derécupération d’image. Nous proposons une approche d’apprentissage de métriques locales coordonnées (Coordinated Local Metric Learning, CLML) qui apprends des métriques locales de Mahalanobis, puis les intègre dans une représentation globale où la distance l2 peut être utilisée. Ceci permet de visualiser les données avec une unique représentation 2D, et l’utilisation de méthodes de récupération efficaces basées sur la distance l2. Notre approche peut être interprétée comme l’apprentissage d’une projection linéaire de descripteurs donnés par une méthode a noyaux de grande dimension définie explictement. Cette interprétation permet d’appliquer des outils existants pour l’apprentissage de métriques de Mahalanobis à l’apprentissage de métriques locales coordonnées. Nos expériences montrent que la CLML amé-liore les résultats en matière de récupération de visage obtenues par les approches classiques d’apprentissage de métriques locales et globales.Deuxièmement, nous présentons une approche exploitant les modèles de ré-seaux neuronaux convolutionnels (CNN) pour la reconnaissance faciale dans lespectre visible. L’objectif est l’amélioration de la reconnaissance faciale hétérogène, c’est à dire la reconnaissance faciale à partir d’images infra-rouges avec des images d’entraînement dans le spectre visible. Nous explorerons différentes stratégies d’apprentissage de métriques locales à partir des couches intermédiaires d’un CNN, afin de faire le rapprochement entre des images de sources différentes. Dans nos expériences, la profondeur de la couche optimale pour une tâche donnée est positivement corrélée avec le changement entre le domaine source (données d’entraînement du CNN) et le domaine cible. Les résultats montrent que nous pouvons utiliser des CNN entraînés sur des images du spectre visible pour obtenir des résultats meilleurs que l’état de l’art pour la reconnaissance faciale hétérogène (images et dessins quasi-infrarouges).Troisièmement, nous présentons les "tissus de neurones convolutionnels" (Convolutional Neural Fabrics) permettant l’exploration de l’espace discret et exponentiellement large des architectures possibles de réseaux neuronaux, de manière efficiente et systématique. Au lieu de chercher à sélectionner une seule architecture optimale, nous proposons d’utiliser un "tissu" d’architectures combinant un nombre exponentiel d’architectures en une seule. Le tissu est une représentation 3D connectant les sorties de CNNs à différentes couches, échelles et canaux avec un motif de connectivité locale, homogène et creux. Les seuls hyper-paramètres du tissu (le nombre de canaux et de couches) ne sont pas critiques pour la performance. La nature acyclique du tissu nous permet d’utiliser la rétro-propagation du gradient durant la phase d’apprentissage. De manière automatique, nous pouvons donc configurer le tissu de manière à implémenter l’ensemble de toutes les architectures possibles (un nombre exponentiel) et, plus généralement, des ensembles (combinaisons) de ces modèles. La complexité de calcul et de taille mémoire du tissu évoluent de manière linéaire alors qu’il permet d’exploiter un nombre exponentiel d’architectures en parallèle, en partageant les paramètres entre architectures. Nous présentons des résultats à l’état de l’art pour la classification d’images sur le jeu de données MNIST et CIFAR10, et pour la segmentation sémantique sur le jeu de données Part LabelsIn this dissertation, we propose methods and data driven machine learning solutions which address and benefit from the recent overwhelming growth of digital media content.First, we consider the problem of improving the efficiency of image retrieval. We propose a coordinated local metric learning (CLML) approach which learns local Mahalanobis metrics, and integrates them in a global representation where the l2 distance can be used. This allows for data visualization in a single view, and use of efficient ` 2 -based retrieval methods. Our approach can be interpreted as learning a linear projection on top of an explicit high-dimensional embedding of a kernel. This interpretation allows for the use of existing frameworks for Mahalanobis metric learning for learning local metrics in a coordinated manner. Our experiments show that CLML improves over previous global and local metric learning approaches for the task of face retrieval.Second, we present an approach to leverage the success of CNN models forvisible spectrum face recognition to improve heterogeneous face recognition, e.g., recognition of near-infrared images from visible spectrum training images. We explore different metric learning strategies over features from the intermediate layers of the networks, to reduce the discrepancies between the different modalities. In our experiments we found that the depth of the optimal features for a given modality, is positively correlated with the domain shift between the source domain (CNN training data) and the target domain. Experimental results show the that we can use CNNs trained on visible spectrum images to obtain results that improve over the state-of-the art for heterogeneous face recognition with near-infrared images and sketches.Third, we present convolutional neural fabrics for exploring the discrete andexponentially large CNN architecture space in an efficient and systematic manner. Instead of aiming to select a single optimal architecture, we propose a “fabric” that embeds an exponentially large number of architectures. The fabric consists of a 3D trellis that connects response maps at different layers, scales, and channels with a sparse homogeneous local connectivity pattern. The only hyperparameters of the fabric (the number of channels and layers) are not critical for performance. The acyclic nature of the fabric allows us to use backpropagation for learning. Learning can thus efficiently configure the fabric to implement each one of exponentially many architectures and, more generally, ensembles of all of them. While scaling linearly in terms of computation and memory requirements, the fabric leverages exponentially many chain-structured architectures in parallel by massively sharing weights between them. We present benchmark results competitive with the state of the art for image classification on MNIST and CIFAR10, and for semantic segmentation on the Part Labels dataset
5
Melouki, Brahim. "Apprentissage du français en Palestine : motivations et représentations". Rouen, 2011. http://www.theses.fr/2011ROUEL013.
Texto completo da fonte
6
Tchobanov, Atanas. "Représentations et apprentissage des primitives phonologiques : ^pproche neuromimétique". Paris 10, 2002. http://www.theses.fr/2002PA100018.
Texto completo da fonteResumo:
L'idée développée ici est que les objets phonologiques : traits distinctifs, phonèmes et syllabes, sont représentés dans le cortex par des réverbérations synchrones d'ensembles de neurones. Ces ensembles se situent dans des zones du cortex spécialisées dans les processus de planification-production linguistique (Broca) et la perception-compréhension (Wernicke). Les évidences neurobiologiques et les simulations connexionnistes confirment qu'une telle synchronisation entre sites corticaux distants peut-être facilement et rapidement obtenue si le modèle respecte certaines propriétés neurobiologiques. Nous plaidons pour une phonologie neurologiquement réaliste. La pertinence cognitive est garantie par l'utilisation d'un mécanisme de codage confirmé : la synchronie temporelle. Les représentations qui en résultent sont génériques, applicables à d'autres dom̀aines linguistiques et cognitifs. .We develop the idea that the basic phonological objects : features, phonemes and syllables are represented at the level of cortical activity by coherent neuron assemblies' reverberations. Thes assemblies of hebbian type are located at cortex areas specializing in the process of phonological planning-production (Broca) and perception-comprehension (Wernicke). Neurobiological and connectionist simulations data support the view that synchronous activity of neurons from distant areas can be rapidly obtained if the model respects some neurobiological properties. We claim that phonology should be neurologically plausible. Using a well-studied coding scheme as the temporal synchrony of neuron activity gives representations a cognitive realism. Resulting patters are generic, not specially phonological and might be reused in modeling other linguistics and cognitive phenomena. .
7
Tamaazousti, Youssef. "Vers l’universalité des représentations visuelle et multimodales". Thesis, Université Paris-Saclay (ComUE), 2018. http://www.theses.fr/2018SACLC038/document.
Texto completo da fonteResumo:
En raison de ses enjeux sociétaux, économiques et culturels, l’intelligence artificielle (dénotée IA) est aujourd’hui un sujet d’actualité très populaire. L’un de ses principaux objectifs est de développer des systèmes qui facilitent la vie quotidienne de l’homme, par le biais d’applications telles que les robots domestiques, les robots industriels, les véhicules autonomes et bien plus encore. La montée en popularité de l’IA est fortement due à l’émergence d’outils basés sur des réseaux de neurones profonds qui permettent d’apprendre simultanément, la représentation des données (qui était traditionnellement conçue à la main), et la tâche à résoudre (qui était traditionnellement apprise à l’aide de modèles d’apprentissage automatique). Ceci résulte de la conjonction des avancées théoriques, de la capacité de calcul croissante ainsi que de la disponibilité de nombreuses données annotées. Un objectif de longue date de l’IA est de concevoir des machines inspirées des humains, capables de percevoir le monde, d’interagir avec les humains, et tout ceci de manière évolutive (c’est `a dire en améliorant constamment la capacité de perception du monde et d’interaction avec les humains). Bien que l’IA soit un domaine beaucoup plus vaste, nous nous intéressons dans cette thèse, uniquement à l’IA basée apprentissage (qui est l’une des plus performante, à ce jour). Celle-ci consiste `a l’apprentissage d’un modèle qui une fois appris résoud une certaine tâche, et est généralement composée de deux sous-modules, l’un représentant la donnée (nommé ”représentation”) et l’autre prenant des décisions (nommé ”résolution de tâche”). Nous catégorisons, dans cette thèse, les travaux autour de l’IA, dans les deux approches d’apprentissage suivantes : (i) Spécialisation : apprendre des représentations à partir de quelques tâches spécifiques dans le but de pouvoir effectuer des tâches très spécifiques (spécialisées dans un certain domaine) avec un très bon niveau de performance; ii) Universalité : apprendre des représentations à partir de plusieurs tâches générales dans le but d’accomplir autant de tâches que possible dansdifférents contextes. Alors que la spécialisation a été largement explorée par la communauté de l’apprentissage profond, seules quelques tentatives implicites ont été réalisée vers la seconde catégorie, à savoir, l’universalité. Ainsi, le but de cette thèse est d’aborder explicitement le problème de l’amélioration de l’universalité des représentations avec des méthodes d’apprentissage profond, pour les données d’image et de texte. [...]Because of its key societal, economic and cultural stakes, Artificial Intelligence (AI) is a hot topic. One of its main goal, is to develop systems that facilitates the daily life of humans, with applications such as household robots, industrial robots, autonomous vehicle and much more. The rise of AI is highly due to the emergence of tools based on deep neural-networks which make it possible to simultaneously learn, the representation of the data (which were traditionally hand-crafted), and the task to solve (traditionally learned with statistical models). This resulted from the conjunction of theoretical advances, the growing computational capacity as well as the availability of many annotated data. A long standing goal of AI is to design machines inspired humans, capable of perceiving the world, interacting with humans, in an evolutionary way. We categorize, in this Thesis, the works around AI, in the two following learning-approaches: (i) Specialization: learn representations from few specific tasks with the goal to be able to carry out very specific tasks (specialized in a certain field) with a very good level of performance; (ii) Universality: learn representations from several general tasks with the goal to perform as many tasks as possible in different contexts. While specialization was extensively explored by the deep-learning community, only a few implicit attempts were made towards universality. Thus, the goal of this Thesis is to explicitly address the problem of improving universality with deep-learning methods, for image and text data. We have addressed this topic of universality in two different forms: through the implementation of methods to improve universality (“universalizing methods”); and through the establishment of a protocol to quantify its universality. Concerning universalizing methods, we proposed three technical contributions: (i) in a context of large semantic representations, we proposed a method to reduce redundancy between the detectors through, an adaptive thresholding and the relations between concepts; (ii) in the context of neural-network representations, we proposed an approach that increases the number of detectors without increasing the amount of annotated data; (iii) in a context of multimodal representations, we proposed a method to preserve the semantics of unimodal representations in multimodal ones. Regarding the quantification of universality, we proposed to evaluate universalizing methods in a Transferlearning scheme. Indeed, this technical scheme is relevant to assess the universal ability of representations. This also led us to propose a new framework as well as new quantitative evaluation criteria for universalizing methods
8
Ez-Zaher, Ahmed. "Représentations métaphonologiques et apprentissage de la lecture en arabe". Toulouse 2, 2004. http://www.theses.fr/2004TOU20028.
Texto completo da fonteResumo:
L'hypothèse principale de cette étude est que, contrairement à d'autres langues alphabétiques, la conscience syllabique joue un rôle déterminant dans l'apprentissage de la lecture en arabe. En effet, certaines caractéristiques phonologiques et orthographiques de cette langue peuvent avoir une influence sur la conscience phonologique et l'apprentissage de la lecture. Les résultats obtenus avec un échantillon de 80 enfants marocains arabophones âgés de 6 ans et 6 mois en CP, montrent une relation étroite entre la capacité de découpage syllabique et l'apprentissage de la lecture, à la fois en tant que cause et en tant que conséquence de cet apprentissage. Ils permettent d'affirmer que l'apprentissage de la lecture en arabe se suffit d'une conscience syllabe, surtout dans les premières années ou l'enfant apprend à lire dans une orthographe avec voyelles. Dans cette forme d'écriture voyellisée, les correspondances grapho-phonologiques s'établissent majoritairement au niveau des syllabes. Toutefois, la conscience phonémique reste incontournable et semble se développer tardivement, en rapport avec une orthographe sans voyelles. L'enseignement de la lecture en arabe doit s'appuyer sur la syllabe comme unité d'analyse du langage pour faciliter l'entrée de l'enfant dans l'écritThis study was designed to examine the relation between phonological awareness and learning to read arabic. The main hypothesis holds that, unlike other alphabetic languages, syllabic awareness may play important role in learning to read. Some phonological and orthographic characteristics of the arabic language do have an influence both on phonological awareness children, shows clearly that syllabic awareness is strongly related to learning to read in beginning years, both as prerequisite or as a consequence of this learning. Syllabic segmentation appears much useful to establish letter/sound correspondences in the vowelised script. In contrast, phonemic awareness is needed only later in a second stage when children have to process an unvowelised, deep orthography. It was concluded that in the first stage phonemic awareness is not necessary to acquire reading abilities in vowelised arabic orthography and thus teaching methods must rely on syllabic units to introduce children to literacy
9
Boisson, Arthur. "Motricité et intégration multi-sensorielle : apprentissage des représentations grapho-phonémiques". Thesis, Lyon, 2018. http://www.theses.fr/2018LYSE2126/document.
