[Lisa_seminaires] Soutenance de these de Francois Rivest, mercredi 14h00.

Pascal Vincent vincentp at iro.umontreal.ca
Ven 9 Avr 13:13:25 EDT 2010


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 5441 (local du  
Cirrelt), 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: "Sequential Machine Learning Approaches for Portfolio Management"
(un résumé en Anglais Français suit le résumé Français).


** 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.



-------------- next part --------------
A non-text attachment was scrubbed...
Name: Annonce Soutenance Fran?ois Rivest.pdf
Type: application/pdf
Size: 25439 bytes
Desc: not available
Url : https://webmail.iro.umontreal.ca/mailman/private/lisa_seminaires/attachments/20100409/4f156dda/attachment-0001.pdf 
-------------- next part --------------



Plus d'informations sur la liste de diffusion Lisa_seminaires