Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale
Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, dé...
Main Author: | |
---|---|
Language: | FRE |
Published: |
Université Nancy II
2012
|
Subjects: | |
Online Access: | http://tel.archives-ouvertes.fr/tel-00756687 http://tel.archives-ouvertes.fr/docs/00/75/66/87/PDF/manuscrit.pdf |
id |
ndltd-CCSD-oai-tel.archives-ouvertes.fr-tel-00756687 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-CCSD-oai-tel.archives-ouvertes.fr-tel-007566872013-01-07T16:27:56Z http://tel.archives-ouvertes.fr/tel-00756687 http://tel.archives-ouvertes.fr/docs/00/75/66/87/PDF/manuscrit.pdf Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale Lefort, Mathieu [INFO:INFO_NE] Computer Science/Neural and Evolutionary Computing [INFO:INFO_LG] Computer Science/Learning [INFO:INFO_AI] Computer Science/Artificial Intelligence multimodalité auto-organisation réseau de neurones apprentissage continu et non supervisé Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiaux qui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architecture connexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes. L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles: les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissage de certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiques. 2012-07-04 FRE PhD thesis Université Nancy II |
collection |
NDLTD |
language |
FRE |
sources |
NDLTD |
topic |
[INFO:INFO_NE] Computer Science/Neural and Evolutionary Computing [INFO:INFO_LG] Computer Science/Learning [INFO:INFO_AI] Computer Science/Artificial Intelligence multimodalité auto-organisation réseau de neurones apprentissage continu et non supervisé |
spellingShingle |
[INFO:INFO_NE] Computer Science/Neural and Evolutionary Computing [INFO:INFO_LG] Computer Science/Learning [INFO:INFO_AI] Computer Science/Artificial Intelligence multimodalité auto-organisation réseau de neurones apprentissage continu et non supervisé Lefort, Mathieu Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
description |
Cette thèse traite de la problématique de l'unification de différents flux d'informations modales qui peuvent provenir des senseurs d'un agent. Cette unification, inspirée des expériences psychologiques comme l'effet ventriloque, s'appuie sur la détection de corrélations, définies comme des motifs spatiaux qui apparaissent régulièrement dans les flux d'entrée. L'apprentissage de l'espace des corrélations du flux d'entrée échantillonne cet espace et généralise les échantillons appris. Cette thèse propose des principes fonctionnels pour le traitement multimodal de l'information qui ont aboutit à l'architecture connexionniste, générique, modulaire et cortico-inspirée SOMMA (Self-Organizing Maps for Multimodal Association). Dans ce modèle, le traitement de chaque modalité s'effectue au sein d'une carte corticale. L'unification multimodale de l'information est obtenue par la mise en relation réciproque de ces cartes. L'échantillonnage et la généralisation des corrélations reposent sur une auto-organisation contrainte des cartes. Ce modèle est caractérisé par un apprentissage progressif de ces propriétés fonctionnelles: les propriétés monomodales amorcent l'émergence des propriétés multimodales et, dans le même temps, l'apprentissage de certaines corrélations par chaque carte est un préalable à l'auto-organisation de ces cartes. Par ailleurs, l'utilisation d'une architecture connexionniste et d'un apprentissage continu et non supervisé fournit au modèle des propriétés de robustesse et d'adaptabilité qui sont généralement absentes des approches informatiques classiques. |
author |
Lefort, Mathieu |
author_facet |
Lefort, Mathieu |
author_sort |
Lefort, Mathieu |
title |
Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
title_short |
Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
title_full |
Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
title_fullStr |
Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
title_full_unstemmed |
Apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
title_sort |
apprentissage spatial de corrélations multimodales par des mécanismes d'inspiration corticale |
publisher |
Université Nancy II |
publishDate |
2012 |
url |
http://tel.archives-ouvertes.fr/tel-00756687 http://tel.archives-ouvertes.fr/docs/00/75/66/87/PDF/manuscrit.pdf |
work_keys_str_mv |
AT lefortmathieu apprentissagespatialdecorrelationsmultimodalespardesmecanismesdinspirationcorticale |
_version_ |
1716394743648223232 |