Texto completo da fonteResumo:
Nous sommes, dans notre vie quotidienne entourés d'associations audio-visuelles : nous les percevons et les mémorisons tout au long de notre vie. Pourtant, les mécanismes impliqués dans leur apprentissage restent abscons. En particulier, les facteurs comme la motricité permettant de favoriser de tels apprentissages, sont rarement étudiés d'un point de vue mnésique.Ainsi, les objectifs généraux de cette thèse visent à : i) étudier les mécanismes cognitifs à la base de l'apprentissage d'associations audio-visuelles, ii) mieux comprendre l'impact de la motricité dans l'efficacité de ses mécanismes, et iii) proposer des méthodologies originales susceptibles d'augmenter l'efficacité de ces mécanismes et/ou de compenser d'éventuels déficits.Plus précisément, ce travail de thèse s'intéresse au bénéfice de la motricité dans l'apprentissage des correspondances grapho-phonémiques (CGP). En plus de l'intérêt purement théorique que suscite l'étude de cet apprentissage, l'importance de cette acquisition chez les jeunes enfants pré-lecteurs ajoute une portée pratique et pédagogique à ce travail. L’originalité de ce travail de thèse est de vouloir rapprocher deux grands domaines d'études, celui de l’apprentissage de la lecture/écriture et celui de la mémoire. Bien que les deux domaines traitent d'apprentissage et donc de mémoire, il n'y a jamais eu de véritable tentative d'application des modèles de la mémoire pour aider à la compréhension des mécanismes d'apprentissage de la lecture-écriture de mots, et inversement, les travaux sur la mémoire ont rarement regardé du côté des recherches sur l'apprentissage de la lecture-écriture pour valider leurs hypothèses. Or, l’un des intérêts du modèle Act-In servant de support à cette thèse est justement de proposer une approche intégrée du fonctionnement cognitif et pas seulement de la mémoireIn our daily lives, we are surrounded by audiovisual associations: we perceive and memorize them throughout our lives. However, the mechanisms involved in their learning are not fully understood. In particular, factors such as motor skills that promote such learning are rarely studied from a memory point of view.Thus, the general objectives of this thesis are to: i) study the cognitive mechanisms underlying the learning of audio-visual associations, ii) better understand the impact of motor skills on the effectiveness of its mechanisms, and iii) propose original methodologies likely to increase the effectiveness of these mechanisms and/or compensate for possible deficits.More precisely, this thesis work focuses on the benefit of motor exploration in learning grapho-phonemic correspondences (GPC). In addition to the purely theoretical interest in studying this learning, the importance of this acquisition for young pre-readers adds a practical and pedagogical dimension to this work. What stands out from this thesis is that two areas of study, the one of learning to read and the one of memory are combined. Though both of them deal with learning hence memory, there has never been a real attempt to apply memory models to help understand the mechanisms of learning word reading and writing, and conversely, memory research has rarely looked to research on learning to read and write to validate their assumptions. However, one of the interests of the Act-In model used to support this thesis is precisely to propose an integrated approach to cognitive functioning and not only to memory
10
Amate, Laure. "Apprentissage de modèles de formes parcimonieux basés sur des représentations splines". Phd thesis, Université de Nice Sophia-Antipolis, 2009. http://tel.archives-ouvertes.fr/tel-00456612.
Texto completo da fonteResumo:
Il est souvent important de trouver une représentation compacte des propriétés morphologiques d'un ensemble d'objets. C'est le cas lors du déplacement de robots autonomes dans des environnements naturels, qui doivent utiliser les objets dispersés dans la région de travail pour naviguer. Cette thèse est une contribution à la définition de formalismes et méthodes pour l'identification de tels modèles. Les formes que nous voulons caractériser sont des courbes fermées correspondant aux contours des objets détectés dans l'environnement, et notre caractérisation des leurs propriétés sera probabiliste. Nous formalisons la notion de forme en tant que classes d'équivalence par rapport à des groupes d'opérateurs géométriques basiques, introduisant deux approches : discrète et continue. La théorie discrète repose sur l'existence d'un ensemble de points remarquables et est sensible à leur sélection. L'approche continue, qui représente une forme par des objets de dimension infinie, correspond mieux à la notion intuitive de forme mais n'est pas parcimonieuse. Nous combinons les avantages des deux approches en représentant les formes à l'aide de splines : fonctions continues, flexibles, définies par un ensemble de noeuds et de points de contrôle. Nous étudions d'abord l'ajustement d'un modèle spline à une courbe, comme la recherche d'un compromis entre la parcimonie de la représentation et sa fidélité aux données, approche classique dans le cadre de familles imbriquées de dimension croissante. Nous passons en revue les méthodes utilisées dans la littérature, et nous retenons une approche en deux étapes, qui satisfait nos pré-requis : détermination de la complexité du modèle (par une chaîne de Markov à sauts réversibles), suivie de l'estimation des paramètres (par un algorithme de recuit simulé). Nous discutons finalement le lien entre l'espace de formes discrètes et les représentations splines lorsque l'on prend comme points remarquables les points de contrôle. Nous étudions ensuite le problème de modélisation d'un ensemble de courbes, comme l'identification de la distribution des paramètres de leur représentation par des splines où les points de contrôles et les noeuds sont des variables latentes du modèle. Nous estimons ces paramètres par un critère de vraisemblance marginale. Afin de pouvoir traiter séquentiellement un grand nombre de données nous adaptons une variante de l'algorithme EM proposée récemment. Le besoin de recourir à des approximations numériques (méthodes de Monte-Carlo) pour certains calculs requis par la méthode EM, nous conduit à une nouvelle variante de cet algorithme, proposée ici pour la première fois.
11
Do, Huu Nicolas. "Apprentissage de représentations sensori-motrices pour la reconnaissance d'objet en robotique". Phd thesis, Université Paul Sabatier - Toulouse III, 2007. http://tel.archives-ouvertes.fr/tel-00283073.
Texto completo da fonteResumo:
Depuis plusieurs années, la robotique mobile tente de s'extraire de l'espace amniotique des laboratoires de recherche afin d'explorer l'univers imprévisible, voire hostile, de nos lieux de vie, de travail, pour nous servir ou nous divertir. Or, les méthodes classiques de l'intelligence artificielle nécessitent des modèles du robot, de ses actions et de ses perceptions, conçus a priori. Elles sont donc peu adaptées à l'inattendu et à la nouveauté. D'autre part, les systèmes d'apprentissage artificiel, souvent d'inspiration biologique, semblent à présent en voie de fournir les capacités d'adaptation manquantes à ces premières. Nous envisageons dans cette thèse l'apprentissage comme un mécanisme central de l'architecture robotique. Celle-ci peut être représentée sous les traits d'une boucle sensori-motrice où actions et perceptions se rejoignent au sein d'une structure associative. L'apprentissage permet l'acquisition de connaissances nouvelles sur l'environnement mais il intervient également dans la modélisation des actions du robot : en associant des combinaisons de consignes simples sur les moteurs, et en mémorisant les effets de ces actions sur l'environnement ou sur le robot lui-même. Cette forme d'apprentissage a pour support un réseau de neurones permettant un apprentissage en ligne non supervisé. Cette architecture permet également d'exprimer les motivations et les objectifs du robot par le biais d'un second système d'apprentissage en associant une valeur de récompense aux représentations des actions ou des perceptions, par un apprentissage par renforcement. C'est donc l'utilité de chaque action, qui permettra finalement à un processus décisionnel d'avoir lieu.
12
Breton, Jean-Luc. "Apprentissage de l'anglais en section européenne au lycée : représentations et pratiques". Phd thesis, Paris 10, 2011. http://tel.archives-ouvertes.fr/tel-00812568.
Texto completo da fonteResumo:
La recherche présentée s'appuie sur un suivi longitudinal à la fois d'élèves scolarisés en sections européennes dans des séries générales, technologiques et professionnelles, et d'un groupe-témoin de lycéens qui ne suivent pas ce type d'enseignement. Après une présentation du dispositif spécifique que constituent les sections européennes, de la réalité locale des établissements observés et des lycéens ayant participé à l'enquête, ce travail se poursuit par l'analyse des productions écrites en anglais de ces lycéens et l'étude des représentations qu'ils ont de leur apprentissage et de l'enseignement qu'ils reçoivent. Cela permet en premier lieu de percevoir que les élèves inscrits en section européenne ne parviennent pas à une compétence discursive en anglais plus vaste et plus ciblée que celle des autres lycéens de leur âge scolarisés dans des classes " ordinaires ", d'autre part de mettre en évidence l'impact cognitif de l'expérience personnelle de la langue étrangère sur le progrès des élèves.
13
Amate, Laure. "Apprentissage de modèles de formes parcimonieux basés sur les représentations splines". Nice, 2009. http://www.theses.fr/2009NICE4117.
Texto completo da fonteResumo:
Il est souvent important de trouver une représentation compacte des propriétés morphologiques d'un ensemble d'objets. C'est le cas lors du déplacement de robots autonomes dans des environnements naturels, qui doivent utiliser les objets dispersés dans la région de travail pour naviguer. Cette thèse est une contribution à la définition de formalismes et méthodes pour l'identification de tels modèles. Les formes que nous voulons caractériser sont des courbes fermées correspondant aux contours des objets détectés dans l'environnement, et notre caractérisation des leurs propriétés sera probabiliste. Nous formalisons la notion de forme en tant que classes d'équivalence par rapport à des groupes d'opérateurs géométriques basiques, introduisant deux approches : discrète et continue. La théorie discrète repose sur l'existence d'un ensemble de points remarquables et est sensible à leur sélection. L'approche continue, qui représente une forme par des objets de dimension infinie, correspond mieux à la notion intuitive de forme mais n'est pas parcimonieuse. Nous combinons les avantages des deux approches en représentant les formes à l'aide de splines : fonctions continues, flexibles, définies par un ensemble de noeuds et de points de contrôle. Nous étudions d'abord l'ajustement d'un modèle spline à une courbe, comme la recherche d'un compromis entre la parcimonie de la représentation et sa _délité aux données, approche classique dans le cadre de familles imbriquées de dimension croissante. Nous passons en revue les méthodes utilisées dans la littérature, et nous retenons une approche en deux étapes, qui satisfait nos pré-requis : détermination de la complexité du modèle (par une chaîne de Markov à sauts réversibles), suivie de l'estimation des paramètres (par un algorithme de recuit simulé). Nous discutons finalement le lien entre l'espace de formes discrètes et les représentations splines lorsque l'on prend comme points remarquables les points de contrôle. Nous étudions ensuite le problème de modélisation d'un ensemble de courbes, comme l'identification de la distribution des paramètres de leur représentation par des splines où les points de contrôles et les noeuds sont des variables latentes du modèle. Nous estimons ces paramètres par un critère de vraisemblance marginale. Afin de pouvoir traiter séquentiellement un grand nombre de données nous adaptons une variante de l'algorithme EM proposée récemment. Le besoin de recourir à des approximations numériques (méthodes de Monte-Carlo) pour certains calculs requis par la méthode EM, nous conduit à une nouvelle variante de cet algorithme, proposée ici pour la première foisIn many contexts it is important to be able to find compact representations of the collective morphological properties of a set of objects. This is the case of autonomous robotic platforms operating in natural environments that must use the perceptual properties of the objects present in their workspace to execute their mission. This thesis is a contribution to the definition of formalisms and methods for automatic identification of such models. The shapes we want to characterize are closed curves corresponding to contours of objects detected in the scene. We begin with the formal definition of the notion of shape as classes of equivalence with respect to groups of basic geometric operators, introducing two distinct approaches that have been used in the literature: discrete and continuous. The discrete theory, admitting the existence of a finite number of recognizable landmarks, provides in an obvious manner a compact representation but is sensible to their selection. The continuous theory of shapes provides a more fundamental approach, but leads to shape spaces of infinite dimension, lacking the parsimony of the discrete representation. We thus combine in our work the advantages of both approaches representing shapes of curves with splines: piece-wise continuous polynomials defined by sets of knots and control points. We first study the problem of fitting free-knots splines of varying complexity to a single observed curve. The trade-o_ between the parsimony of the representation and its fidelity to the observations is a well known characteristic of model identification using nested families of increasing dimension. After presenting an overview of methods previously proposed in the literature, we single out a two-step approach which is formally sound and matches our specific requirements. It splits the identification, simulating a reversible jump Markov chain to select the complexity of the model followed by a simulated annealing algorithm to estimate its parameters. We investigate the link between Kendall's shape space and spline representations when we take the spline control points as landmarks. We consider now the more complex problem of modeling a set of objects with similar morphological characteristics. We equate the problem to finding the statistical distribution of the parameters of the spline representation, modeling the knots and control points as unobserved variables. The identified distribution is the maximizer of a marginal likelihood criterion, and we propose a new Expectation-Maximization algorithm to optimize it. Because we may want to treat a large number of curves observed sequentially, we adapt an iterative (on-line) version of the EM algorithm recently proposed in the literature. For the choice of statistical distributions that we consider, both the expectation and the maximization steps must resort to numerical approximations, leading to a stochastic/on-line variant of the EM algorithm that, as far as we know, is implemented here for the first time
14
Munzer, Thibaut. "Représentations relationnelles et apprentissage interactif pour l'apprentissage efficace du comportement coopératif". Thesis, Bordeaux, 2017. http://www.theses.fr/2017BORD0574/document.
