Robinet
Cette thèse présente un modèle cognitif computationnel de l'apprentissage inductif. Le modèle proposé est appelé MDLChunker car il se base d'une part sur le principe de Minimum Description Length (MDL), et d'autre part sur le mécanisme de chunking.
Le mécanisme de chunking est couramment utilisé en psychologie cognitive dans des domaines aussi variés que l'apprentissage de grammaires artificielles, la segmentation de mots ou la modélisation de la mémoire à court terme. Il est à la base de nombreux modèles cognitifs computationnels.
Le MDL est quant à lui utilisé comme formalisation du principe de simplicité ou rasoir d'Occam. Il permet d'implémenter la notion vague de simplicité grâce au concept clairement défini de taille de codage. Les résultats théoriques qui justifient le principe de simplicité peuvent être établis grâce à la théorie algorithmique de l'information dont le MDL fournit une approximation calculable.
Utilisant ces deux mécanismes (MDL et chunking), le MDLChunker est capable de générer automatiquement la représentation la plus courte (la plus simple) d'un ensemble de stimuli discrets. Les représentations ainsi produites sont comparées à celles créées par des participants humains confrontés aux mêmes stimuli. À travers le modèle et les expériences proposées, le but de cette thèse est d'évaluer à la fois les fondements théoriques et l'efficacité pratique du principe de simplicité dans le cadre de la modélisation cognitive.
Mots clefs : Modélisation cognitive computationnelle, Complexité de Kolmogorov, Théorie de l'information, Minimum Description Length, Chunking, Apprentissage machine
This thesis presents a computational cognitive model of inductive learning. Because it is based both on the Minimum Description Length principle (MDL), and on the chunking mechanism, the model is called MDLChunker. The chunking process is broadly used in cognitive psychology in areas as diverse as artificial grammar learning, word segmentation and short term memory modeling. It is used as a basis for many computational cognitive models.
The MDL principle is a formalisation of the simplicity principle (Occam’s razor). It implements the fuzzy notion of simplicity through the well-defined concept of codelength. The theoretical results justifying the simplicity principle are established through the algorithmic information theory. The MDL principle could be considered as a computable approximation of measures defined in this theory.
Using these two mechanisms (MDL and chunking) the MDLChunker automatically generates the shortest representation of discrete stimuli. Such a representation could be compared to those produced by human participants facing the same set of stimuli. Through the proposed model and experiments, the purpose of this thesis is to assess both the theoretical and the practical effectiveness of the simplicity principle for cognitive modeling.
Gordon Mirta
Lemaire Benoît
lundi 7 décembre 2009, à 14h, en salle 109 du Bâtiment Boucherle (Faculté de Médecine, La Tronche).
- M. Antoine Cornuéjols : Rapporteur (LRI, Paris)
- M. Fernand Gobet : Rapporteur (Brunel University, Londres)
- M. Jean-Paul Delahaye : Examinateur (LIFL, Lille)
- M. Robert French : Examinateur (LEAD, Dijon)
- Mme Mirta Gordon : Directrice de Thèse (TIMC, Grenoble)
- M. Benoît Lemaire : Directeur de Thèse (TIMC, Grenoble)
Dernière mise à jour : 2 janvier, 2011 - 20:38
