Bonjour à tous,
Veuillez noter que le local pour la soutenance de thèse de François
Rivest vient d'être modifié pour une salle disposant d'une plus
grande capacité d'accueil (dans le même pavillon).
La soutenance aura donc lieu mercredi 14 à 14h00 au LOCAL 1140, au
rez-de-chaussée du Pavillon André Aisenstadt. L'affichage sera
modifié pour (re)diriger les participants au bon endroit.
Au plaisir de vous voir nombreux mercredi!
Pascal Vincent
Professeur adjoint / Assistant Professor,
Département d'Informatique et Recherche Opérationnelle,
Université de Montréal.
------------------------------------------------------------------------
-------------------------------------------------------------------
Vous êtes tous cordialement invités à assister à la soutenance de
thèse de doctorat de François Rivest.
Elle aura lieu Mercredi 14 avril à 14h00 au local 1140 du Pavillon
André Aisenstadt, 2920 Chemin de la Tour.
N'hésitez pas à faire suivre cette invitation à toute personne
susceptible d'être intéressée à y assister.
TITRE: "Modèle informatique du coapprentissage des ganglions de la
base et du cortex: L’apprentissage par renforcement et le
développement de représentations. "
** RÉSUMÉ: **
Tout au long de la vie, le cerveau développe des représentations de son
environnement permettant à l’individu d’en tirer meilleur profit.
Comment
ces représentations, en particulier les représentations du temps, se
développent-elles pendant la quête de récompenses demeure un mystère.
Dans
cette thèse, un modèle informatique intégrant de nombreuses évidences
neurologiques de cet apprentissage est développé. Il démontre qu’une
représentation du temps peut être acquise automatiquement dans un
réseau de
neurones artificiels faisant office de mémoire de travail et qu’une
telle
représentation dans le cortex pourrait fournir l’information
nécessaire aux
ganglions de la base et expliquer le signal phasique dopaminergique,
signal
présumé d’erreur dans la quête de récompense. La représentation
développée
par le modèle ressemble beaucoup à l’activité de neurones corticaux
dans des
tâches similaires. Enfin, le pouvoir explicatif et prédictif du
modèle est
évalué sur différentes situations comme la présence ou l’absence d’un
stimulus pendant l’attente de la récompense. En plus de faire des
prédictions très intéressantes en lien avec la littérature sur les
intervalles de temps, certaines lacunes du modèle seront présentées.
** ABSTRACT: **
Throughout lifetime, the brain develops abstract representations of its
environment that allow the individual to maximize his benefits. How
these
representations, in particular the representations of time, are
developed
while trying to acquire rewards remains a mystery. In this thesis, a
model
that incorporates a number of relevant neurophysiological findings of
this
learning is developed. It shows that a time representation can be
acquired
automatically in an artificial neural network acting like a working
memory
and that such a cortical representation could provide the necessary
information to the basal ganglia and explain the phasic dopaminergic
signal,
the presume error signal in reward maximization. The representation
learned
by the model closely resembles the activity of cortical neurons in
similar
tasks. Finally, the explanatory and predictive power of the model is
evaluated in different tasks such as the presence or absence of a
stimulus
while waiting for the reward. Beyond making interesting predictions
relevant
to the timing literature, some shortcomings of the model will be
presented.