Texto completo da fonteResumo:
Cette thèse présente de nouvelles approches permettant l’apprentissage efficace et intuitif de plans de haut niveau pour les robots collaboratifs. Plus précisément, nous étudions l’application d’algorithmes d’apprentissage par démonstration dans des domaines relationnels. L’utilisation de domaines relationnels pour représenter le monde permet de simplifier la représentation de comportements concurrents et collaboratifs. Nous avons commencé par développer et étudier le premier algorithme d’apprentissage par renforcement inverse pour domaines relationnels. Nous avons ensuite présenté comment utiliser le formalisme RAP pour représenter des tâches collaboratives comprenant un robot et un opérateur humain. RAP est une extension des MDP relationnels qui permet de modéliser des activités concurrentes. Utiliser RAP nous a permis de représenter à la fois l’humain et le robot dans le même processus, mais également de modéliser des activités concurrentes du robot. Sous ce formalisme, nous avons montré qu’il était possible d’apprendre le comportement d’une équipe, à la fois comme une politique et une récompense. Si des connaissances a priori sur la tâche à réaliser sont disponibles, il est possible d’utiliser le même algorithme pour apprendre uniquement les préférences de l’opérateur. Cela permet de s’adapter à l’utilisateur. Nous avons montré que l’utilisation des représentations relationnelles permet d’apprendre des comportements collaboratifs à partir de peu de démonstrations.Ces comportements sont à la fois robustes au bruit, généralisables à de nouveaux états, et transférables à de nouveaux domaines (par exemple en ajoutant des objets). Nous avons également introduit une architecture d’apprentissage interactive qui permet au système de faire moins d’erreurs tout en demandant moins d’efforts à l’opérateur humain. Le robot, en estimant sa confiance dans ses décisions, est capable de demander des instructions quand il est incertain de l’activité à réaliser. Enfin, nous avons implémenté ces approches sur un robot et montré leurs impacts potentiels dans un scenario réalisteThis thesis presents new approaches toward efficient and intuitive high-level plan learning for cooperative robots. More specifically this work study Learning from Demonstration algorithm for relational domains. Using relational representation to model the world, simplify representing concurrentand cooperative behavior.We have first developed and studied the first algorithm for Inverse ReinforcementLearning in relational domains. We have then presented how one can use the RAP formalism to represent Cooperative Tasks involving a robot and a human operator. RAP is an extension of the Relational MDP framework that allows modeling concurrent activities. Using RAP allow us to represent both the human and the robot in the same process but also to model concurrent robot activities. Under this formalism, we have demonstrated that it is possible to learn behavior, as policy and as reward, of a cooperative team. Prior knowledge about the task can also be used to only learn preferences of the operator.We have shown that, using relational representation, it is possible to learn cooperative behaviors from a small number of demonstration. That these behaviors are robust to noise, can generalize to new states and can transfer to different domain (for example adding objects). We have also introduced an interactive training architecture that allows the system to make fewer mistakes while requiring less effort from the human operator. By estimating its confidence the robot is able to ask for instructions when the correct activity to dois unsure. Lastly, we have implemented these approaches on a real robot and showed their potential impact on an ecological scenario
15
Barthelemy, Quentin. "Représentations parcimonieuses pour les signaux multivariés". Thesis, Grenoble, 2013. http://www.theses.fr/2013GRENU008/document.
Texto completo da fonteResumo:
Dans cette thèse, nous étudions les méthodes d'approximation et d'apprentissage qui fournissent des représentations parcimonieuses. Ces méthodes permettent d'analyser des bases de données très redondantes à l'aide de dictionnaires d'atomes appris. Etant adaptés aux données étudiées, ils sont plus performants en qualité de représentation que les dictionnaires classiques dont les atomes sont définis analytiquement. Nous considérons plus particulièrement des signaux multivariés résultant de l'acquisition simultanée de plusieurs grandeurs, comme les signaux EEG ou les signaux de mouvements 2D et 3D. Nous étendons les méthodes de représentations parcimonieuses au modèle multivarié, pour prendre en compte les interactions entre les différentes composantes acquises simultanément. Ce modèle est plus flexible que l'habituel modèle multicanal qui impose une hypothèse de rang 1. Nous étudions des modèles de représentations invariantes : invariance par translation temporelle, invariance par rotation, etc. En ajoutant des degrés de liberté supplémentaires, chaque noyau est potentiellement démultiplié en une famille d'atomes, translatés à tous les échantillons, tournés dans toutes les orientations, etc. Ainsi, un dictionnaire de noyaux invariants génère un dictionnaire d'atomes très redondant, et donc idéal pour représenter les données étudiées redondantes. Toutes ces invariances nécessitent la mise en place de méthodes adaptées à ces modèles. L'invariance par translation temporelle est une propriété incontournable pour l'étude de signaux temporels ayant une variabilité temporelle naturelle. Dans le cas de l'invariance par rotation 2D et 3D, nous constatons l'efficacité de l'approche non-orientée sur celle orientée, même dans le cas où les données ne sont pas tournées. En effet, le modèle non-orienté permet de détecter les invariants des données et assure la robustesse à la rotation quand les données tournent. Nous constatons aussi la reproductibilité des décompositions parcimonieuses sur un dictionnaire appris. Cette propriété générative s'explique par le fait que l'apprentissage de dictionnaire est une généralisation des K-means. D'autre part, nos représentations possèdent de nombreuses invariances, ce qui est idéal pour faire de la classification. Nous étudions donc comment effectuer une classification adaptée au modèle d'invariance par translation, en utilisant des fonctions de groupement consistantes par translationIn this thesis, we study approximation and learning methods which provide sparse representations. These methods allow to analyze very redundant data-bases thanks to learned atoms dictionaries. Being adapted to studied data, they are more efficient in representation quality than classical dictionaries with atoms defined analytically. We consider more particularly multivariate signals coming from the simultaneous acquisition of several quantities, as EEG signals or 2D and 3D motion signals. We extend sparse representation methods to the multivariate model, to take into account interactions between the different components acquired simultaneously. This model is more flexible that the common multichannel one which imposes a hypothesis of rank 1. We study models of invariant representations: invariance to temporal shift, invariance to rotation, etc. Adding supplementary degrees of freedom, each kernel is potentially replicated in an atoms family, translated at all samples, rotated at all orientations, etc. So, a dictionary of invariant kernels generates a very redundant atoms dictionary, thus ideal to represent the redundant studied data. All these invariances require methods adapted to these models. Temporal shift-invariance is an essential property for the study of temporal signals having a natural temporal variability. In the 2D and 3D rotation invariant case, we observe the efficiency of the non-oriented approach over the oriented one, even when data are not revolved. Indeed, the non-oriented model allows to detect data invariants and assures the robustness to rotation when data are revolved. We also observe the reproducibility of the sparse decompositions on a learned dictionary. This generative property is due to the fact that dictionary learning is a generalization of K-means. Moreover, our representations have many invariances that is ideal to make classification. We thus study how to perform a classification adapted to the shift-invariant model, using shift-consistent pooling functions
16
Hugueney, Bernard. "Représentations symboliques de longues séries temporelles". Paris 6, 2003. http://www.theses.fr/2003PA066161.
Texto completo da fonte
17
Isaac, Yoann. "Représentations redondantes pour les signaux d’électroencéphalographie". Thesis, Paris 11, 2015. http://www.theses.fr/2015PA112072/document.
Texto completo da fonteResumo:
L’électroencéphalographie permet de mesurer l’activité du cerveau à partir des variations du champ électrique à la surface du crâne. Cette mesure est utilisée pour le diagnostic médical, la compréhension du fonctionnement du cerveau ou dans les systèmes d’interface cerveau-machine. De nombreux travaux se sont attachés au développement de méthodes d’analyse de ces signaux en vue d’en extraire différentes composantes d’intérêt, néanmoins leur traitement pose encore de nombreux problèmes. Cette thèse s’intéresse à la mise en place de méthodes permettant l’obtention de représentations redondantes pour ces signaux. Ces représentations se sont avérées particulièrement efficaces ces dernières années pour la description de nombreuses classes de signaux grâce à leur grande flexibilité. L’obtention de telles représentations pour les mesures EEG présente certaines difficultés du fait d’un faible rapport signal à bruit des composantes recherchées. Nous proposons dans cette thèse de les surmonter en guidant les méthodes considérées vers des représentations physiologiquement plausibles des signaux EEG à l’aide de régularisations. Ces dernières sont construites à partir de connaissances a priori sur les propriétés spatiales et temporelles de ces signaux. Pour chacune d’entre elles, des algorithmes sont proposés afin de résoudre les problèmes d’optimisation associés à l’obtention de ces représentations. L’évaluation des approches proposées sur des signaux EEG souligne l’efficacité des régularisations proposées et l’intérêt des représentations obtenuesThe electroencephalography measures the brain activity by recording variations of the electric field on the surface of the skull. This measurement is usefull in various applications like medical diagnosis, analysis of brain functionning or whithin brain-computer interfaces. Numerous studies have tried to develop methods for analyzing these signals in order to extract various components of interest, however, none of them allows to extract them with sufficient reliabilty. This thesis focuses on the development of approaches considering redundant (overcomoplete) representations for these signals. During the last years, these representations have been shown particularly efficient to describe various classes of signals due to their flexibility. Obtaining such representations for EEG presents some difficuties due to the low signal-to-noise ratio of these signals. We propose in this study to overcome them by guiding the methods considered to physiologically plausible representations thanks to well-suited regularizations. These regularizations are built from prior knowledge about the spatial and temporal properties of these signals. For each regularization, an algorithm is proposed to solve the optimization problem allowing to obtain the targeted representations. The evaluation of the proposed EEG signals approaches highlights their effectiveness in representing them
18
Thomas, Hugues. "Apprentissage de nouvelles représentations pour la sémantisation de nuages de points 3D". Thesis, Paris Sciences et Lettres (ComUE), 2019. http://www.theses.fr/2019PSLEM048/document.
Texto completo da fonteResumo:
Aujourd’hui, de nouvelles technologies permettent l’acquisition de scènes 3D volumineuses et précises sous la forme de nuages de points. Les nouvelles applications ouvertes par ces technologies, comme les véhicules autonomes ou la maintenance d'infrastructure, reposent sur un traitement efficace des nuages de points à grande échelle. Les méthodes d'apprentissage profond par convolution ne peuvent pas être utilisées directement avec des nuages de points. Dans le cas des images, les filtres convolutifs ont permis l’apprentissage de nouvelles représentations, jusqu’alors construites « à la main » dans les méthodes de vision par ordinateur plus anciennes. En suivant le même raisonnement, nous présentons dans cette thèse une étude des représentations construites « à la main » utilisées pour le traitement des nuages de points. Nous proposons ainsi plusieurs contributions, qui serviront de base à la conception d’une nouvelle représentation convolutive pour le traitement des nuages de points. Parmi elles, une nouvelle définition de voisinages sphériques multi-échelles, une comparaison avec les k plus proches voisins multi-échelles, une nouvelle stratégie d'apprentissage actif, la segmentation sémantique des nuages de points à grande échelle, et une étude de l'influence de la densité dans les représentations multi-échelles. En se basant sur ces contributions, nous introduisons la « Kernel Point Convolution » (KPConv), qui utilise des voisinages sphériques et un noyau défini par des points. Ces points jouent le même rôle que les pixels du noyau des convolutions en image. Nos réseaux convolutionnels surpassent les approches de segmentation sémantique de l’état de l’art dans presque toutes les situations. En plus de ces résultats probants, nous avons conçu KPConv avec une grande flexibilité et une version déformable. Pour conclure notre réflexion, nous proposons plusieurs éclairages sur les représentations que notre méthode est capable d'apprendreIn the recent years, new technologies have allowed the acquisition of large and precise 3D scenes as point clouds. They have opened up new applications like self-driving vehicles or infrastructure monitoring that rely on efficient large scale point cloud processing. Convolutional deep learning methods cannot be directly used with point clouds. In the case of images, convolutional filters brought the ability to learn new representations, which were previously hand-crafted in older computer vision methods. Following the same line of thought, we present in this thesis a study of hand-crafted representations previously used for point cloud processing. We propose several contributions, to serve as basis for the design of a new convolutional representation for point cloud processing. They include a new definition of multiscale radius neighborhood, a comparison with multiscale k-nearest neighbors, a new active learning strategy, the semantic segmentation of large scale point clouds, and a study of the influence of density in multiscale representations. Following these contributions, we introduce the Kernel Point Convolution (KPConv), which uses radius neighborhoods and a set of kernel points to play the role of the kernel pixels in image convolution. Our convolutional networks outperform state-of-the-art semantic segmentation approaches in almost any situation. In addition to these strong results, we designed KPConv with a great flexibility and a deformable version. To conclude our argumentation, we propose several insights on the representations that our method is able to learn
19
Barthélemy, Quentin. "Représentations parcimonieuses pour les signaux multivariés". Phd thesis, Université de Grenoble, 2013. http://tel.archives-ouvertes.fr/tel-00853362.
Texto completo da fonteResumo:
Dans cette thèse, nous étudions les méthodes d'approximation et d'apprentissage qui fournissent des représentations parcimonieuses. Ces méthodes permettent d'analyser des bases de données très redondantes à l'aide de dictionnaires d'atomes appris. Etant adaptés aux données étudiées, ils sont plus performants en qualité de représentation que les dictionnaires classiques dont les atomes sont définis analytiquement. Nous considérons plus particulièrement des signaux multivariés résultant de l'acquisition simultanée de plusieurs grandeurs, comme les signaux EEG ou les signaux de mouvements 2D et 3D. Nous étendons les méthodes de représentations parcimonieuses au modèle multivarié, pour prendre en compte les interactions entre les différentes composantes acquises simultanément. Ce modèle est plus flexible que l'habituel modèle multicanal qui impose une hypothèse de rang 1. Nous étudions des modèles de représentations invariantes : invariance par translation temporelle, invariance par rotation, etc. En ajoutant des degrés de liberté supplémentaires, chaque noyau est potentiellement démultiplié en une famille d'atomes, translatés à tous les échantillons, tournés dans toutes les orientations, etc. Ainsi, un dictionnaire de noyaux invariants génère un dictionnaire d'atomes très redondant, et donc idéal pour représenter les données étudiées redondantes. Toutes ces invariances nécessitent la mise en place de méthodes adaptées à ces modèles. L'invariance par translation temporelle est une propriété incontournable pour l'étude de signaux temporels ayant une variabilité temporelle naturelle. Dans le cas de l'invariance par rotation 2D et 3D, nous constatons l'efficacité de l'approche non-orientée sur celle orientée, même dans le cas où les données ne sont pas tournées. En effet, le modèle non-orienté permet de détecter les invariants des données et assure la robustesse à la rotation quand les données tournent. Nous constatons aussi la reproductibilité des décompositions parcimonieuses sur un dictionnaire appris. Cette propriété générative s'explique par le fait que l'apprentissage de dictionnaire est une généralisation des K-means. D'autre part, nos représentations possèdent de nombreuses invariances, ce qui est idéal pour faire de la classification. Nous étudions donc comment effectuer une classification adaptée au modèle d'invariance par translation, en utilisant des fonctions de groupement consistantes par translation.
20
Paquier, Williams. "Apprentissage ouvert de représentations et de fonctionalités en robotique : analyse, modèles et implémentation". Toulouse 3, 2004. http://www.theses.fr/2004TOU30233.
