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

john kalaska kalaskaj at PHYSIO.UMontreal.CA
Ven 9 Avr 13:18:28 EDT 2010


Cher Vincent,

Le titre de la thèse n'est pas correct.

John


At 13:13 2010-04-09, Pascal Vincent wrote:
>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.
>
>
>
>
>
>
>Content-Type: application/pdf;
>         x-unix-mode=0666;
>         name=Annonce Soutenance François Rivest.pdf
>Content-Disposition: inline;
>         filename*=ISO-8859-1''Annonce%20Soutenance%20Fran%E7ois%20Rivest.pdf
>
>
>
>
>
>No virus found in this incoming message.
>Checked by AVG - www.avg.com
>Version: 8.5.437 / Virus Database: 271.1.1/2800 
>- Release Date: 04/09/10 06:32:00


  __________________________________
|
| John Kalaska,
| Département de physiologie,
| local 4129,
| Pavillon Paul-G-Desmarais,
| Université de Montréal,
| C.P. 6128, Succursale Centre-ville,
| Montréal, Québec, Canada H3C 3J7
|
| Phone:        (514) 343-6349
| Fax:          (514) 343-6113
| e-mail:       kalaskaj at physio.umontreal.ca
|__________________________________



Plus d'informations sur la liste de diffusion Lisa_seminaires