Texto completo da fonteResumo:
L'acquisition autonome de représentations et de fonctionnalités en robotique pose de nombreux problèmes théoriques. Aujourd'hui, les systèmes robotiques autonomes sont conçus autour d'un ensemble de fonctionnalités. Leurs représentations du monde sont issues de l’analyse d'un problème et d'une modélisation préalablement données par les concepteurs. Cette approche limite les capacités d'apprentissage. Nous proposons dans cette thèse un système ouvert de représentations et de fonctionnalités. Ce système apprend en expérimentant son environnement et est guidé par l’augmentation d’une fonction de valeur. L'objectif du système consiste à agir sur son environnement pour réactiver les représentations dont il avait appris une connotation positive. Une analyse de la capacité à généraliser la production d'actions appropriées pour ces réactivations conduit à définir un ensemble de propriétés nécessaires pour un tel système. Le système de représentation est constitué d'un réseau d'unités de traitement semblables et utilise un codage par position. Le sens de l'état d'une unité dépend de sa position dans le réseau. Ce système de représentation possède des similitudes avec le principe de numération par position. Une représentation correspond à l'activation d'un ensemble d'unités. Ce système a été implémenté dans une suite logicielle appelée NeuSter qui permet de simuler des réseaux de plusieurs millions d'unités et milliard de connexions sur des grappes hétérogènes de machines POSIX. Les premiers résultats permettent de valider les contraintes déduites de l'analyse. Un tel système permet d'apprendre dans un même réseau, de façon hiérarchique et non supervisée, des détecteurs de bords et de traits, de coins, de terminaisons de traits, de visages, de directions de mouvement, de rotations, d'expansions, et de phonèmes. NeuSter apprend en ligne en utilisant uniquement les données de ses capteurs. Il a été testé sur des robots mobiles pour l'apprentissage et le suivi d'objetsAutonomous acquisition of representations and functionalities by a machine address several theoretical questions. Today’s autonomous robots are developed around a set of functionalities. Their representations of the world are deduced from the analysis and modeling of a given problem, and are initially given by the developers. This limits the learning capabilities of robots. In this thesis, we propose an approach and a system able to build open-ended representation and functionalities. This system learns through its experimentations of the environment and aims to augment a value function. Its objective consists in acting to reactivate the representations it has already learnt to connote positively. An analysis of the generalization capabilities to produce appropriate actions enable define a minimal set of properties needed by such a system. The open-ended representation system is composed of a network of homogeneous processing units and is based on position coding. The meaning of a processing unit depends on its position in the global network. This representation system presents similarities with the principle of numeration by position. A representation is given by a set of active units. This system is implemented in a suite of software called NeuSter, which is able to simulate million unit networks with billions of connections on heterogeneous clusters of POSIX machines. .
21
Caron, Stéphane. "Détection d'anomalies basée sur les représentations latentes d'un autoencodeur variationnel". Master's thesis, Université Laval, 2021. http://hdl.handle.net/20.500.11794/69185.
Texto completo da fonteResumo:
Dans ce mémoire, nous proposons une méthodologie qui permet de détecter des anomalies parmi un ensemble de données complexes, plus particulièrement des images. Pour y arriver, nous utilisons un type spécifique de réseau de neurones, soit un autoencodeur variationnel (VAE). Cette approche non-supervisée d'apprentissage profond nous permet d'obtenir une représentation plus simple de nos données sur laquelle nous appliquerons une mesure de distance de Kullback-Leibler nous permettant de discriminer les anomalies des observations "normales". Pour déterminer si une image nous apparaît comme "anormale", notre approche se base sur une proportion d'observations à filtrer, ce qui est plus simple et intuitif à établir qu'un seuil sur la valeur même de la distance. En utilisant notre méthodologie sur des images réelles, nous avons démontré que nous pouvons obtenir des performances de détection d'anomalies supérieures en termes d'aire sous la courbe ROC, de précision et de rappel par rapport à d'autres approches non-supervisées. De plus, nous avons montré que la simplicité de l'approche par niveau de filtration permet d'adapter facilement la méthode à des jeux de données ayant différents niveaux de contamination d'anomalies.In this master's thesis, we propose a methodology that aims to detect anomalies among complex data, such as images. In order to do that, we use a specific type of neural network called the varitionnal autoencoder (VAE). This non-supervised deep learning approach allows us to obtain a simple representation of our data on which we then use the Kullback-Leibler distance to discriminate between anomalies and "normal" observations. To determine if an image should be considered "abnormal", our approach is based on a proportion of observations to be filtered, which is easier and more intuitive to establish than applying a threshold based on the value of a distance metric. By using our methodology on real complex images, we can obtain superior anomaly detection performances in terms of area under the ROC curve (AUC),precision and recall compared to other non-supervised methods. Moreover, we demonstrate that the simplicity of our filtration level allows us to easily adapt the method to datasets having different levels of anomaly contamination.
22
Gaillard, Audrey. "Développement des représentations conceptuelles chez l'enfant : une approche transversale". Paris 8, 2011. http://www.theses.fr/2011PA083972.
Texto completo da fonteResumo:
Ces dernières années, de nombreuses études en psychologie du développement ont porté sur la formation des concepts chez les enfants, et notamment sur la catégorisation d'objets. Ce travail de thèse a visé, dans un premier temps, à étudier l’influence de différents facteurs contextuels (consigne expérimentale, nombre de séances, nature de la catégorie de noms d’objets) sur la stabilité des représentations étudiées avec une tâche de classement de noms d’objets et une tâche de production de propriétés, et ce chez l’adulte Dans un second temps, nous avons étudié les représentations conceptuelles chez l’enfant. Ainsi, nous sommes-nous attachés à analyser l'organisation catégorielle de noms d'objets divers et sa stabilité temporelle chez l'enfant âgé de 6 à 11 ans en fonction de différents facteurs : l'âge des enfants, la tâche expérimentale et la nature des noms d'objets proposés. L’ensemble de nos résultats démontre l’influence notable de la tâche sur la stabilité temporelle des représentations, tant chez l’adulte que l’enfant. Ainsi, plus que les facteurs contextuels testés (consigne, séances, nature des catégories d’objets), il semble que ce soit le type de tâche qui induise la variabilité. Chez l'enfant, nos résultats mettent en évidence l'influence de la nature des catégories de noms d'objets (naturels/fabriqués) et de l'âge des enfants sur la stabilité des représentations mises au jour. Nos résultats sont discutés au regard des théories de la catégorisation et du développement conceptuelIn recent years, many studies in developmental psychology have focused on concept formation in children, i. E. Object categorization. This thesis aimed, first, to study the influence of several contextual factors (experimental instructions, number of repetitions, category membership) on representation stability studied with sorting task and property-generation production task with adult participants. In the second time, in order to study conceptual representations in children, we analyzed the categorical organization of various objects names and its temporal stability in children aged from 6 to 11 years old according to different factors: children's age, experimental tasks and category membership. The set of our results shows the influence of the task on temporal stability of representations, both in adults than in children. Therefore, it seems to be the type of task that induces variability, not the contextual factors tested (instructions, repetitions, category membership). In, children, our results show that stability representations depends on the age and the category membership of objects (natural objects or artifacts). We discuss results compared to theories of categorization and conceptual development
23
Bucher, Maxime. "Apprentissage et exploitation de représentations sémantiques pour la classification et la recherche d'images". Thesis, Normandie, 2018. http://www.theses.fr/2018NORMC250/document.
Texto completo da fonteResumo:
Dans cette thèse nous étudions différentes questions relatives à la mise en pratique de modèles d'apprentissage profond. En effet malgré les avancées prometteuses de ces algorithmes en vision par ordinateur, leur emploi dans certains cas d'usage réels reste difficile. Une première difficulté est, pour des tâches de classification d'images, de rassembler pour des milliers de catégories suffisamment de données d'entraînement pour chacune des classes. C'est pourquoi nous proposons deux nouvelles approches adaptées à ce scénario d'apprentissage, appelé <>.L'utilisation d'information sémantique pour modéliser les classes permet de définir les modèles par description, par opposition à une modélisation à partir d'un ensemble d'exemples, et rend possible la modélisation sans donnée de référence. L'idée fondamentale du premier chapitre est d'obtenir une distribution d'attributs optimale grâce à l'apprentissage d'une métrique, capable à la fois de sélectionner et de transformer la distribution des données originales. Dans le chapitre suivant, contrairement aux approches standards de la littérature qui reposent sur l'apprentissage d'un espace d'intégration commun, nous proposons de générer des caractéristiques visuelles à partir d'un générateur conditionnel. Une fois générés ces exemples artificiels peuvent être utilisés conjointement avec des données réelles pour l'apprentissage d'un classifieur discriminant. Dans une seconde partie de ce manuscrit, nous abordons la question de l'intelligibilité des calculs pour les tâches de vision par ordinateur. En raison des nombreuses et complexes transformations des algorithmes profonds, il est difficile pour un utilisateur d'interpréter le résultat retourné. Notre proposition est d'introduire un <> dans le processus de traitement. La représentation de l'image est exprimée entièrement en langage naturel, tout en conservant l'efficacité des représentations numériques. L'intelligibilité de la représentation permet à un utilisateur d'examiner sur quelle base l'inférence a été réalisée et ainsi d'accepter ou de rejeter la décision suivant sa connaissance et son expérience humaineIn this thesis, we examine some practical difficulties of deep learning models.Indeed, despite the promising results in computer vision, implementing them in some situations raises some questions. For example, in classification tasks where thousands of categories have to be recognised, it is sometimes difficult to gather enough training data for each category.We propose two new approaches for this learning scenario, called <>. We use semantic information to model classes which allows us to define models by description, as opposed to modelling from a set of examples.In the first chapter we propose to optimize a metric in order to transform the distribution of the original data and to obtain an optimal attribute distribution. In the following chapter, unlike the standard approaches of the literature that rely on the learning of a common integration space, we propose to generate visual features from a conditional generator. The artificial examples can be used in addition to real data for learning a discriminant classifier. In the second part of this thesis, we address the question of computational intelligibility for computer vision tasks. Due to the many and complex transformations of deep learning algorithms, it is difficult for a user to interpret the returned prediction. Our proposition is to introduce what we call a <> in the processing pipeline, which is a crossing point in which the representation of the image is entirely expressed with natural language, while retaining the efficiency of numerical representations. This semantic bottleneck allows to detect failure cases in the prediction process so as to accept or reject the decision
24
Bourigault, Simon. "Apprentissage de représentations pour la prédiction de propagation d'information dans les réseaux sociaux". Thesis, Paris 6, 2016. http://www.theses.fr/2016PA066368/document.
Texto completo da fonteResumo:
Dans ce manuscrit, nous étudions la diffusion d'information dans les réseaux sociaux en ligne. Des sites comme Facebook ou Twitter sont en effet devenus aujourd'hui des media d'information à part entière, sur lesquels les utilisateurs échangent de grandes quantités de données. La plupart des modèles existant pour expliquer ce phénomène de diffusion sont des modèles génératifs, basés sur des hypothèses fortes concernant la structure et la dynamique temporelle de la diffusion d'information. Nous considérerons dans ce manuscrit le problème de la prédiction de diffusion dans le cas où le graphe social est inconnu, et où seules les actions des utilisateurs peuvent être observées. - Nous proposons, dans un premier temps, une méthode d'apprentissage du modèle independent cascade consistant à ne pas prendre en compte la dimension temporelle de la diffusion. Des résultats expérimentaux obtenus sur des données réelles montrent que cette approche permet d'obtenir un modèle plus performant et plus robuste. - Nous proposons ensuite plusieurs méthodes de prédiction de diffusion reposant sur des technique d'apprentissage de représentations. Celles-ci nous permettent de définir des modèles plus compacts, et plus robustes à la parcimonie des données. - Enfin, nous terminons en appliquant une approche similaire au problème de détection de source, consistant à retrouver l'utilisateur ayant lancé une rumeur sur un réseau social. En utilisant des méthodes d'apprentissage de représentations, nous obtenons pour cette tâche un modèle beaucoup plus rapide et performant que ceux de l'état de l'artIn this thesis, we study information diffusion in online social networks. Websites like Facebook or Twitter have indeed become information medias, on which users create and share a lot of data. Most existing models of the information diffusion phenomenon relies on strong hypothesis about the structure and dynamics of diffusion. In this document, we study the problem of diffusion prediction in the context where the social graph is unknown and only user actions are observed. - We propose a learning algorithm for the independant cascades model that does not take time into account. Experimental results show that this approach obtains better results than time-based learning schemes. - We then propose several representations learning methods for this task of diffusion prediction. This let us define more compact and faster models. - Finally, we apply our representation learning approach to the source detection task, where it obtains much better results than graph-based approaches
25
Magnan, Jean-Christophe. "Représentations graphiques de fonctions et processus décisionnels Markoviens factorisés". Thesis, Paris 6, 2016. http://www.theses.fr/2016PA066042/document.
Texto completo da fonteResumo:
En planification théorique de la décision, le cadre des Processus Décisionnels Markoviens Factorisés (Factored Markov Decision Process, FMDP) a produit des algorithmes efficaces de résolution des problèmes de décisions séquentielles dans l'incertain. L'efficacité de ces algorithmes repose sur des structures de données telles que les Arbres de Décision ou les Diagrammes de Décision Algébriques (ADDs). Ces techniques de planification sont utilisées en Apprentissage par Renforcement par l'architecture SDYNA afin de résoudre des problèmes inconnus de grandes tailles. Toutefois, l'état-de-l'art des algorithmes d'apprentissage, de programmation dynamique et d'apprentissage par renforcement utilisés par SDYNA, requière que le problème soit spécifié uniquement à l'aide de variables binaires et/ou utilise des structures améliorables en termes de compacité. Dans ce manuscrit, nous présentons nos travaux de recherche visant à élaborer et à utiliser une structure de donnée plus efficace et moins contraignante, et à l'intégrer dans une nouvelle instance de l'architecture SDYNA. Dans une première partie, nous présentons l'état-de-l'art de la modélisation de problèmes de décisions séquentielles dans l'incertain à l'aide de FMDP. Nous abordons en détail la modélisation à l'aide d'DT et d'ADDs.Puis nous présentons les ORFGs, nouvelle structure de données que nous proposons dans cette thèse pour résoudre les problèmes inhérents aux ADDs. Nous démontrons ainsi que les ORFGs s'avèrent plus efficaces que les ADDs pour modéliser les problèmes de grandes tailles. Dans une seconde partie, nous nous intéressons à la résolution des problèmes de décision dans l'incertain par Programmation Dynamique. Après avoir introduit les principaux algorithmes de résolution, nous nous attardons sur leurs variantes dans le domaine factorisé. Nous précisons les points de ces variantes factorisées qui sont améliorables. Nous décrivons alors une nouvelle version de ces algorithmes qui améliore ces aspects et utilise les ORFGs précédemment introduits. Dans une dernière partie, nous abordons l'utilisation des FMDPs en Apprentissage par Renforcement. Puis nous présentons un nouvel algorithme d'apprentissage dédié à la nouvelle structure que nous proposons. Grâce à ce nouvel algorithme, une nouvelle instance de l'architecture SDYNA est proposée, se basant sur les ORFGs ~:~l'instance SPIMDDI. Nous testons son efficacité sur quelques problèmes standards de la littérature. Enfin nous présentons quelques travaux de recherche autour de cette nouvelle instance. Nous évoquons d'abord un nouvel algorithme de gestion du compromis exploration-exploitation destiné à simplifier l'algorithme F-RMax. Puis nous détaillons une application de l'instance SPIMDDI à la gestion d'unités dans un jeu vidéo de stratégie en temps réelIn decision theoretic planning, the factored framework (Factored Markovian Decision Process, FMDP) has produced several efficient algorithms in order to resolve large sequential decision making under uncertainty problems. The efficiency of this algorithms relies on data structures such as decision trees or algebraïc decision diagrams (ADDs). These planification technics are exploited in Reinforcement Learning by the architecture SDyna in order to resolve large and unknown problems. However, state-of-the-art learning and planning algorithms used in SDyna require the problem to be specified uniquely using binary variables and/or to use improvable data structure in term of compactness. In this book, we present our research works that seek to elaborate and to use a new data structure more efficient and less restrictive, and to integrate it in a new instance of the SDyna architecture. In a first part, we present the state-of-the-art modeling tools used in the algorithms that tackle large sequential decision making under uncertainty problems. We detail the modeling using decision trees and ADDs. Then we introduce the Ordered and Reduced Graphical Representation of Function, a new data structure that we propose in this thesis to deal with the various problems concerning the ADDs. We demonstrate that ORGRFs improve on ADDs to model large problems. In a second part, we go over the resolution of large sequential decision under uncertainty problems using Dynamic Programming. After the introduction of the main algorithms, we see in details the factored alternative. We indicate the improvable points of these factored versions. We describe our new algorithm that improve on these points and exploit the ORGRFs previously introduced. In a last part, we speak about the use of FMDPs in Reinforcement Learning. Then we introduce a new algorithm to learn the new datastrcture we propose. Thanks to this new algorithm, a new instance of the SDyna architecture is proposed, based on the ORGRFs : the SPIMDDI instance. We test its efficiency on several standard problems from the litterature. Finally, we present some works around this new instance. We detail a new algorithm for efficient exploration-exploitation compromise management, aiming to simplify F-RMax. Then we speak about an application of SPIMDDI to the managements of units in a strategic real time video game
26
Francis, Danny. "Représentations sémantiques d'images et de vidéos". Electronic Thesis or Diss., Sorbonne université, 2019. http://www.theses.fr/2019SORUS605.
Texto completo da fonteResumo:
Des travaux de recherche récents en apprentissage profond ont permis d’améliorer significativement les performances des modèles multimédias : avec la création de grands jeux de données d’images ou de vidéos annotées, les réseaux de neurones profonds ont surpassé les modèles précédemment utilisés dans la plupart des cas. Dans cette thèse, nous avons développé de nouveaux modèles neuronaux profonds permettant de générer des représentations sémantiques d’images et de vidéos. Nous nous sommes intéressés à deux tâches principales : l’appariement d’images ou de vidéos et de textes, et la génération automatique de légendes. La tâche d’appariement peut être réalisée par le biais d’un espace multimodal commun permettant de comparer images ou vidéos et textes. Nous avons pour cela défini deux types de modèles d’appariement en nous inspirant des travaux récents sur les réseaux de capsules. La génération automatique de légendes textuelles est une tâche ardue, puisqu’elle demande à analyser un objet visuel, et à le transcrire en une description en langage naturel. Pour cela, nous proposons deux méthodes d’apprentissage par curriculum. Par ailleurs, nous avons défini une méthode permettant à un modèle de génération de légendes de vidéos de combiner des informations spatiales et temporelles. Des expériences ont permis de prouver l’intérêt de nos propositions par rapport aux travaux existantsRecent research in Deep Learning has sent the quality of results in multimedia tasks rocketing: thanks to new big datasets of annotated images and videos, Deep Neural Networks (DNN) have outperformed other models in most cases. In this thesis, we aim at developing DNN models for automatically deriving semantic representations of images and videos. In particular we focus on two main tasks : vision-text matching and image/video automatic captioning. Addressing the matching task can be done by comparing visual objects and texts in a visual space, a textual space or a multimodal space. Based on recent works on capsule networks, we define two novel models to address the vision-text matching problem: Recurrent Capsule Networks and Gated Recurrent Capsules. In image and video captioning, we have to tackle a challenging task where a visual object has to be analyzed, and translated into a textual description in natural language. For that purpose, we propose two novel curriculum learning methods. Moreover regarding video captioning, analyzing videos requires not only to parse still images, but also to draw correspondences through time. We propose a novel Learned Spatio-Temporal Adaptive Pooling method for video captioning that combines spatial and temporal analysis. Extensive experiments on standard datasets assess the interest of our models and methods with respect to existing works
27
Droniou, Alain. "Apprentissage de représentations et robotique développementale : quelques apports de l'apprentissage profond pour la robotique autonome". Thesis, Paris 6, 2015. http://www.theses.fr/2015PA066056/document.
Texto completo da fonteResumo:
Afin de pouvoir évoluer de manière autonome et sûre dans leur environnement, les robots doivent être capables d'en construire un modèle fiable et pertinent. Pour des tâches variées dans des environnements complexes, il est difficile de prévoir de manière exhaustive les capacités nécessaires au robot. Il est alors intéressant de doter les robots de mécanismes d'apprentissage leur donnant la possibilité de construire eux-mêmes des représentations adaptées à leur environnement. Se posent alors deux questions : quelle doit être la nature des représentations utilisées et par quels mécanismes peuvent-elles être apprises ? Nous proposons pour cela l'utilisation de l'hypothèse des sous-variétés afin de développer des architectures permettant de faire émerger une représentation symbolique de flux sensorimoteurs bruts. Nous montrons que le paradigme de l'apprentissage profond fournit des mécanismes appropriés à l'apprentissage autonome de telles représentations. Nous démontrons que l'exploitation de la nature multimodale des flux sensorimoteurs permet d'en obtenir une représentation symbolique pertinente. Dans un second temps, nous étudions le problème de l'évolution temporelle des stimuli. Nous discutons les défauts de la plupart des approches aujourd'hui utilisées et nous esquissons une approche à partir de laquelle nous approfondissons deux sous-problèmes. Dans une troisième partie, nous proposons des pistes de recherche pour permettre le passage des expériences de laboratoire à des environnements naturels. Nous explorons plus particulièrement la problématique de la curiosité artificielle dans des réseaux de neurones non supervisésThis thesis studies the use of deep neural networks to learn high level representations from raw inputs on robots, based on the "manifold hypothesis"
28
Brucher, Matthieu. "Représentations compactes et apprentissage non supervisé de variétés non linéaires : Application au traitement d’images". Université Louis Pasteur (Strasbourg) (1971-2008), 2008. https://publication-theses.unistra.fr/public/theses_doctorat/2008/BRUCHER_Matthieu_2008.pdf.
Texto completo da fonteResumo:
Cette thèse et ses contributions ont proposé une modélisation innovante de données et son utilisation en vue de classifications. La modélisation comprend une réduction de dimension robuste, permettant de faire face au bruit et respectant la structure des données dans un espace de dimension réduite. Cette méthode a été comparée aux méthodes usuelles de la littérature à l’aide de plusieurs jeux de données (SwissRoll, SCurve, base COIL-20). Par la suite, une méthode de régression linéaire par morceaux a été exposée, permettant de créer un lien entre l’espace de dimension réduite et l’espace d’origine. Contrairement aux méthodes présentées dans la littérature, l’approche choisie adapte le nombre de modèles linéaires nécessaires à la précision de modélisation recherchée. Grâce à cette modélisation, une projection robuste de nouveaux échantillons sur la variété a été possible. Cette méthode a permis d’obtenir des résultats d’aussi bonne qualité ou de meilleure qualité que les approches robustes basées sur l’analyse en composantes principales qui est la méthode couramment utilisée pour l’apprentissage de variété. Une méthode originale de classification supervisée a été proposée, en modélisant chaque classe comme une variété puis en projetant chaque nouvel échantillon sur chacune des variétés et en sélectionnant le meilleur projeté (au sens d’un certain critère). Des applications pratiques ont été entreprises sur des données de texture ou sur des formes synthétiques. Ces applications ont confirmé les performances de l’approche proposée. En effet, la classification sur les textures est meilleure que les approches proposées dans la littérature et les tests sur les formes ont permis de détecter des différences localisées sur des formes anormales. Plusieurs bibliothèques de traitement ont été développées et améliorées dans le cadre de cette thèse. Elles ont été programmées en C++ ou en Python, en utilisant les avantages de chaque langage (la vitesse ou l’utilisation des gabarits du C++ pour les calculs ; la souplesse ou l’encapsulation de Python pour la création des prototypes ou la création d’une bibliothèque d’optimisation). Enfin, ces bibliothèques ont été mises à disposition dans le logiciel interne Medimax et son successeur MediPy. [. . . ]
29
Aghaei, Mazaheri Jérémy. "Représentations parcimonieuses et apprentissage de dictionnaires pour la compression et la classification d'images satellites". Thesis, Rennes 1, 2015. http://www.theses.fr/2015REN1S028/document.
Texto completo da fonteResumo:
Cette thèse propose d'explorer des méthodes de représentations parcimonieuses et d'apprentissage de dictionnaires pour compresser et classifier des images satellites. Les représentations parcimonieuses consistent à approximer un signal par une combinaison linéaire de quelques colonnes, dites atomes, d'un dictionnaire, et ainsi à le représenter par seulement quelques coefficients non nuls contenus dans un vecteur parcimonieux. Afin d'améliorer la qualité des représentations et d'en augmenter la parcimonie, il est intéressant d'apprendre le dictionnaire. La première partie de la thèse présente un état de l'art consacré aux représentations parcimonieuses et aux méthodes d'apprentissage de dictionnaires. Diverses applications de ces méthodes y sont détaillées. Des standards de compression d'images sont également présentés. La deuxième partie traite de l'apprentissage de dictionnaires structurés sur plusieurs niveaux, d'une structure en arbre à une structure adaptative, et de leur application au cas de la compression d'images satellites en les intégrant dans un schéma de codage adapté. Enfin, la troisième partie est consacrée à l'utilisation des dictionnaires structurés appris pour la classification d'images satellites. Une méthode pour estimer la Fonction de Transfert de Modulation (FTM) de l'instrument dont provient une image est étudiée. Puis un algorithme de classification supervisée, utilisant des dictionnaires structurés rendus discriminants entre les classes à l'apprentissage, est présenté dans le cadre de la reconnaissance de scènes au sein d'une imageThis thesis explores sparse representation and dictionary learning methods to compress and classify satellite images. Sparse representations consist in approximating a signal by a linear combination of a few columns, known as atoms, from a dictionary, and thus representing it by only a few non-zero coefficients contained in a sparse vector. In order to improve the quality of the representations and to increase their sparsity, it is interesting to learn the dictionary. The first part of the thesis presents a state of the art about sparse representations and dictionary learning methods. Several applications of these methods are explored. Some image compression standards are also presented. The second part deals with the learning of dictionaries structured in several levels, from a tree structure to an adaptive structure, and their application to the compression of satellite images, by integrating them in an adapted coding scheme. Finally, the third part is about the use of learned structured dictionaries for the classification of satellite images. A method to estimate the Modulation Transfer Function (MTF) of the instrument used to capture an image is studied. A supervised classification algorithm, using structured dictionaries made discriminant between classes during the learning, is then presented in the scope of scene recognition in a picture
30
Varasteh, Yazdi Saeed. "Représentations parcimonieuses et apprentissage de dictionnaires pour la classification et le clustering de séries temporelles". Thesis, Université Grenoble Alpes (ComUE), 2018. http://www.theses.fr/2018GREAM062/document.
Texto completo da fonteResumo:
L'apprentissage de dictionnaires à partir de données temporelles est un problème fondamental pour l’extraction de caractéristiques temporelles latentes, la révélation de primitives saillantes et la représentation de données temporelles complexes. Cette thèse porte sur l’apprentissage de dictionnaires pour la représentation parcimonieuse de séries temporelles. On s’intéresse à l’apprentissage de représentations pour la reconstruction, la classification et le clustering de séries temporelles sous des transformations de distortions temporelles. Nous proposons de nouveaux modèles invariants aux distortions temporelles.La première partie du travail porte sur l’apprentissage de dictionnaire pour des tâches de reconstruction et de classification de séries temporelles. Nous avons proposé un modèle TWI-OMP (Time-Warp Invariant Orthogonal Matching Pursuit) invariant aux distorsions temporelles, basé sur un opérateur de maximisation du cosinus entre des séries temporelles. Nous avons ensuite introduit le concept d’atomes jumelés (sibling atomes) et avons proposé une approche d’apprentissage de dictionnaires TWI-kSVD étendant la méthode kSVD à des séries temporelles.Dans la seconde partie du travail, nous nous sommes intéressés à l’apprentissage de dictionnaires pour le clustering de séries temporelles. Nous avons proposé une formalisation du problème et une solution TWI-DLCLUST par descente de gradient.Les modèles proposés sont évalués au travers plusieurs jeux de données publiques et réelles puis comparés aux approches majeures de l’état de l’art. Les expériences conduites et les résultats obtenus montrent l’intérêt des modèles d’apprentissage de représentations proposés pour la classification et le clustering de séries temporellesLearning dictionary for sparse representing time series is an important issue to extract latent temporal features, reveal salient primitives and sparsely represent complex temporal data. This thesis addresses the sparse coding and dictionary learning problem for time series classification and clustering under time warp. For that, we propose a time warp invariant sparse coding and dictionary learning framework where both input samples and atoms define time series of different lengths that involve varying delays.In the first part, we formalize an L0 sparse coding problem and propose a time warp invariant orthogonal matching pursuit based on a new cosine maximization time warp operator. For the dictionary learning stage, a non linear time warp invariant kSVD (TWI-kSVD) is proposed. Thanks to a rotation transformation between each atom and its sibling atoms, a singular value decomposition is used to jointly approximate the coefficients and update the dictionary, similar to the standard kSVD. In the second part, a time warp invariant dictionary learning for time series clustering is formalized and a gradient descent solution is proposed.The proposed methods are confronted to major shift invariant, convolved and kernel dictionary learning methods on several public and real temporal data. The conducted experiments show the potential of the proposed frameworks to efficiently sparse represent, classify and cluster time series under time warp
31
Poplimont, Christine. "Représentations sociales des formateurs dans la formation par alternance : approche intensive et étude clinique de cas". Aix-Marseille 1, 2000. http://www.theses.fr/2000AIX10028.
Texto completo da fonteResumo:
Cette recherche pose le statut de l'identification de la contradiction dans la formation. Contradiction rendue plus pregnante par l'alternance, ressort essentiel d'apprentissage pour la personne. La place majeure que joue l'experience personnelle dans la construction des apprentissages singuliers, nous a conduit a la question de la "problematisation" dans la formation par alternance. A partir de productions verbales interrogees en debut et en fin. De formation, puis deux ans apres, nous avons approche la question de l'integration comme articulation dialectique de poles opposes. Le passage du "contradictoriel" au paradoxal" serait alors susceptible de "signer" ce que l'on peut appeler "integration".
32
Boutin, Arnaud. "Conditions d'apprentissage moteur et représentations sensori-motrices : des mouvements discrets aus séquences motrices". Poitiers, 2009. http://theses.edel.univ-poitiers.fr/theses/2009/Boutin-Arnaud/2009-Boutin-Arnaud-These.pdf.
Texto completo da fonteResumo:
Ce travail de thèse repose sur l'analyse des processus impliqués dans l'apprentissage de nouveaux comportements moteurs, et sur l'étude de nos capacités à adapter notre comportement à de nouvelles situations. Nous avons réalisé une série de trois expériences où ont été utilisés des dispositifs expérimentaux permettant une analyse de mouvements discrets et continus. L'objectif principal qui a motivé ce travail était d'évaluer : 1) les variables d'apprentissage susceptibles d'influencer l'acquisition d'un geste discret et/ou continu (Expériences 1 et 2), et 2) la nature des représentations sensori-motrices dans l'apprentissage de séquences motrices (Expérience 3). Les données obtenues dans la première étude (Expériences 1 et 2) révèlent que la condition de pratique et/ou le niveau de similarité entre les tâches à apprendre sont susceptibles de moduler les processus intra- et/ou inter-tâches mis en jeu par l'apprenant au cours de la phase de pratique, et donc d'influencer l'apprentissage. De plus, nos résultats indiquent également que les facteurs condition de pratique et similarité des tâches interagissent avec le facteur quantité de pratique ; l'apprentissage de nouveaux comportements moteurs nécessite donc de prendre en considération l'ensemble de ces facteurs. Les résultats de l'Expérience 3 révèlent une prédominance du code visuo-spatial dans la représentation des séquences motrices, associée à une dépendance du système effecteur, quelle que soit la quantité de pratique. Nos résultats ne confirment pas l'hypothèse du passage progressif d'un codage de type visuo-spatial (effecteur indépendant) au début de la pratique (après 1 jour), à un codage de type moteur (effecteur dépendant) avec davantage de pratique (après 2 jours). Les implications théoriques et pratiques qui émergent de ces résultats sont discutées au regard des données et modèles théoriques préexistantsThis thesis focuses on the analysis of the cognitive processes underlying learning of new motor behavior, and the study of our faculties to adapt this behavior to new ones. To address this issue, three experiments were designed to analyze discrete and continuous movements. The main purpose of this work was to assess: 1) learning variables that are supposed to influence the acquisition of discrete and/or continuous movements (Experiments 1 and 2), and 2) the way sequential movements are coded (Experiment 3). Experiments 1 and 2 revealed that the schedule of practice and/or task similarity can modulate intra- and/or inter-task processing during practice, and thus, influence subsequent learning. Further, our results also indicated that both schedule of practice and task similarity interact with the amount of practice; thus, learning of new motor behavior supposes to consider all these factors. In Experiment 3, our data argue for the existence of both effectordependent and visual-spatial sequence representation, irrespective of the amount of practice. These findings are not consistent with the notion that the amount of practice is thought to be a determinant factor in the shifting from a visual-spatial (effector-independent) to a motor (effector-dependent) code representation (from 1 to 2 days of practice). Theoretical and practical implications emerging from these results are discussed with regard to pre-existent theoretical data and models
33
Fougerouse, Marie-Christine. "Analyse des représentations de la grammaire dans l'enseignement [et l'] apprentissage du français langue étrangère". Paris 3, 1999. http://www.theses.fr/1999PA030124.
Texto completo da fonteResumo:
Dans les années quatre-vingt-dix, la grammaire, terme polysémique, fait partie intégrante de l'enseignement/apprentissage du f. L. E après sa mise a l'écart de la classe de langue par l'approche communicative. La recherche en didactique, orientée vers la langue en communication, a intégré l'acte de parole, l'approche fonctionnelle/notionnelle, les besoins langagiers, renonciation et la grammaire de texte. Elle a reconsidéré exercice, le métalangage, la réflexion sur la langue en construction, le rapport entre grammaire et vocabulaire, les documents authentiques et la progression. Ces éléments théoriques auraient du entrainer des transformations profondes dans l'enseignement/apprentissage de la grammaire. L'étude d'outils didactiques (grammaires théoriques, cahiers d'exercices, méthodes de langue) montre qu'ils ont intégré les innovations a des degrés divers. Certaines approches témoignent d'un effort de réflexion pour parvenir a enseigner la grammaire autrement alors que d'autres restent relativement traditionnel les. Cette hétérogénéité se retrouve dans les pratiques de classe. En effet, les enquêtes qualitatives ne nous ont pas permis de dégager de conclusions convergentes sur la manière d'enseigner/apprendre la grammaire. Pour les enseignants, le pragmatisme est de rigueur. . . Et les apprenants s'en satisfont. Il est difficile de dresser un bilan global de l'enseignement/apprentissage de la grammaire en classe de f. L. E. Elle est revenue au premier plan, mais l'éclectisme est de rigueur : chacun créé ses propres démarches grammaticales sans réelle cohérence. Chercheurs, concepteurs de matériels didactiques et enseignants devraient collaborer afin de créer une dynamique propice a l'émergence d'idées nouvelles en la didactique de la grammaire.
34
Moreau, Thomas. "Représentations Convolutives Parcimonieuses -- application aux signaux physiologiques et interpétabilité de l'apprentissage profond". Thesis, Université Paris-Saclay (ComUE), 2017. http://www.theses.fr/2017SACLN054/document.
Texto completo da fonteResumo:
Les représentations convolutives extraient des motifs récurrents qui aident à comprendre la structure locale dans un jeu de signaux. Elles sont adaptées pour l’analyse des signaux physiologiques, qui nécessite des visualisations mettant en avant les informations pertinentes. Ces représentations sont aussi liées aux modèles d’apprentissage profond. Dans ce manuscrit, nous décrivons des avancées algorithmiques et théoriques autour de ces modèles. Nous montrons d’abord que l’Analyse du Spectre Singulier permet de calculer efficacement une représentation convolutive. Cette représentation est dense et nous décrivons une procédure automatisée pour la rendre plus interprétable. Nous proposons ensuite un algorithme asynchrone, pour accélérer le codage parcimonieux convolutif. Notre algorithme présente une accélération super-linéaire. Dans une seconde partie, nous analysons les liens entre représentations et réseaux de neurones. Nous proposons une étape d’apprentissage supplémentaire, appelée post-entraînement, qui permet d’améliorer les performances du réseau entraîné, en s’assurant que la dernière couche soit optimale. Puis nous étudions les mécanismes qui rendent possible l’accélération du codage parcimonieux avec des réseaux de neurones. Nous montrons que cela est lié à une factorisation de la matrice de Gram du dictionnaire. Finalement, nous illustrons l’intérêt de l’utilisation des représentations convolutives pour les signaux physiologiques. L’apprentissage de dictionnaire convolutif est utilisé pour résumer des signaux de marche et le mouvement du regard est soustrait de signaux oculométriques avec l’Analyse du Spectre SingulierConvolutional representations extract recurrent patterns which lead to the discovery of local structures in a set of signals. They are well suited to analyze physiological signals which requires interpretable representations in order to understand the relevant information. Moreover, these representations can be linked to deep learning models, as a way to bring interpretability intheir internal representations. In this disserta tion, we describe recent advances on both computational and theoretical aspects of these models.First, we show that the Singular Spectrum Analysis can be used to compute convolutional representations. This representation is dense and we describe an automatized procedure to improve its interpretability. Also, we propose an asynchronous algorithm, called DICOD, based on greedy coordinate descent, to solve convolutional sparse coding for long signals. Our algorithm has super-linear acceleration.In a second part, we focus on the link between representations and neural networks. An extra training step for deep learning, called post-training, is introduced to boost the performances of the trained network by making sure the last layer is optimal. Then, we study the mechanisms which allow to accelerate sparse coding algorithms with neural networks. We show that it is linked to afactorization of the Gram matrix of the dictionary.Finally, we illustrate the relevance of convolutional representations for physiological signals. Convolutional dictionary learning is used to summarize human walk signals and Singular Spectrum Analysis is used to remove the gaze movement in young infant’s oculometric recordings
35
Al-Hammouri, Samer. "Enquête sur les représentations de la langue française et de son apprentissage chez les étudiants jordaniens". Thesis, Paris 3, 2009. http://www.theses.fr/2009PA030093.
Texto completo da fonteResumo:
Notre recherche est centrée sur l'étude des représentations de la langue française et son apprentissage chez les étudiants jordaniens. Nous avons tenté de découvrir et d’explorer les images que représentent la France et les français chez un échantillon d’étudiants. Nous avons utilisé un questionnaire comme un instrument d’enquête. Les résultats montrent que les étudiants ont une vue très équilibrée de la langue française et de son apprentissage en général. L’enquête montre aussi l’existence de relation entre les représentations de la langue cible et la motivation d’apprentissage. Cette étude montre en fin de compte l'importance de comprendre la nature complexe des représentations d'apprenants envers la langue maternelle et la première langue apprise dans la salle de classe de français langue étrangèreOur research is about the study of the representations of the French language and its learning by Jordanian students. We tried to discover the images concerning France and French people from a sample of Jordanian students. The purpose of this paper is to explore more the question of the representations of the Jordanian learners in a university bilingual context, little studied from an Arabophone context. We have studied a sample of 68 Jordanian students from the Yarmouk University by means of questionnaire. This study also reveals the representations - stereotypes of both mother and foreign tongues and their places in class of French language as a foreign language. The results of this study show that the students have a very well-balanced about the generally sight of the French language and its apprenticeship. The study also makes evident the existence of relationship between the representations of the target language and the motiv! ation for learning. Moreover; this study shows the importance of understanding the complex nature of the representations of learners towards their mother tongue and the first language learnt in the classroom of French as a Foreign Language
36
El-Zakhem, Imad. "Modélisation et apprentissage des perceptions humaines à travers des représentations floues : le cas de la couleur". Reims, 2009. http://theses.univ-reims.fr/exl-doc/GED00001090.pdf.
Texto completo da fonteResumo:
L'objectif de ce travail de thèse est de mettre en œuvre une démarche interactive de construction du profil utilisateur modélisant sa propre perception. Nous présenterons deux démarches pour construire le profil représentant la perception d'un utilisateur à travers des sous-ensembles flous. Une démarche descriptive dans le cas d'un utilisateur expert et une démarche constructive dans le cas d'un utilisateur non-expert. Pour la démarche descriptive, nous proposerons une procédure de questionnement de l'utilisateur permettant de définir complètement l'ensemble des sous-ensembles flous représentant sa perception. Dans le cas d'un utilisateur non-expert, celui-ci pourra définir sa propre perception en comparant et en sélectionnant quelques profils reflétant la perception d'utilisateurs experts. Nous présenterons une procédure d'agrégation permettant de construire le profil de l'utilisateur à partir des profils experts sélectionnés et des taux de satisfaction. Une application de la démarche dans le cas de la perception de la couleur sera également présentée. Par la suite, on exploite les profils déjà construits pour la classification d'images. Nous proposerons une démarche permettant de construire le profil d'une image selon la perception d'un utilisateur en utilisant le profil standard de l'image et le profil représentant la perception de l'utilisateur. Dans cette démarche nous utiliserons une nouvelle définition de la comparabilité et de la compatibilité de deux sous-ensembles flous. Pour finir, nous présenterons une implémentation informatique de la démarche. La structure de la base de données ainsi que quelques exemples seront également présentésThe target of this thesis is to implement an interactive modeling of the user perception and a creation of an appropriate profile. We present two methods to build the profile representing the perception of the user through fuzzy subsets. The first method is a descriptive method used by an expert user and the second one is a constructive method used by a none-expert user. For the descriptive method, we propose a questioning procedure allowing the user to define completely his profile. For the constructive method, the user will be able to define his perception while comparing and selecting some profiles reflecting the perception of other expert users. We present a procedure of aggregation allowing building the profile of the user starting from the selected expert profiles and the rates of satisfaction. As a case study, we describe an application to model the color perception. Thereafter, we exploit the profiles already built for image classification. We propose a procedure that allows building the profile of an image according to the user perception, by using the standard profile of the image and the user’s profile representing his perception. In this method we use new definitions for the notions of comparability and compatibility of two fuzzy subsets. At the end, we present an implementation of the all procedure, the structure of the database as some examples and results
37
Ntjam, Marie-Chantale. "Handicap et intégration au Cameroun : représentations parentales du handicap et mise en apprentissage des enfants handicapés". Amiens, 2008. http://www.theses.fr/2008AMIE0025.
Texto completo da fonte
38
Vilar, de Melo Maria de Fátima. "Le developpement de la conceptualisation de connaissances et de l'argumentation chez des syndicalistes de faible niveau de formation de base". Paris 5, 1999. http://www.theses.fr/1999PA05H026.
Texto completo da fonteResumo:
Cette recherche a pour but de verifier l'effet de l'experience syndicale sur la conceptualisation et la competence argumentative chez des syndicalistes de faible niveau de formation de base. Elle a ete effectuee aupres de douze syndicalistes bresiliens de 32 a 43 ans, originaires de milieux socio-economiques defavorises, ayant eu une scolarite d'une duree maximum de huit ans. Le receuil de donnees a consiste en un debat entre deux syndicalistes. Les six paires ont ete composees de maniere que les deux syndicalistes aient la meme duree d'experience syndicale. Chaque paire a realise deux debats. L'un debat concernait le mouvement syndical et l'autre l'education. L'analyse des donnees est constituee par trois analyses sur le contenu discursif et une analyse sur le mode discursif : la premiere consiste en la construction du schema general de chaque debat. La deuxieme consiste a comparer le niveau de certains themes des debats. La troisieme concerne le vocabulaire employe dans les debats. La quatrieme analyse concerne la distribution des mode discursifs utilises. Les resultats suggerent un developpement tres important du niveau de conceptualisation et de la competence a argumenter des sujets, puisque dans les analyses effectuees, dans les deux debats, on rencontre des differences notables et parfois spectaculaires entre la production des paires les moins experimentees, et celle des paires les plus experimentees.
39
Aguerre, Sandrine. "Centration sur l'apprentissage d'une langue étrangère, le français : grammaires et représentations métalinguistiques". Phd thesis, Université Michel de Montaigne - Bordeaux III, 2010. http://tel.archives-ouvertes.fr/tel-00628351.
Texto completo da fonteResumo:
Cette thèse porte sur la didactique de la grammaire, celle-ci étant considérée dans ce travail comme un outil pour parler, enseigner et apprendre une langue, et non comme un objectif en soi. L'auteur s'intéresse plus précisément à la façon dont les apprenants développent leur grammaire mentale, c'est-à-dire l'outil qui leur permet de comprendre et produire des énoncés. La thèse de l'auteur est que les apprenants forment des représentations métalinguistiques, c'est-à-dire organisent, rassemblent et classent les éléments linguistiques, d'une façon plus ou moins intentionnelle et organisée en fonction de leurs représentations de ce qu'est apprendre une langue et de leur " passé " métalinguistique. Ce travail s'interroge sur les outils psychologiques et les ressources (manipulations, métalangage et autres systèmes de signes) qui sont mobilisables par l'apprenant pour ses opérations métalinguistiques, et qui peuvent être proposés par l'enseignant dans le cadre de différentes démarches. Plus précisément, est envisagée une démarche réflexive, qui se définit par son point de départ (un problème qui se pose à l'apprenant), ses ressources (présence obligatoire d'un corpus), et son déroulement (participation de l'apprenant en vue d'activités de conceptualisation de sa part).
40
Lavisse, Dominique. "Rôle de l'activité cognitive et des représentations mentales afférentes dans l'acquisition d'une habileté motrice". Nancy 1, 1997. http://docnum.univ-lorraine.fr/public/SCD_T_1997_0293_LAVISSE.pdf.
Texto completo da fonteResumo:
Ce travail concerne les aspects fonctionnels des processus mentaux en cause dans l'acquisition d'une habileté motrice par un organisme humain. Il contribue à la mise en évidence du rôle du traitement cognitif des informations perçues par le sujet lors d'un apprentissage moteur particulier : le tir à l'arc. Deux objets spécifiques afférents à cette activité cognitive sont considérés : les représentations mentales des mouvements effectués (gestes produits réellement par l'apprenant) et à effectuer (gestes techniques attendus). Il procède à des comparaisons d'efficacité de l'apprentissage entre des sujets témoins soumis à des conditions standards d'apprentissage d'un geste moteur, par démonstration commentée oralement et répétition, et des sujets expérimentaux soumis à des conditions visant à favoriser l'activité cognitive en enrichissant, à l'aide d'un support écrit verbal et imagé, leur travail mental de construction et d'encodage des représentations. La modulation de cette efficacité de l' apprentissage par l'enrichissement du traitement cognitif est également étudiée en fonction de certaines caractéristiques physiques et psychologiques des apprenants. L'activité motrice retenue a permis de concilier la rigueur expérimentale avec les caractéristiques d'une application didactique et pédagogique, dans la mesure où la restitution des actions motrices de cette habileté est fiable et parfaitement contrôlée et qu'elle s'exerce dans des conditions de pratique homogène et d'un enseignement classique. L'étude s'appuie sur une série de trois expérimentations portant sur des populations aux caractéristiques différentes par leur âge (adultes, adolescents, enfants), par leur état physique et moteur (valides, handicapés moteurs) et par leur performance cognitive ("normalement" performants, déficients cognitifs). [. . . ]
41
Dos, Santos Ludovic. "Representation learning for relational data". Thesis, Paris 6, 2017. http://www.theses.fr/2017PA066480/document.
Texto completo da fonteResumo:
L'utilisation croissante des réseaux sociaux et de capteurs génère une grande quantité de données qui peuvent être représentées sous forme de graphiques complexes. Il y a de nombreuses tâches allant de l'analyse de l'information à la prédiction et à la récupération que l'on peut imaginer sur ces données où la relation entre les noeuds de graphes devrait être informative. Dans cette thèse, nous avons proposé différents modèles pour trois tâches différentes: - Classification des noeuds graphiques - Prévisions de séries temporelles relationnelles - Filtrage collaboratif. Tous les modèles proposés utilisent le cadre d'apprentissage de la représentation dans sa variante déterministe ou gaussienne. Dans un premier temps, nous avons proposé deux algorithmes pour la tâche de marquage de graphe hétérogène, l'un utilisant des représentations déterministes et l'autre des représentations gaussiennes. Contrairement à d'autres modèles de pointe, notre solution est capable d'apprendre les poids de bord lors de l'apprentissage simultané des représentations et des classificateurs. Deuxièmement, nous avons proposé un algorithme pour la prévision des séries chronologiques relationnelles où les observations sont non seulement corrélées à l'intérieur de chaque série, mais aussi entre les différentes séries. Nous utilisons des représentations gaussiennes dans cette contribution. C'était l'occasion de voir de quelle manière l'utilisation de représentations gaussiennes au lieu de représentations déterministes était profitable. Enfin, nous appliquons l'approche d'apprentissage de la représentation gaussienne à la tâche de filtrage collaboratif. Ceci est un travail préliminaire pour voir si les propriétés des représentations gaussiennes trouvées sur les deux tâches précédentes ont également été vérifiées pour le classement. L'objectif de ce travail était de généraliser ensuite l'approche à des données plus relationnelles et pas seulement des graphes bipartis entre les utilisateurs et les itemsThe increasing use of social and sensor networks generates a large quantity of data that can be represented as complex graphs. There are many tasks from information analysis, to prediction and retrieval one can imagine on those data where relation between graph nodes should be informative. In this thesis, we proposed different models for three different tasks: - Graph node classification - Relational time series forecasting - Collaborative filtering. All the proposed models use the representation learning framework in its deterministic or Gaussian variant. First, we proposed two algorithms for the heterogeneous graph labeling task, one using deterministic representations and the other one Gaussian representations. Contrary to other state of the art models, our solution is able to learn edge weights when learning simultaneously the representations and the classifiers. Second, we proposed an algorithm for relational time series forecasting where the observations are not only correlated inside each series, but also across the different series. We use Gaussian representations in this contribution. This was an opportunity to see in which way using Gaussian representations instead of deterministic ones was profitable. At last, we apply the Gaussian representation learning approach to the collaborative filtering task. This is a preliminary work to see if the properties of Gaussian representations found on the two previous tasks were also verified for the ranking one. The goal of this work was to then generalize the approach to more relational data and not only bipartite graphs between users and items
42
Mbadinga, Mbadinga André-Marie. "Représentations et stratégies d’enseignement-apprentissage de l’espagnol en milieu exolingue : le cas des hispanisants débutants du Gabon". Thesis, Paris 10, 2014. http://www.theses.fr/2014PA100178/document.
Texto completo da fonteResumo:
Une analyse de type ethnographique de la classe, des croyances et représentations des enseignants d’espagnol au Gabon sur l’enseignement-apprentissage de la langue-culture espagnole au niveau débutant (classe de 4e). 1) Comment ces enseignants (es) conçoivent-ils l’enseignement-apprentissage de l’espagnol langue étrangère (ELE) dans ce contexte plurilingue ? 2) Quels rapports entretiennent-ils avec leur substrat linguistique ? 3) En quoi leurs croyances et leurs représentations déterminent-elles leurs pratiques de classe et leurs stratégies d'enseignement ? 4) Qu’est-ce qui motive les acteurs de la classe à enseigner et à apprendre l’espagnol dans ce contexte socio-linguistiquement dominé par le français ? 5) Quelles similitudes et contrastes peut-on relever entre des enseignants novices et des enseignants expérimentés ? 6) Qu'est-ce qui caractérise le discours officiel et les adaptations sociodidactiques de l'enseignement-apprentissage de l'espagnol au Gabon de 1997 à nos jours ? Autour de ces questions, la sociolinguistique et la didactique des langues étrangères avec une approche ethnographique actualisent ici le rôle des substrats linguistiques dans l’enseignement-apprentissage d'autres langues. Cette recherche inscrit donc l’enseignement de l’espagnol en Afrique francophone au cœur des enjeux idéologiques des contacts/conflits de langues. Elle oriente la formation des futurs enseignants d’espagnol du Gabon vers la didactique du plurilinguisme avec une dimension holistique, gage du dialogue des cultures à l’heure de la mondialisation et du numériqueEthnographic analysis of class, beliefs and perceptions of teachers of Spanish in Gabon on the teaching and learning Spanish language and culture to entry level (4th grade). 1) How do these teachers design the teaching and learning of Spanish as a foreign language (SFL) in this multilingual context? 2) What relationship do they have with their linguistic substratum? 3) How beliefs and representations determine their classroom practices and teaching strategies? 4) What motivates classroom actors in teaching and learning Spanish in this French dominated sociolinguistic context? 5) What similarities and contrasts can be measured between novice teachers and experienced teachers? 6) What characterizes the official discourse on teaching and learning Spanish and social adaptations in Gabon from 1997 to today?Around these issues, sociolinguistics and teaching foreign languages with an ethnographic approach update here the role of language substrates in the teaching and learning other languages. This research therefore registered the teaching of Spanish in Francophone Africa in the heart of the ideological challenges of contact / conflict of languages. It directs the training of future teachers of Spanish as a foreign language (SFL) to Gabon didactics of multilingualism with a holistic dimension, guaranteeing the dialogue of cultures in the era of globalization and digital technology
43
Ferré, Arnaud. "Représentations vectorielles et apprentissage automatique pour l’alignement d’entités textuelles et de concepts d’ontologie : application à la biologie". Thesis, Université Paris-Saclay (ComUE), 2019. http://www.theses.fr/2019SACLS117/document.
Texto completo da fonteResumo:
L'augmentation considérable de la quantité des données textuelles rend aujourd’hui difficile leur analyse sans l’assistance d’outils. Or, un texte rédigé en langue naturelle est une donnée non-structurée, c’est-à-dire qu’elle n’est pas interprétable par un programme informatique spécialisé, sans lequel les informations des textes restent largement sous-exploitées. Parmi les outils d’extraction automatique d’information, nous nous intéressons aux méthodes d’interprétation automatique de texte pour la tâche de normalisation d’entité qui consiste en la mise en correspondance automatique des mentions d’entités de textes avec des concepts d’un référentiel. Pour réaliser cette tâche, nous proposons une nouvelle approche par alignement de deux types de représentations vectorielles d’entités capturant une partie de leur sens : les plongements lexicaux pour les mentions textuelles et des “plongements ontologiques” pour les concepts, conçus spécifiquement pour ce travail. L’alignement entre les deux se fait par apprentissage supervisé. Les méthodes développées ont été évaluées avec un jeu de données de référence du domaine biologique et elles représentent aujourd’hui l’état de l’art pour ce jeu de données. Ces méthodes sont intégrées dans une suite logicielle de traitement automatique des langues et les codes sont partagés librementThe impressive increase in the quantity of textual data makes it difficult today to analyze them without the assistance of tools. However, a text written in natural language is unstructured data, i.e. it cannot be interpreted by a specialized computer program, without which the information in the texts remains largely under-exploited. Among the tools for automatic extraction of information from text, we are interested in automatic text interpretation methods for the entity normalization task that consists in automatically matching text entitiy mentions to concepts in a reference terminology. To accomplish this task, we propose a new approach by aligning two types of vector representations of entities that capture part of their meanings: word embeddings for text mentions and concept embeddings for concepts, designed specifically for this work. The alignment between the two is done through supervised learning. The developed methods have been evaluated on a reference dataset from the biological domain and they now represent the state of the art for this dataset. These methods are integrated into a natural language processing software suite and the codes are freely shared
44
Amal, Khaleefa. "Les langues au cœur de l’exil : apprentissage, représentations, pratiques. L’exemple des Syriens dans le camp de Zaatari". Electronic Thesis or Diss., Paris 3, 2020. http://www.theses.fr/2020PA030095.
Texto completo da fonteResumo:
Cette thèse identifie les représentations et les pratiques langagières des réfugiés syriens vivant dans le camp de Zaatari en Jordanie. Son objectif est de comprendre la réalité sociolangagière telle qu’elle est vécue de l’intérieur du camp afin d’émettre des propositions didactiques adaptées aux spécificités des besoins langagiers des réfugiés. Pour ce faire, j’ai procédé à une étude microsociologique des entretiens menés auprès des réfugiés et des dessins qu’ils ont produits. À partir d’une approche interdisciplinaire et d’une méthodologie ethnographique, deux niveaux d’analyse sont proposés. Le premier niveau met en avant les caractéristiques du camp en tant que dispositif, ses paradoxes, ses toponymes et certains de ses enjeux politiques et humanitaires. Le second niveau se focalise sur le sens et le rôle de l’apprentissage des langues et leur usage dans cet espace en marge. Cette perspective met en lumière la dynamique évolutive de l’identité linguistique des réfugiés, leurs rapports à l’altérité et à l’espace du camp, leur subjectivation langagière et leurs diverses motivations. La thèse explore le changement de paradigme langagier dans le camp à travers plusieurs situations quotidiennes, professionnelles et éducatives des réfugiés. Elle analyse les répercussions d’un tel changement sur le rapport que les réfugiés entretiennent avec les langues, notamment l’arabe et l’anglais. Elle examine en outre les formations langagières proposées par les écoles et les ONG et soutient la nécessité d’un programme scolaire « sur mesure » et adapté aux élèves victimes de traumatismes. Elle évalue la pertinence d’une approche biographique visant la résilience scolaire et plaide enfin pour une éducation plurilingue et interculturelle qui contribuerait à développer chez les Syriens et les travailleurs humanitaires l’intersubjectivité et l’empathieThis dissertation identifies language practices and representations of Syrian refugees living in Zaatari camp in Jordan. Its objective is to understand the socio-language reality as it is experienced from within the camp in order to offer suggestions for an education that address the specificities of refugees’ language needs. To do this, I carried out a microsociological study of the interviews I conducted with numerous refugees and the drawings they produced. Based on an interdisciplinary approach and an ethnographic methodology, two levels of analysis are proposed. The first level highlights the characteristics of the camp as an apparatus, its paradoxes, its toponyms, and some of its political and humanitarian issues. The second level focuses on the meaning and the role of language learning and its use in this marginal space. In so doing, this level sheds light on the changing dynamic of refugees’ language identity, their relationship to otherness, their language subjectivation, and their diverse motivations. The dissertation explores the change of language paradigm in the camp through various refugees’ everyday, professional, and educational situations. It analyzes the impact of such a change on refugees’ relation to languages, particularly Arabic and English. It further examines the language lessons that are provided by schools and NGOs and supports the need for a “tailor-made” school program that is appropriate for students who are survivors of trauma. The dissertation evaluates the relevance of a biographical approach aimed at reinforcing academic resilience and finally advocates for a plurilingual and intercultural education that would contribute to developing intersubjectivity and empathy among Syrian refugees and humanitarian workers
تحدد هذه الرسالة التصورات والممارسات اللغوية للاجئين السوريين الذين يعيشون في مخيم الزعتري في الأردن، وتهدف إلى فهم الواقع الاجتماعي-اللغوي كما يُعاش داخل المخيم من أجل تقديم مقترحات تعليمية تتناسب وخصوصيات الاحتياجات اللغوية للاجئين.للقيام بذلك، قمت بإجراء دراسة ميكروسوسيولوجية للمقابلات التي أجريتها مع اللاجئين والرسومات التي قاموا بإنتاجها. وبناءً على منهج بيْنيّ ومسح إثنوغرافي، تم اقتراح مستويين من التحليل. يعالج المستوى الأول خصائص المخيم كنظام ومفارقاته وأسماء المواقع الجغرافية فيه وبعض قضاياه السياسية والإنسانية، في حين يركز المستوى الثاني على معنى ودور تعلم اللغات واستخدامها في هذا الفضاء الهامشي، ومن خلال القيام بذلك، فإنه يسلط الضوء على الديناميكية المتغيرة للهوية اللغوية للاجئين، وعلاقاتهم بالآخرين وذاتيتهم اللغوية ودوافعهم المتعددة.تستكشف الرسالة تغير نموذج اللغة داخل المخيم من خلال عدة مواقف يومية ومهنية وتعليمية للاجئين، فهي تحلل تداعيات مثل هذا التغير على علاقة اللاجئين باللغات وخاصة العربية والإنجليزية. تدرس الرسالة أيضا الدروس اللغوية المقدمة من المدارس والمنظمات غير الحكومية وتدعم ضرورة وجود برنامج مدرسي "مصمم حسب الحاجة" وملائم لِطلاب تعرضوا إلى صدمات. تقيم الرسالة كفاءة المقاربة السيرية التي تهدف إلى الصمود المدرسي، وتَحُثّ أخيراً على توفير تعليم متعدد اللغات ومتعدد الثقافات من شأنه أن يساهم في تطوير الذاتية المشتركة والتعاطف بين السوريين والعاملين في المجال الإنساني
45
Hamroun, Tamara N. "Identité projective et apprentissage : impacts des représentations physiques et psychologiques des avatars dans les activités d’apprentissage collaboratif de Second Life". Thesis, Université d'Ottawa / University of Ottawa, 2011. http://hdl.handle.net/10393/20332.
Texto completo da fonteResumo:
Cette étude exploratoire examine comment l’exploration identitaire entre en jeu dans l’utilisation d’un avatar et dans la participation aux activités d’apprentissage collaboratif dans un monde virtuel. Nous inspirant de l’ethnographie virtuelle, nous avons participé à douze activités collaboratives et nous avons ensuite interrogé treize utilisateurs du monde virtuel Second Life qui y collaborent pour apprendre. Les participants ont démontré une volonté ou un désintérêt à collaborer avec les autres utilisateurs dans Second Life non principalement pas selon le sexe, l’ethnicité ou le degré d’anthropomorphisme de leurs avatars comme l’indique la littérature, mais plutôt selon leur niveau d’expertise. Cette étude suggère que le travail identitaire des utilisateurs peut exercer une grande influence sur leurs collaborations et que le travail identitaire est capable d’aider les utilisateurs à renforcer, à repenser et à améliorer leurs identités et pratiques professionnelles sur les plans virtuels et non virtuels.
46
Marini, Françoise. "Entraîner la compréhension du texte : effets de la confrontation de représentations dans un dispositif hypermédia". Aix-Marseille 1, 2007. http://www.theses.fr/2007AIX10052.
Texto completo da fonteResumo:
Ce travail a pour objet de proposer une voie de remédiation aux difficultés de compréhension de l'écrit en s'appuyant sur les recherches antérieures concernant les difficultés des mauvais compreneurs et sur l'effet bénéfique de l'association d'images dynamiques à des textes. Dans un dispositif hypermédia, la mise en correspondance des médias favorise la confrontation de représentations mentales issues de l'image animée et du texte d'une même histoire. L'hypothèse générale est que cette confrontation entraîne une compréhension de texte plus profonde en favorisant la production de processus inférentiels et métacognitifs. Trois expériences permettent de montrer que dans certaines conditons, l'utilisation d'u dispositif hypermédia permet d'améliorer la compréhension du texte de l'entraînement et de généraliser à un test standardisé les compétences inférentielles et métacognitives entraînées
47
Goh, Hanlin. "Apprentissage de Représentations Visuelles Profondes". Phd thesis, Université Pierre et Marie Curie - Paris VI, 2013. http://tel.archives-ouvertes.fr/tel-00948376.
Texto completo da fonteResumo:
Les avancées récentes en apprentissage profond et en traitement d'image présentent l'opportunité d'unifier ces deux champs de recherche complémentaires pour une meilleure résolution du problème de classification d'images dans des catégories sémantiques. L'apprentissage profond apporte au traitement d'image le pouvoir de représentation nécessaire à l'amélioration des performances des méthodes de classification d'images. Cette thèse propose de nouvelles méthodes d'apprentissage de représentations visuelles profondes pour la résolution de cette tache. L'apprentissage profond a été abordé sous deux angles. D'abord nous nous sommes intéressés à l'apprentissage non supervisé de représentations latentes ayant certaines propriétés à partir de données en entrée. Il s'agit ici d'intégrer une connaissance à priori, à travers un terme de régularisation, dans l'apprentissage d'une machine de Boltzmann restreinte. Nous proposons plusieurs formes de régularisation qui induisent différentes propriétés telles que la parcimonie, la sélectivité et l'organisation en structure topographique. Le second aspect consiste au passage graduel de l'apprentissage non supervisé à l'apprentissage supervisé de réseaux profonds. Ce but est réalisé par l'introduction sous forme de supervision, d'une information relative à la catégorie sémantique. Deux nouvelles méthodes sont proposées. Le premier est basé sur une régularisation top-down de réseaux de croyance profonds à base de machines des Boltzmann restreintes. Le second optimise un cout intégrant un critère de reconstruction et un critère de supervision pour l'entrainement d'autoencodeurs profonds. Les méthodes proposées ont été appliquées au problème de classification d'images. Nous avons adopté le modèle sac-de-mots comme modèle de base parce qu'il offre d'importantes possibilités grâce à l'utilisation de descripteurs locaux robustes et de pooling par pyramides spatiales qui prennent en compte l'information spatiale de l'image. L'apprentissage profonds avec agrégation spatiale est utilisé pour apprendre un dictionnaire hiérarchique pour l'encodage de représentations visuelles de niveau intermédiaire. Cette méthode donne des résultats très compétitifs en classification de scènes et d'images. Les dictionnaires visuels appris contiennent diverses informations non-redondantes ayant une structure spatiale cohérente. L'inférence est aussi très rapide. Nous avons par la suite optimisé l'étape de pooling sur la base du codage produit par le dictionnaire hiérarchique précédemment appris en introduisant introduit une nouvelle paramétrisation dérivable de l'opération de pooling qui permet un apprentissage par descente de gradient utilisant l'algorithme de rétro-propagation. Ceci est la première tentative d'unification de l'apprentissage profond et du modèle de sac de mots. Bien que cette fusion puisse sembler évidente, l'union de plusieurs aspects de l'apprentissage profond de représentations visuelles demeure une tache complexe à bien des égards et requiert encore un effort de recherche important.
48
Detey, Sylvain. "Interphonologie et représentations orthographiques : du rôle de l'écrit dans l'enseignement-apprentissage du français oral chez des étudiants japonais". Phd thesis, Université Toulouse le Mirail - Toulouse II, 2005. http://tel.archives-ouvertes.fr/tel-00458366.
Texto completo da fonteResumo:
L'objectif de cette thèse est de proposer une analyse de la problématique de l'utilisation de l'écrit dans l'enseignement/apprentissage de l'oral en langue étrangère, illustrée par le cas d'apprenants japonais de français en milieu universitaire au Japon. Il s'agit d'une thèse de didactique des langues et des cultures, qui, dans une approche implicationniste, établit une perspective de recherche didactique vis-à-vis du rapport entre multimodalité des supports (visuel/orthographique et auditif) et apprentissage de l'oral (en perception et en production), plus particulièrement celui du système phonético-phonologique du français. Les domaines didactique, phonético-phonologique et psycholinguistique sont dès lors sollicités pour rendre compte du rapport entre interphonologie et représentations orthographiques chez ces apprenants. La thèse s'articule en six grandes parties : 1) une introduction didactique (présentation des problématiques initiales à partir d'observations de terrain) ; 2) une partie linguistique (comparaison des systèmes phonético-phonologique et phonographémique français (L2) et japonais (L1)) ; 3) une partie psycholinguistique (description du fonctionnement cognitif des apprenants, en tenant compte de leurs spécificités vis-à-vis des processus de perception de la parole et de l'écrit) ; 4) une partie « problématiques » (reformulation des problématiques initiales et élaboration d'un protocole d'investigation quasi-expérimental) ; 5) une partie expérimentale (description des tests, résultats et interprétation, les tests étant axés sur la perception des segments /b, v, r, l/ et des groupes biconsonantiques /CC/) ; 6) une partie didactique conclusive (implications pour la recherche et pour les pratiques de classe, vis-à-vis de l'utilisation de la modalité visuelle dans l'enseignement/apprentissage de l'oral en L2). Il apparaît que si l'on souhaite faire apprendre le système phonético-phonologique d'une L2, il conviendrait de prendre davantage en compte la dimension phonographémique d'un tel apprentissage.
49
Saqer, Rabda. "Le traitement des représentations interculturelles en vue de la création d’un centre d’auto-apprentissage des langues-cultures étrangères". Montpellier 3, 2006. http://www.theses.fr/2006MON30047.
Texto completo da fonteResumo:
Nous proposons d'étudier, dans un premier temps, les représentations des apprenants non spécialistes en langues ainsi que leurs enseignants, à propos des langues étrangères. Ensuite, nous proposons d'explorer la disponibilité de ces mêmes apprenants à apprendre une langues en autonomie. Pour réaliser cette étude, nous avons mené une enquête par questionnaire et entretiens. L'étude s'inscrit dans une démarche pédagogique qui consiste à créer un centre d'auto-apprentissage. Nous supposons que les représentations ont un impact décisif dans cette action. Ces représentations peuvent freiner, ou, bien au contraire favoriser l'apprentissage, et par conséquent la mise en place du centre. Cette étude s'inspire de la didactique interculturelle, la sociolinguistique et les théories de l'auto-apprentissageWe propose to study, initially, the representations of students the not specialists in languages and their teachers, about the foreign languages. Then, we propose to explore the availability of these same students to learn languages in autonomy. This study was realized by inquiry, questionnaire survey and individual interview. The study is the first step of research-action which consists in creating a centre of self-learning. We suppose that the representations have a decisive impact in this action. These representations can slow down, or quite to the contrary support the learning, and consequently the installation of the centre. This study draw one's inspiration from didactic intercultural, the sociolinguistic and the theories of the self-learning
50
Carrel-Bisagni, Lise Catherine. "Les représentations sociolinguistiques de l'irlandais et de son apprentissage : enquêtes dans des établissements secondaires de Galway (République d'Irlande)". Phd thesis, Université Paul Valéry - Montpellier III, 2013. http://tel.archives-ouvertes.fr/tel-00958050.
Texto completo da fonteResumo:
Cette thèse analyse les représentations sociolinguistiques de l'irlandais et de son apprentissage chez des élèves dans l'enseignement secondaire à Galway, en République d'Irlande. Le rôle de l'école est central pour la transmission de cette langue minoritaire menacée par l'anglais ; la prise en compte des représentations sociolinguistiques partagées par les jeunes Irlandais est tout indiquée pour comprendre dans quelle mesure l'apprentissage obligatoire peut jouer son rôle et permettre la survie de la langue. La première partie place la situation sociolinguistique irlandaise en perspective diachronique et se poursuit par l'exposition de la théorie des représentations ainsi que de la méthodologie utilisée. L'enquête par questionnaire, réalisée dans quatre établissements auprès de 356 élèves âgés de 12 à 18 ans, est l'objet de la deuxième partie ; elle tente d'identifier les représentations en présence et d'évaluer leur influence potentielle sur les attitudes, la motivation et les pratiques langagières futures des apprenants. En complément de cette enquête principale sont présentées en troisième partie deux enquêtes de type ethnographique qui explorent les relations entre les représentations des élèves et les discours des manuels scolaires, mais aussi entre représentations et certains discours médiatiques (télévisuel et cinématographique). La conclusion est l'occasion de faire, à partir des résultats obtenus, dessuggestions de politique linguistique éducative dans le but d'améliorer les représentations, donc les chances de survie, de l'irlandais.